基于边缘信息和区域特征的水平集侧扫声呐图像分割研究

For underwater target detection and recognition based on side-scan sonar images, correct segmentation of targets and their shadows is critical. But side-scan sonar images have strong noise, serious gray distortion and geometric distortion, and hence how to obtain accurate and robust segmentation results is still a problem to be solved. To solve this problem, after proper distortion correction, level set side-scan sonar image segmentation based on the combination of edge information and region features is studied. Gray correction which can eliminate uneven gray distribution and highlight target edge is proposed to reduce segmentation difficulty, and geometric distortion caused by slant range imaging, yaw and speed change is corrected to make target shape more real. Accurate edge information extraction method based on multi-scale geometric transform and noise-robust region features extraction method are both studied. Segmentation energy functional with edge information, region features and a priori constraint is constructed, and solved by the level set method to get the final segmentation results with edge location accuracy and noise robustness. The research results will help to correctly interpret side-scan sonar images, and therefore can provide better support for side-scan sonar to play an important role in fields of underwater target recognition and marine science study.

目标及其阴影的准确分割是基于侧扫声呐图像进行水下目标探测和识别的关键。然而，侧扫声呐图像噪声强烈、灰度及几何畸变严重，如何获得准确而鲁棒的分割结果，亟待解决。为此，在畸变校正的基础上，研究边缘信息和区域特征相结合的水平集侧扫声呐图像分割方法。首先探索消除灰度不均、突出目标边缘特征的灰度校正方法以降低分割难度；并尽可能消除斜距成像、偏航和航速变化等引起的几何畸变，以使目标形态更加真实。研究基于多尺度几何变换的边缘信息精确提取方法，并同时探索噪声鲁棒的区域特征提取方法。综合提取出的边缘信息和区域特征，并考虑先验约束构造分割能量函数，进而用水平集方法求解得到边缘定位准确、噪声干扰较少的分割结果。本课题的研究成果将有助于侧扫声呐图像的准确解译，更好地发挥侧扫声呐在水下目标识别和海洋科学研究等领域的重要作用。

目标及其阴影的准确分割是基于侧扫声呐图像进行水下目标探测和识别的关键。然而，侧扫声呐图像斑点噪声强烈、灰度畸变严重，导致目标的精确分割极为困难。为更好地去噪，研究了侧扫声呐图像的统计特性：分析了典型概率分布的理论依据并给出了相应参数的估计方法；通过实验来比较不同概率分布的拟合特性；实验表明，经验威布尔分布最精确，基于散射模型的瑞利分布仍保持了较好的拟合特性。为消除灰度畸变，提出了基于Curvelet变换的侧扫声呐图像灰度增强校正方法：采用自适应非线性映射函数修正变换子带系数，该映射函数无需手工参数调节，且与人眼视觉系统的非线性对数特性相一致，因此能够自动实现侧扫声呐图像的噪声抑制、边缘锐化和灰度增强。为精确地检测目标边缘及海底线，提出了基于人眼微动机理的NSCT域侧扫声呐图像边缘检测方法，应用于水下坝基和桥墩的检测，取得了定位准确、检测完整的效果。提出了基于灰度共生矩阵和非降采样轮廓波变换（NSCT）的联合纹理特征的侧扫声呐图像海底底质分割方法，对纹理特征进行主成分降维以去除噪声和冗余，采用k均值聚类和Silhouette指标得到准确的底质类型数目和精确的海底底质分割结果。在NSCT降噪的基础上，提出了空间约束快速模糊C均值聚类（SCFFCM）与马尔科夫随机场（MRF）相结合的侧扫声呐图像分割算法：由SCFFCM给出初始分割，然后计算MRF的空间约束场，再根据图像邻域内灰度波动情况自适应更新结合权值，进而求解FCM模糊场与MRF约束场的联合场，并基于最大概率准则得到噪声鲁棒的目标及其阴影分割结果。最终，基于边缘信息和局部特征，提出了一种鲁棒、快速的侧扫声呐图像水平集分割方法：该方法包括非局部均值降斑（NLMSF）、基于k均值聚类的粗分割和边缘约束的RSF模型精细分割三个关键环节；在采用NLMSF干净地去除斑点噪声之后，k均值聚类提供了较好的初始分割；在RSF模型中引入边缘约束，以更好地克服灰度畸变，避免陷入局部最优并加快收敛；实验表明，该方法无需任何后处理即可得到准确的分割结果。项目的核心研究成果以18页长文发表于控制论的国际顶级期刊IEEE Transactions on Cybernetics，很好地解决了强斑点噪声和灰度畸变影响下的侧扫声呐图像的分割难题，实现了海底管线、鱼雷、失事人员、飞机残骸等多种目标的准确分割，从而能够更好地服务于海洋探测的迫切需求。