[发明专利]一种基于纹理特征与形状特征相融合的水声图像特征提取方法

说明书

本发明公开了一种基于纹理特征与形状特征相融合的水声图像特征提取方法，主要步骤包括图像分割，边界提取，生成基元阵，计算灰度‑基元共生矩阵，获取五项个特征量等几个关键步骤。本发明着手于海底底质水声图像的图形学特征，利用海底底质水声图像的边界形状特征及其灰度相关性，应用并结合边界提取与灰度‑基元共生矩阵法，实现海底底质的水声图像特征提取。本发明不仅能够保证平移、旋转和缩放不变性，并且对噪声不敏感，既可以描述闭合区域，对于非闭合区域也能很好的完成特征提取，实现了基于海底底质水声图像图形学特征的间接识别及提取。

技术领域

本发明属于图像处理技术领域，具体来说是一种基于纹理特征与形状特征相融合的水声图像特征提取方法。

背景技术

图像特征提取的原则是图像识别，它实际上是分类的一个辅助过程。为了识别出某图像所属的类别，需要将它与其他不同类别的图像区分开来，这就要求选取的特征不仅要能够很好地描述图像，更重要的是还要能够很好地区分不同类别的图像。选择那些在同类图像之间差异较小，在不同类别的图像之间差异较大的图像特征，将此称之为最具有区分能力的特征。

一般来说，图像特征的描述方法有很多种，如按提取区域的大小，可分为图像的局部特征和全局特征；按特征在图像上的表现形式，可分为点特征、线特征和面特征(区域特征)。图像的视觉特征：包括图像的边缘、轮廓、形状、纹理和区域等，它们的物理意义明确，提取比较容易。图像的统计特征：包括灰度直方图特征，矩特征，其中矩特征包括Hu矩、旋转矩、正交矩、复数矩的快速算法。

随着声纳技术的发展，声纳图像在海洋开发领域占据着越来越重要的位置。利用声纳图像进行目标识别己经成为图像处理领域的重要研究课题。作为目标识别中最重要的一环，声纳图像的特征提取技术也日益发展和成熟起来。由于该领域是近几年才发展起来的，而且不同的成像声纳系统在分辨率参数上存在着差别，水下成像环境的复杂性、目标所成的像受到目标本身的特性影响较大，所以至今没有形成一个比较统一、并且被大家公认的识别算法

近些年水声图像特征提取的方法主要分为基于纹理的特征提取和基于形状的特征提取两大类。由于水声成像取决于声辐射特性，目标的成像受环境、混响和噪声的影响较大，使得目标的边界或外形有较大的不规则性，经常出现目标被遮挡或边界残缺等情形，因而不会形成很细微的、精确的边界特征。而且水声图像的边界特征复杂，用经典的几何形状特征参数描述物体的形状比较困难，因此一般通过构造矩特征向量来描述复杂物体。高苗的《水声图像特征提取技术研究》论文(哈尔滨工程大学硕士论文2009年3月)中使用了一种基于形状标识函数的边缘不变矩特征提取。提取目标标识函数后，利用一维矩量来描述区域的边界形状并提取特征量，经实验分析，此方法在运算速度和识别效果上都具有优势，但只能对边界较形状简单的图像能实现很好的目标识别和分类。