[发明专利]一种侧扫声呐增益补偿判断模型的建模方法

权利要求书

1.一种侧扫声呐增益补偿判断模型的建模方法，其特征在于，包括，

S1.选取待测区域内的图像作为样本图像f(x,y)；

S2.对f(x,y)进行灰度增强，得到增强图像g(x,y)；

S3.根据g(x,y)提取灰度直方图；

S4.对灰度直方图做二次拟合，对二次拟合后的函数二次项系数做判断；

S5.若二次项系数大于0，判定当前工作状态需要进行增益补偿，若二次项系数小于0，需判断样本图像是否属于特殊图像；

S6.若样本图像不属于特殊图像，判定当前工作状态不需要进行增益补偿，若样本图像属于特殊图像，对样本图像做海底线检测后做划区处理，重新判断是否需要进行增益补偿；

S6.1.判断样本图像是否属于特殊图像，假设拖鱼左右两侧的灰度均值分别为M、N，按照人眼能分辨的灰度级规律，若M与N差的绝对值大于10，样本图像两侧的回波强度会出现明显的不同，此样本图像即为特殊图像；

S6.2.若样本图像属于特殊图像，对图像做海底线检测，选用Canny边缘检测算法，使用高斯滤波器来减轻噪声的影响，对图像进行卷积处理，滤除图像中的噪声，选用的高斯分布函数为：，式中，为高斯滤波器的参数，将原图像I(x,y)与高斯分布函数做卷积运算，即可得到高斯滤波后的图像H(x,y)；

S6.3.寻找图像像素强度最大的位置，Canny边缘检测算法利用梯度方向可以表示强度变化方向的优势进行计算，其中，像素点(i，j)在x和y两个方向的偏导数分别为：

此时，像素点(i,j)的梯度幅值W(i,j)和梯度方向分别为：

，

S6.4.非极大值抑制，先确定梯度方向的非零点，然后沿着该点的方向导数寻找邻近的两个点进行比较，抑制伪边缘像素点，保留图像中真实有用的边缘信息；

S6.5.确定样本图像真实的和潜在的边缘，Canny边缘算法采用双阈值检测的方法，设定一个高阈值和一个低阈值来区分边缘像素，如果某一像素点的梯度值介于高、低两个阈值之间，则需要判断其8个相邻区域中是否存在超过高阈值的边缘像素，如果存在则保留；如不存在则舍弃；

S6.6.进行边缘连接；

S6.7.对声呐信号在距离向上做回波信号强度的划区处理，每一区的度量范围不能小于50像素，划区处理后，中央区宽度为拖鱼到海底的高度；

S6.8.中央区在样本图像上显示为黑色，中央区内的图像不作为S6中特殊图像判断的选取部分；

S6.9.选取最靠近海底线的窗口图像以及最边缘的窗口图像进行计算平均灰度值；

S6.10.根据在试验中得到的人眼能够辨别的灰度值范围，将这个灰度值范围作为回波强度增益补偿的标准，重新判断是否需要进行增益补偿。

2.根据权利要求1所述的一种侧扫声呐增益补偿判断模型的建模方法，其特征在于，S1中，选取侧扫声呐系统开始工作后采集到的200Ping内的图像作为f(x,y)。

3.根据权利要求2所述的一种侧扫声呐增益补偿判断模型的建模方法，其特征在于，S2中的灰度增强具体为：使用同态滤波方法实现图像增强，同态滤波器选用二阶巴特沃斯滤波器，同态滤波器的表达式为：，其中，u,v表示频域上的两个坐标轴，代表高频增益，代表低频增益，取1且1；D(u，v)表示频率(u，v)距滤波器中心()的距离；表示滤波器的截止频率，常数c控制滤波器的陡峭程度，c值的选取与图像的增强效果无关。

4.根据权利要求3所述的一种侧扫声呐增益补偿判断模型的建模方法，其特征在于，S4中，对图像灰度直方图进行二次拟合具体为：假定有n个观测数据点，i=0,1,2,…,n，利用二次多项式表示观测数据点，其中，表示拟合后的二次多项式各项系数，表示拟合后的多项式函数，把二次多项式在所算得的值与观测函数值之间的差称为误差或剩余量，用来表示，表示含有x的指数项，即，可得到3个误差方程：

令误差的平方和达到最小值，根据求极小值方法，令误差平方和为，使为极小的需适合下列方程组：

为系数，来表示,，从而得到方程组：

，通过求解3个误差方程得到未知数，将代入式，得到所求的二次函数拟合曲线的多项式表达式。