[发明专利]一种基于行列特征向量相关的目标探测方法

摘要

本发明属于数字图像处理领域，具体涉及一种主要用于在声纳图像中探测水下目标的基于行列特征向量相关的目标探测方法。本发明包括：对图像通过自定义阈值的二值化方法进行二值化处理；对二值化后的图像进行形态学处理；对经过形态学处理后的图像通过Sobel边缘检测算法进行边缘提取；利用边缘信息通过基于Hough变换的圆弧检测算法进行圆弧检测；对可疑区域做归一化处理；将理想圆形图像作为模板，求其行特征向量、列特征向量。本发明提出了一种可以简单高效的表示圆形或近似圆形目标区域特征的特征向量，通过行列特征向量筛选可以有效去除非目标区域，因此可以有效减小目标探测的虚警概率。

主权项

一种基于行列特征向量相关的目标探测方法，其特征在于，包括如下步骤：(1)对图像通过自定义阈值的二值化方法进行二值化处理；(2)对二值化后的图像进行形态学处理，以减少图像中点状噪声并填补目标区域中的漏洞；(3)对经过形态学处理后的图像通过Sobel边缘检测算法进行边缘提取；(4)利用边缘信息通过基于Hough变换的圆弧检测算法进行圆弧检测，并将超过检测阈值的圆弧所在区域视为可疑区域；(5)对可疑区域做归一化处理，进行行求和和列求和计算其行特征向量和列特征向量；$RSV=\underset{j}{\Σ}I(i,j);$$CSV=\underset{i}{\Σ}I(i,j)$(6)将理想圆形图像作为模板，求其行特征向量、列特征向量；计算模板特征向量与可疑区域特征向量的相关系数，并设置阈值，将相关系数超过阈值的区域视为目标区域：$r=\frac{\underset{i=1}{\overset{n}{\Σ}}\left(x_i-\stackrel{\‾}{x}\right)\left(y_i-\stackrel{\‾}{y}\right)}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{\left(x_i-\stackrel{\‾}{x}\right)}^2\·\underset{i=1}{\overset{n}{\Σ}}{\left(y_i-\stackrel{\‾}{y}\right)}^2}}=\frac{n\underset{i=1}{\overset{n}{\Σ}}{x}_i{y}_i-\underset{i=1}{\overset{n}{\Σ}}{x}_i\·\underset{i=1}{\overset{n}{\Σ}}{y}_i}{\sqrt{n\underset{i=1}{\overset{n}{\Σ}}{x}_i^2-{\left(\underset{i=1}{\overset{n}{\Σ}}{x}_i\right)}^2}\·\sqrt{n\underset{i=1}{\overset{n}{\Σ}}{y}_i^2-{\left(\underset{i=1}{\overset{n}{\Σ}}{y}_i\right)}^2}}.$