[发明专利]一种基于地形匹配的声呐图像的超分辨率重建方法

说明书

本发明属于图像超分辨率重建技术领域，具体涉及一种基于地形匹配的声呐图像的超分辨率重建方法。本发明通过使用中值滤波器、拉普拉斯滤波器对声呐图像进行预处理，在声呐图像中识别并选定地形作为参照物，对同一地形参照物进行配准，解决声呐图像在产生的过程中同一地形在图像中的位置不同的问题。本发明利用声呐图像中的同一地形，将多张声呐图像依据该地形进行配准，使用多张声呐图像重建一张新的图像，直到最终高分辨率图像的生成，解决了声呐图像分辨率低、信噪比低、对比度低、斑点噪声突出的问题，提高了声呐图像的分辨率从而获得更多信息。

技术领域

本发明属于图像超分辨率重建技术领域，具体涉及一种基于地形匹配的声呐图像的超分辨率重建方法。

背景技术

声呐图像通常有分辨率低，目标边缘模糊，目标细节纹理不清晰，斑点噪声突出的特点，导致基于声呐图像的水下目标定位识别问题难以处理，这是因为声呐在用于目标探测时，会受到海洋环境噪声、舰船自噪声和混响信号的干扰，其中混响干扰是由于海底的起伏不平整、海底表面的粗糙度及海底附近的各种散射体对声波的散射作用形成的。

目前，图像超分辨率重建的方法主要分成两大类，即基于插值的方法和基于学习的方法。

基于插值的超分辨率重建方法包括双线性插值、双三次插值、最近邻插值，插值实现有可解释、实现简单的特点，但是生成图像的质量不高，图像纹理等细节较为模糊。

基于学习的超分辨率重建方法是现在的一个研究热点，主要是基于卷积神经网络的超分辨率重建方法，深度学习的方法是直接学习低分辨率图像和高分辨率图像端到端映射，通过构造更多的隐藏层将原始空间特征变换到新的空间，从而能够拟合更加复杂的函数关系达到重建的目的

由于声呐图像分辨率低、信噪比低、对比度低、斑点噪声突出的特点，利用多张具有互补信息的低分辨率声呐图像来重建一张高分辨率声呐图像是提高声呐图像分辨率的有效途径，但是声呐系统处于运动的状态下，对于同一个地形，由于距离、水平角度或垂直角度的改变，会导致在多幅声呐图像中该地形的位置和大小出现变化。

发明内容

本发明的目的在于提供一种基于地形匹配的声呐图像的超分辨率重建方法。

本发明的目的通过如下技术方案来实现：包括以下步骤：

步骤1：对输入的某个时间段某个区域的低分辨率声呐图像，使用中值滤波器对声呐图像进行降噪处理，得到降噪后的声呐图像；

步骤2：对降噪后的声呐图像，使用拉普拉斯滤波器抑制背景和目标增强，得到背景抑制和目标增强后的声呐图像；

步骤3：根据图像内容相似性进行分组，在组内按照时间进行排序；

步骤4：在每组中选定基准图像；

步骤5：利用Gabor滤波器对基准图像生成地形纹理；

步骤6：选择基准图形中靠近图像中心且检测效果最好的地形纹理作为主参照物，并记录下主参照物的坐标；选择位置基准图形中靠近图像中心且检测效果较好的地形纹理作为次参照物，并记录下次参照物的坐标；

步骤7：在组内其他图像中进行模板匹配，并记录下坐标；

步骤8：在基准图像上，根据主参照物及记录的坐标进行配准，建立坐标系；

步骤9：在同一组内进行配准之后，计算组内的所有图像对应位置的有效灰度值进行重建；

步骤10：输出每组对应的最高分辨率图像；若输出了多幅图像，则返回步骤3；否则输出该最高分辨率的声呐图像。

本发明还可以包括：

所述的步骤3中根据图像内容相似性进行分组具体为：采用结构相似性SSIM作为衡量图像内容相似性的标准；所述的结构相似性SSIM的计算方法为：