一种改进的直方图声呐图像识别方法

一种改进的直方图声呐图像识别方法

随着超声波成像技术的发展，超声图像在海洋开发领域的应用越来越普遍。超声波图像的目标识别已成为数字图像处理的重要课题。水下声呐图像多是以灰度级表示的,而灰度直方图是描述图像灰度信息最有效的手段之一。由于灰度直方图算法简单,效果显著,计算效率高,对镜头位置不敏感,对图像变形、旋转具有不变性,因此得到广泛应用。但是它作为一种图像全局表示方法,其主要缺点是不包含任何有关图像灰度的空间分布信息,因此外观不同的图像可能具有相同的直方图。如果仅利用声呐图像的灰度而不考虑图像的空间信息,在声呐图像的目标识别时,容易造成误识别。基于上述考虑,本文提出了一种改进的灰度直方图声呐图像识别方法,将该方法与传统的灰度直方图方法进行了比较,取得了较好的效果。1灰色横截面的形状和相似性的测量1.1生成图像bw灰度直方图是数字图像在灰度空间中关于图像灰度的统计信息,可看作是数字图像的一种特征。基于这个特征和相应的相似性量度就可以计算不同图像之间的相似性,完成基于灰度直方图的图像识别。对于大小为M×N的灰度图像BW,在灰度空间中,其灰度直方图的向量表示形式为:其中,gi(BW)=Nop(i|BW)表示灰度级为i(i∈[,0,1,n])的像素点个数,而且:由灰度直方图的定义可知,每个灰度值的像素数和图像的大小有关。为了消除图像大小对识别的影响,需要对灰度图像进行归一化处理。灰度归一化公式为:经过灰度归一化处理后,所得到gi～(BW)∈0[1,]和图像的大小没有关系。经过归一化后的灰度直方图具有RST不变性,即旋转不变性(rotationinvariance)、尺度不变性(scaleinvariance)和平移不变性(transferinvariance)。1.2基于利益衡量准则的模型法:原理分为7种灰度直方图是对灰度图像的一种离散表示,引入灰度直方图是为了便于计算它们所代表的图像间的相似性。设图像A和B的灰度直方图分别为G(A)和G(B),一种常用的灰度直方图相似性度量准则是Swain和Ballard提出的直方图相交法(HistogramIntersection),公式如下:其它灰度直方图的相似性度量准则还有Minkowski距离法,它的表达式为:其中,r=1时称为Manhattan距离,也叫街区(city-block)距离;r=2时就是人们常说Euclidean距离,当r→∞时为chebyshev距离,此时的表达式变为:2同灰像素的空间分布主要特征在声呐图像中,同一灰度所形成的连贯区域面积差异也很大,有的是一个完整整体,有的是细碎的区域散落在图像中。当采用传统直方图比较图像时,只是在同灰度像素的数量之间进行比较,并无法区分总量相近但空间分布并不相同的图像。因此若能使用这些同灰度像素形成区域的主要面积的大小代表这些灰度的空间分布主要特征,就能够间接反映图像的空间信息。同时,若能融入主要面积区域的形状信息,就能够增强直方图的分辨能力,提高识别率。圆形度是识别目标形状最常用的特征,因此本文对传统直方图进行了改进,提出了将主要面积的圆形度信息融入到直方图中的算法,构造了一种新的直方图。2.1圆形度的计算形状分析是模式识别中一个主要内容,也是图像分析和计算机视觉的基本问题。几何特征分析是形状分析最便捷的方法和手段。在各种几何特征中,圆形度又是最常用最重要的特征之一。圆形度用来表示目标物体形状接近圆形的程度,其计算公式为:式中:S为区域的面积,即区域所包含的像素数目,L为该区域的周长,按链码的长度求L,链码长度公式:式中,m为链码数目,ci为方向链,ci={0,1,2,3,4,5,6,7}。R的取值范围是0<R≤1。R越大,则区域越接近圆形,R=1时,则为圆形。同时,圆形度具有RST不变性。2.2u3000各大阶段的面积大小改进算法直方图的横坐标仍然是灰度级,纵坐标为各灰度级中主要面积的圆形度值。其中,求主要面积的公式为:式中:Cj表示对灰度值为i的各个独立的8连通区域进行标记,Area(Cj|i)表示灰度值为i的各8连通区域的面积大小,max(Area(Cj|i))表示其中灰度值为i的8连通区域的最大面积值。式中,Li为灰度值为i的8连通区域中面积最大的区域的周长,Ri为灰度值为i的8连通区域中面积最大的区域的圆形度。2.3计算圆形度ri假设声呐图像的背景区域像素的灰度值为0,最大像素灰度值为255,去除背景区域对识别率的影响,因此i从1开始取值。算法具体步骤如下:(2)统计灰度值为i的象素点数是否为0。若为0,Ri=0,转步骤(6),否则继续下一步;(3)扫描原图像,当BW(n,m)=i时,令(4)为每个8连通区域进行标记,并计算各个8连通区域面积大小;(5)找出灰度值为i的最大8连通区域面积值Si,并计算该区域的周长Li,利用公式(10)计算其圆形度Ri;(6)i=i+1,转步骤(1),直到i=255结束。3潜水等参数选取的相似性度量为了检验改进直方图方法的性能并与传统灰度直方图方法进行比较,本文选取5类声呐图像做识别,分别为潜水员、鱼、双体船的船壳、手、沉船的残骸。为了检验算法的鲁棒性,选取了不同姿态的潜水员图像,并选取了其不同缩放比例的图像,如图1所示。在实际的识别中,所选用的图像信息更为丰富。为了在相同条件下衡量改进直方图方法和传统直方图方法的性能,相似性度量选取相同的度量准则,即选取r=1时的Manhattan距离,其值越小,两图像间的相似度越高。测试结果如表1～表3所示。为了便于实验结果的比较,将表1～表3中的数据绘制成折线图,如图2～图4所示。从图2可见,由于不同姿态的潜水员在整体形状上有所改变,但变化范围不大,因此改进直方图的相似性度量值稍大于传统直方图的相似性度量值,但其值远小于不同类别间相似性度量值,因此,不会影响识别率。从图3可见,传统直方图对图像的缩放比较敏感,对同一类别不同显示比例图像,相似性度量值较大,容易造成误识别。而改进的直方图由于使用了主要面积的圆形度信息,圆形度是一个具有RST不变性的度量值,因此,改进的直方图对图象的缩放具有很好的鲁棒性。从图4可见,由于传统直方图忽略了图像的空间信息,容易对具有相同灰度级数的图像造成误识别,例如图像A(a)与图像(D)间的相似性度量值就偏低。而改进直方图弥补了传统直方图丢失空间信息的不足,使不同类别间的相似性度量值增大,从而提高了识别率。从测试结果可以看出,改进直方图的对识别声呐图像的性能明显优于传统直方图的性能。4声充图像识别算法本文针