[发明专利]一种基于激光检测技术的水下目标识别系统

权利要求书

1.一种基于激光检测技术的水下目标识别系统，包括激光雷达、数据库以及上位机，激光雷达、数据库以及上位机依次相连；其特征在于：所述激光雷达对所检测水下区域进行照射扫描获取图片数据，之后所述数据库存储检测到的图片数据，最终所述上位机从数据库中提取数据并对数据进一步处理；所述上位机包括以下几个模块：图像数据处理模块，用于对检测到的图像进行降噪和数据增强操作，解决水下视野模糊导致图像数据不理想的问题；特征提取模块，用智能算法提取图片特征，解决所拍摄物体轮廓不清的问题；检测识别模块，用于进行目标识别；结果显示模块，用于将目标识别的结果在上位机上进行显示；

所述图像数据处理模块用于对检测到的图像进行降噪且进行数据增强操作，解决水下视野模糊导致图像数据不理想的问题，具体采用如下过程完成：

(1.1)从数据库中采集N张带有噪声的灰度图像，取其灰度值为x_i,i＝1,2,...,N，作为训练样本；

(1.2)对上述灰度值取对数，得到对数变换后的灰度值：y_i＝g×ln(1+x_i)，其中y_i表示第i张图像对数变换后的灰度值，g表示对数变换系数；

(1.3)将对数变换后的图像与原图像混合在一起，作为新的训练样本n_j,j＝1,2,...,2N；

(1.4)在图像拍摄过程中由于各种原因会造成图像退化，图像退化模型如下：

g(x,y)＝h(x,y)★f(x,y)+η(x,y)

其中，★为卷积符号，f(x,y)为输入图像，g(x,y)为退化图像，h(x,y)为退化函数，η(x,y)为加性噪声，将上式进行傅里叶变换有：

G(u,v)＝H(u,v)F(u,v)+N(u,v)

其中，G(u,v)，H(u,v)，F(u,v)，N(u,v)分别为g(x,y)，h(x,y)，f(x,y)，η(x,y)的傅里叶变换形式；根据傅里叶变换的特性，空间域中的卷积相当于频率域中的乘积；

(1.4.1)如果不考虑退化函数，图像退化模型就简化为图像噪声模型：

g(x,y)＝f(x,y)+η(x,y)

图像增强问题成为单纯的图像去噪问题；

(1.4.2)如果不考虑加性噪声，图像退化模型就简化为：

g(x,y)＝h(x,y)＊f(x,y)

此时可通过傅里叶变化以及阵列除法获得恢复后的图像频谱；

(1.4.3)如果退化函数和加性噪声都考虑，图像退化模型导出的恢复模型即为：

其中，S_η(u,v)＝|N(u,v)|²为噪声的功率谱，S_f(u,v)＝|F(u,v)|²为输入图像的功率谱，为恢复后的图像频谱；

所述特征提取模块用智能算法提取图片特征，解决所拍摄物体轮廓不清的问题，采用如下过程完成：

(2.1)利用水平、竖直差分算子对图像每个像素进行滤波以求得I_x,I_y，进而求得图像域中点(x,y)上的对称半正定矩阵M_I：

其中，I(x,y)为图像像素，I_x，I_y为I(x,y)的偏导数，为张量积符号，为梯度符号，M_I为推导出的对称半正定矩阵；

(2.2)利用窗口函数W(x,y)对M_I进行运算得M：

其中，W(x,y)为窗口函数，∑为求和符号，M为M_I与窗口函数相乘求和后矩阵；

(2.3)利用M计算对应于每个像素的角点响应值R：

R＝detM-α(traceM)²

其中，detM为矩阵M的行列式，traceM为矩阵M的迹，α为一常数；

(2.4)设定R的阈值,小于阈值的R置为零；

(2.5)在点(x,y)的领域内进行非最大值抑制，局部最大值点即为图像的角点；

所述检测识别模块用于进行目标识别，采用如下过程完成：

(3.1)在采样时刻t采集得到激光雷达获取的图像；

(3.2)将图像经过降噪以及增强处理后得到新的图像；

(3.3)将新获取的图像利用角点检测，获取目标的分类信息。