[发明专利]一种水下声纳测绘图像降噪设备及其降噪方法

权利要求书

1.一种水下声纳测绘图像降噪设备，其特征在于：包括通信模块、存储模块、噪音采样模块、滤波模块和深度学习模块，所述通信模块用于与云端服务器建立通信连接，通信模块与云端服务器之间通信传输图片数据，存储模块用于存储设备运行过程中的图片数据和中间数据，所述噪音采样模块外接有中控机，所述噪音采样模块与所述滤波模块连接，所述滤波模块外接有声纳装置，所述声纳装置用于水下探测并将信号传输至中控机成像，所述深度学习模块分别与所述中控机、滤波模块、噪音采样模块和存储模块连接，所述深度学习模块用于接收噪音采样模块获取的水下噪音数据，并根据水下噪音数据对声纳成像的图片进行降噪处理。

2.根据权利要求1所述的一种水下声纳测绘图像降噪设备，其特征在于：所述滤波模块包括非下采样金字塔滤波器组和非下采样方向滤波器组，所述非下采样金字塔滤波器组用于对图像数据进行尺度分解，所述非下采样金字塔滤波器组至少包括三级非下采样金字塔，即第一级将图像分解成一级低频和一级高频，随后对一级低频图像分解成二级低频和二级高频，最后在二级低频图像分解成三级低频和三级高频图像，所述三级低频、一级高频、二级高频和三级高频的输出图像送入非下采样方向滤波器组进行方向分解，即图像经过非下采样金字塔滤波器组和非下采样方向滤波器组后得到低频子带和三个高频子带。

3.根据权利要求1所述的一种水下声纳测绘图像降噪设备，其特征在于：所述滤波器还包括空域滤波器和变换域滤波器，所述空域滤波器为均值滤波器或Lee滤波器，所述变换域滤波为傅里叶变换。

4.根据权利要求1所述的一种水下声纳测绘图像降噪设备，其特征在于：所述深度学习模块包括知识蒸馏网络和神经网络，所述知识蒸馏网络和神经网络分别用于对噪音采样的图片和水下测绘图片进行迭代和融合。

5.一种水下声纳测绘图像降噪设备及其降噪方法，其特征在于：所述方法包括以下步骤：

步骤一、在待测绘的水域进行多点拍摄测试，每次拍摄后的图像分别通过滤波模块的空域滤波器和变换域滤波器得到初步降噪后的图像数据，初步降噪后的图片送入知识蒸馏网络迭代进一步强化特征得到最终降噪的图片数据，降噪后和未降噪的图像再经由滤波模块的非下采样金字塔滤波器组和非下采样方向滤波器组分别拆解成高频输出和低频输出信号，根据降噪前后的图像拆解后的高频输出信号的区别得到水域的噪音数据，并记录在存储模块；

步骤二、利用通信模块向云端服务器获取待测绘对象的图片特征数据，并记录在存储模块；

步骤三、声纳装置对水下进行探测成像，利用图片特征数据定位待测绘的对象，将输出信号发送至中控机，中控机形成测绘图像数据；

步骤四、滤波模块的非下采样金字塔滤波器组和非下采样方向滤波器组将中控机的测绘图像进行非下采样分解，得到高频输出数据和低频输出数据；

步骤五、深度学习模块的神经网络根据步骤一中的噪音数据设置迭代门限，即步骤一中的噪音数据作为外部噪音参考变量加入学习过程，步骤四得到的高频输出数据和低频输出数据分别经过神经网络学习后去除额外的噪音；

步骤六、去噪后的高频图像数据和低频图像数据经过逆NSCT变换得到降噪后的图片数据。

6.根据权利要求5所述的一种水下声纳测绘图像降噪设备及其降噪方法，其特征在于：步骤一中，噪音采样可以选取待测绘对象进行采样，对应的步骤五中添加以下步骤：将步骤一和步骤四中的高频图像数据进行融合，将步骤一和步骤四中的低频输出数据进行融合。