[发明专利]一种主动声呐回波图潜在运动目标的特征提取方法

说明书

本发明提供了一种主动声呐回波图潜在运动目标的特征提取方法。首先，将原主动声呐回波图像由空间维扩展到时间维，得到三维声呐回波图像；然后，计算时间间隙度特征，并在此基础上融入高阶矩统计量，进而计算高阶时间间隙度特征，得到不同阶数的特征图像；进一步地，从中选择得到最优特征阶数的特征图像；最后，对最优阶数特征图像进行连通区域分析，确定可能的目标区域。本发明通过提取声呐回波图在时间维度上的间隙度特征实现了不同水下对象的动态特性表征，并利用高阶统计量更好地实现了目标和杂波的区分，可用于在主动声呐回波图的强杂波背景下提取得到目标特征。

技术领域

本发明属港口环境下主动声呐探测技术领域，具体涉及一种主动声呐回波图潜在运动目标的特征提取方法。

背景技术

针对港口等沿海地区面临的恐怖袭击威胁，许多商用声呐系统被设计用于探测和跟踪潜在入侵目标以保障军事和商业设施安全。由于水下入侵者在声学上是安静的，声呐回波图上容易含有与目标无关的高强度散射体回波，称为杂波。在沿海环境中，杂波的干扰往往是由人造结构、海底碎片、不均匀的水深或鱼群等复杂多变的海底环境造成的，这使得潜在的入侵目标无论在强度还是在分布范围上都很容易被杂波掩盖。因此，有必要获得能区分目标和杂波的有效特征。

为了区分声呐图像中的目标和杂波，许多方法的核心思想是利用杂波特性，将目标从杂波背景中分割出来，以减弱杂波背景对目标识别性能的影响，这些方法包括：

(1)基于统计的方法

统计方法是从宏观角度对杂波的统计特性进行建模和预测。由于高强度杂波的概率密度分布会有非瑞利特性的重尾出现，这类方法的主要目的是提出统计模型尽可能理想地拟合所观测的杂波分布。特别是将学到的模型参数作为特征可以描述杂波散射体的类型和数量。其中，统计矩作为最常用的模型形状参数之一，可以用来将数据分布特征与散射体的物理属性联系起来。文献“Fialkowski,J.M.,and Gauss,R.C.(2010). “Methods foridentifying and controlling sonar clutter,”IEEE J.Oceanic Eng.35(2), 330–354.)”采用高阶统计矩，在合理阈值下实现了比较鲁棒的杂波消除。然而，由于统计模型缺乏灵活性，在关于散射体性质的不同物理假设下，单独的某种模型无法适应多种实际海底情况。

(2)基于图像纹理特征的方法

为了满足利用声呐图像进行自动目标检测的需求，一些无监督纹理特征，作为一种基于视觉线索描述空间分布的方法得到广泛关注。这类方法主要可以实现将目标与杂波背景分割，或者是将杂波背景分类。文献“Williams,D.P.(2015).“Fast unsupervisedseafloor characterization in sonar imagery using lacunarity,”IEEETrans.Geosci.Remote Sens.53(11),6022–6034.”将描述像素强度变化的间隙度特征有效地应用于无监督分类背景杂波，可以更好地保证后续目标检测的准确度。目前，纹理特征在高分辨率侧扫描声呐或合成孔径声呐近场成像中应用较多，但还没有在主动声呐回波图上应用。这是因为主动声呐回波图中缺少目标大小和外观的细节信息，无法通过提取空间纹理信息来区分目标和杂波。

发明内容

为了克服现有技术对主动声呐回波图小目标特性表征能力的不足，本发明提供一种主动声呐回波图潜在运动目标的特征提取方法。首先，将原主动声呐回波图像由空间维扩展到时间维，得到三维声呐回波图像；然后，计算时间间隙度特征，并在此基础上融入高阶矩统计量，进而计算计算高阶时间间隙度特征，得到不同阶数的高阶特征图像；进一步地，从中选择得到最优特征阶数的特征图像；最后，对最优阶数特征图像进行连通区域分析，确定可能的目标区域。本发明通过提取声呐回波图在时间维度上的间隙度特征实现了不同水下对象的动态特性表征，并利用高阶统计量更好地实现了目标和杂波的区分，可用于在主动声呐回波图的强杂波背景下提取得到目标特征。