一种同平台异源声呐的声学图像拼接方法

本发明属于图像处理技术领域，具体涉及一种图像拼接方法。

背景技术：

传统的声呐系统中，各声呐相互独立，各功能之间也相互独立，性能有限。近年来，在水下机器人、auv、水下拖曳体等小平台上，搭载多部声呐系统，综合进行目标探测或海洋地形地貌测绘的方法，是目前海洋探测的主流趋势。其中，安装在水下航行器两侧的侧扫声呐可以获得平台侧下方的高分辨率海底地物图像，但由于不估计回波时延信息，往往缺少必要精度的位置信息；而安装在水下航行器头部的体搜索声呐能获取平台正下方海底地物图像，得到高精度测点位置信息，但工作频段较低，成像效果不理想。由此可知，侧扫声呐图像与体搜索声呐图像在分辨率和位置信息上具有较强的互补性。因此，提出对安装在同一平台上的侧扫声呐与体搜索声呐的声学图像进行图像拼接，获取具有较高分辨率和位置精度的海底目标成像图。

目前，声呐图像拼接的研究大部分都聚焦于同一部声纳系统不同声学图像处理的同源声呐图像拼接方法，例如：(1)文献1“ahybridregistrationapproachcombiningslamandelasticmatchingforautomaticside-scansonarmosaic[c].oceans,2015:50-60.”通过slam算法(同步定位与地图构建算法)校正水下航行器的轨迹，从而实现多幅侧扫声呐声学图像间的精确匹配，但仅适用于同源的侧扫声呐图像拼接。目前异源声呐图像拼接的研究相对较少，且主要采用基于特征的图像配准方法，例如：(2)文献2“多波束和侧扫声呐数据融合及其在海底底质分类中的应用[d].武汉大学,2003.”公开的方法，利用等深线特征对多波束与侧扫声呐进行图像拼接，侧扫声呐测绘时必需要进行深度信息的估算，应用范围较小；(3)文献3“基于surf算法的多波束和侧扫声呐图像配准与融合.海洋通报，2016：38-45.”利用sufr算法(加速鲁棒特征检测匹配算法)检测特征点从而对多波束与侧扫声呐进行图像拼接，依靠特征点提取进行图像拼接，但不适用于成像分辨率差别较大的侧扫声呐与体搜索声呐图像的拼接，在成像分辨率相差较大时，无法有效提取特征点并正确配准，从而使得图像拼接效果很差。

鉴于侧扫声呐与体搜索声呐的工作频率不同、声学图像分辨率相差较大、视野不同，特征点难以提取并匹配，在声呐图像拼接领域中常采用的基于特征的配准拼接方法并不适用。因此本发明将基于归一化互信息的图像配准方法引入到异源声呐图像拼接领域。

技术实现要素：

为了克服现有技术的不足，本发明提供了一种同平台异源声呐的声学图像拼接方法，首先研究水下同平台上不同视角声呐系统对观测区域的回波建模方法，并结合常规声成像方法获取相应的侧扫声呐与体搜索声呐的声学图像，然后在此基础上进行图像拼接；将基于归一化互信息的图像配准算法引入到声呐图像处理中，以归一化互信息为相似度量函数求得两幅图像之间的最优变换，从而实现图像配准；最后对匹配好的声呐图像采用加权平均法进行图像融合，从而得到具有较高分辨率和位置精度的海底目标成像图。本发明针将基于归一化互信息的图像配准算法引入到异源声呐声学图像拼接领域，解决了传统的基于特征的声学图像配准方法而导致的声学图像配准误差较大、后续图像融合效果差的问题。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1：声呐回波建模及图像仿真；

依据点散射体集合模型，在海底表面指定区域及海底目标表面等间距选取点，将选取的这些点看作n个点目标的集合；由n个点目标的散射作用，得到声呐发射器到接收器的频率响应为：

其中,ρω和kω分别是水的密度和可压缩性参数，ρs和ks分别是点目标的密度和可压缩性参数，从声呐发射器到点目标的距离为d1，接收器到点目标的距离为d2，cω是声速，f是声呐信号频率，a是点目标粒子半径；则接收器的第r个接收阵列传感器接收到的散射回波信号的频域表达式为：

其中p(f)为场景中发射的声呐信号的傅里叶变换；

得到每个接收阵列传感器的回波后，进行匹配滤波及波束形成，最终得到侧扫声呐与体搜索声呐的声学图像；

步骤2：基于归一化互信息进行声呐图像配准；

侧扫声呐声学图像表示为图像a，体搜索声呐声学图像表示为图像b，则图像a和图像b的归一化互信息量定义为：

其中，h(a,b)表示图像a与图像b的联合熵，h(a)、h(b)分别表示图像a与图像b的独立熵；

基于归一化互信息对图像a和图像b进行配准：

以体搜索声呐声学图像b为参考图像，侧扫声呐声学图像a为待配准图像，对图像a进行空间变换并求得变换后的图像与图像b的归一化互信息，改变对图像a进行空间变换的矩阵中的参数使得变换后的图像与图像b的归一化互信息量最大，当归一化互信息量最大时的空间变换即为最优空间变换，然后对图像a进行最优空间变换得到配准后的异源声呐图像；

步骤3：对配准后的图像采用加权平均法进行图像融合；

配准后的侧扫声呐声学图像a与体搜索声呐声学图像b的像素值加权融合过程表示为：

f(x,y)＝ω1a(x,y)+ω2b(x,y)(4)

其中，x,y为对应的像素坐标，f为融合后的图像，f(x,y)表示图像f在坐标(x,y)处的像素值，a(x,y)和b(x,y)分别表示图像a与图像b在坐标(x,y)处的像素值；ω1,ω2分别为图像a和图像b的加权系数，ω1+ω2＝1，加权系数ω1,ω2由式(5)计算：

其中，corr为图像a和图像b的相关系数，表达式为：

其中，为图像a的像素平均值，为图像b的像素平均值，x，y分别是横纵方向的像素点总数；

f(x,y)即为最终得到的拼接图像。

本发明的有益效果如下：

1、相比现有技术仅适用于同源侧扫声呐的图像拼，本发明方法适用于同一平台上视角不同、工作频率不同、声学成像结果不同的异源声呐声学图像拼接，

2、本发明方法仅利用侧扫声呐回波信号的幅度信息，无需进行深度信息估算，应用范围更加广泛。

3、本发明方法将基于归一化互信息的图像配准算法引入到声呐图像处理中，避免了在成像分辨率相差较大的情况下进行特征提取带来的负面影响,进而有利于提高配准精度，图像拼接效果更好。

4、本发明方法对配准后的图像采用加权平均融合法，简单直观，计算量小，适合实时处理。

附图说明

图1是本发明方法流程示意图。

图2是本发明方法的基于归一化互信息的图像配准流程图。

图3是安装在同平台上的侧扫声呐和体搜索声呐位置示意图。

图4是本发明实施例构建的水下场景目标示意图，其中图(a)为海底目标三维图图(b)为海底目标俯视图。

图5是本发明实施例64元侧扫声呐和16*16元体搜索声呐的声学基阵阵形与示意图，其中图(a)为侧扫声呐阵形，图(b)为体搜索声呐阵形。

图6是本发明实施例侧扫声呐与体搜索声呐的发射信号频谱图，其中图(a)为侧扫声呐发射信号频谱，图(b)为体搜索声呐发射信号频谱。

图7是本发明实施例侧扫声呐与体搜索声呐的声学图像，其中图(a)为体搜索声呐成像图，图(b)为侧扫声呐成像图。

图8是本发明实施例侧扫声呐图像与体搜索声呐图像基于归一化互信息进行配准后的结果。

图9是本发明实施例对配准后的图像采用加权平均法进行图像融合的结果，即最终的图像拼接结果。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

如图2所示，在同一水下平台上安装有两部视角不同、工作频率不同、声学成像结果不同的声呐系统，即体搜索声呐与侧扫声呐，对两部声呐的声学图像进行拼接后可以综合两幅图像的优点，获取具有较高分辨率和位置精度的海底目标成像图。

如图1所示，一种同平台异源声呐的声学图像拼接方法，包括如下步骤：

步骤1：声呐回波建模及图像仿真；

依据点散射体集合模型，在海底表面指定区域及海底目标表面等间距选取点，将选取的这些点看作n个点目标的集合；由n个点目标的散射作用，得到声呐发射器到接收器的频率响应为：

其中,ρω和kω分别是水的密度和可压缩性参数，ρs和ks分别是点目标的密度和可压缩性参数，从声呐发射器到点目标的距离为d1，接收器到点目标的距离为d2，cω是声速，f是声呐信号频率，a是点目标粒子半径；则接收器的第r个接收阵列传感器接收到的散射回波信号的频域表达式为：

其中p(f)为场景中发射的声呐信号的傅里叶变换；

得到每个接收阵列传感器的回波后，进行匹配滤波及波束形成，最终得到侧扫声呐与体搜索声呐的声学图像；

步骤2：基于归一化互信息进行声呐图像配准；

侧扫声呐声学图像表示为图像a，体搜索声呐声学图像表示为图像b，则图像a和图像b的归一化互信息量定义为：

其中，h(a,b)表示图像a与图像b的联合熵，h(a)、h(b)分别表示图像a与图像b的独立熵，当两幅图像相似度越高或重合部分越大时，其联合熵越小，也即归一化互信息越大，配准效果越好；基于归一化互信息的图像配准就是最优空间变换的搜寻过程，经过该变换后使图像a与图像b归一化互信息量最大；

基于归一化互信息对图像a和图像b进行配准：

以体搜索声呐声学图像b为参考图像，侧扫声呐声学图像a为待配准图像，对图像a进行空间变换并求得变换后的图像与图像b的归一化互信息，改变对图像a进行空间变换的矩阵中的参数使得变换后的图像与图像b的归一化互信息量最大，当归一化互信息量最大时的空间变换即为最优空间变换，然后对图像a进行最优空间变换得到配准后的异源声呐图像；

步骤3：对配准后的图像采用加权平均法进行图像融合；

配准后的侧扫声呐声学图像a与体搜索声呐声学图像b的像素值加权融合过程表示为：

f(x,y)＝ω1a(x,y)+ω2b(x,y)(4)

其中，x,y为对应的像素坐标，f为融合后的图像，f(x,y)表示图像f在坐标(x,y)处的像素值，a(x,y)和b(x,y)分别表示图像a与图像b在坐标(x,y)处的像素值；ω1,ω2分别为图像a和图像b的加权系数，ω1+ω2＝1，加权系数ω1,ω2由式(5)计算：

其中，corr为图像a和图像b的相关系数，表达式为：

其中，为图像a的像素平均值，为图像b的像素平均值，x，y分别是横纵方向的像素点总数；

f(x,y)即为最终得到的拼接图像。

具体实施例：

如图4所示，是构建的水下场景目标示意图，图5是64元侧扫声呐和16*16元体搜索声呐的声学基阵阵形与示意图，其中侧扫声呐长为0.63m，体搜索声呐直径为0.6m。图6是侧扫声呐与体搜索声呐的发射信号频谱。侧扫声呐发射信号为中心频率75khz，带宽7khz，脉冲时宽2ms的lfm信号，体搜索声呐发射信号为中心频率50khz，带宽5khz，脉冲时宽2ms的lfm信号。

1、声呐回波建模及图像仿真；

根据步骤1的方法，得到每个接收阵列传感器的回波，然后进行匹配滤波及波束形成，最终分别得到侧扫声呐与体搜索声呐的声学图像，如图7所示，可以看到侧扫声呐声学图像分辨率较高，但目标位置不精确；体搜索声呐声学图像中目标位置精确但分辨率较低。

2、基于归一化互信息进行声呐图像配准；

图像配准的流程图如图3所示，针对图7中的仿真图像，以体搜索声呐图像作为参考图像，侧扫声呐图像作为待配准图像，可以计算出右侧、左侧侧扫声呐图像在配准时的最优空间变换分别为t1、t2：

基于归一化互信息的声呐图像配准结果参见图8。

3、对配准后的图像采用加权平均法进行图像融合；

最终的图像融合结果见图9，可以看到最终的声呐图像分辨率及目标位置精度均得到很好的提高。

本发明将基于归一化互信息的图像配准算法引入到声呐图像处理中，以归一化互信息为相似度量函数求得两幅图像之间的最优变换，从而实现图像配准，避免了以往使用特征点配准时，由于声呐成像质量不高及异源声呐成像分辨率相差过大，而导致较多的特征点误匹配，从而影响图像拼接结果。然后采用加权平均法对配准后的图像进行图像融合，通过计算两幅图像的相关系数确定加权系数，最终得到图像拼接结果。加权平均融合的特点在于简单直观，计算量小，适合实时的处理。