一种侧扫声纳图像海底线缆精确分割方法

本技术属于侧扫声纳图像处理，具体涉及一种侧扫声纳图像海底线缆精确分割方法。

背景技术：

1、现代海洋事业中，海底线缆承担着资源运输、信息传输等重要工作，而侧扫声纳是人类感知海底最重要的工具，对侧扫声纳图像上的线缆进行识别和分割是对其进行跟踪、维护和检修的基础。侧扫声纳图像普遍存在色彩缺失、对比度低、边缘模糊等问题，为目标分割任务带来困难。

2、目前提出的分割技术可以分为两大类：基于深度学习的图像分割方法和传统图像分割方法。基于深度学习的方法，如：bharti,v.,d.lane and s.wang.“learning todetect subsea pipelines with deep segmentation network and self-supervision,”global oceans 2020:singapore-u.s.gulf coast,pp.1-7,2020.设计了一种深度神经网络，从高度浑浊的海底场景获得的光学图像中，这些图像类似于声纳图像，分割线缆目标；du x,sun y,song y,dong l,zhao x.“revealing the potential of deep learning fordetecting submarine pipelines in side-scan sonar images:an investigation ofpre-training datasets,”measurement science and technology,vol.15,no.19,p.4873,2023.利用googlenet从侧扫声纳图像中自动检测和识别管道或电缆。但是，基于深度学习的方法需要大量数据对网络进行充分训练，需要花费巨大的成本进行图像采集和人工标注。此外，基于深度学的方法通常要求输入图像的尺寸固定，即便是进行了多尺度训练后的模型，仍然只能适用于特定几种尺寸的图像作为输入，在一定程度上限制了算法的适用范围。

3、传统图像分割方法在声纳图像线缆分割任务中也有所应用。paredes gm,taveira-pinto f.“an experimental technique to track mooring cables in smallscale models using image processing,”ocean engineering,vol.111,pp.439-448,2016.提出了一种分割图像中线缆的方法，使用顶帽变换来消除细小的噪声点，使用canny边缘检测器和形态膨胀来分割线缆目标；“一种自适应文化算法的水下声纳图像目标分割方法”(申请号：cn201811086885.6，公开日：2019-03-08)提出了一种自适应文化算法，对侧扫声纳图像中的物体进行分割；“一种基于前视声呐的海底管道检测定位方法及系统”(申请号：cn202110891976.2，公开日：2023-07-18)通过对多波束域数据进行动态门限检测、二值化处理、管道线段提取等操作，实现声纳图像中管线目标的检测和分割定位。传统图像分割方法可以分为基于颜色差异的聚类方法和基于目标边缘特征提取的分割方法，前者在面对色彩缺失的侧扫声纳图像时，仅凭借像素值大小进行聚类分割，无法区分线缆目标和干扰物体；后者在光学图像中虽然展现出了较好的效果，但是应用于分辨率低、边缘模糊的海底声纳图像时通常无法取得令人满意的结果。

技术实现思路

1、为了克服上述问题，本技术的目的在于提出一种侧扫声纳图像海底线缆精确分割方法，可以准确分割出侧扫声纳图像中的线缆。

2、为了实现上述目的，本技术采用的技术方案如下：

3、一种侧扫声纳图像海底线缆精确分割方法，包括：

4、步骤1、输入包含线缆的海底侧扫声纳图像i1，使用基于曲波变换的线缆特征自动提取滤波器对包含线缆的海底侧扫声纳图像i1进行滤波处理，提取图像中与线缆相关的信息，得到特征图像i2；

5、步骤2、将包含线缆的海底侧扫声纳图像i1与步骤1得到的特征图像i2逐像素相乘，以强化线缆特征的同时弱化背景中的干扰信息，得到特征图像i3；

6、步骤3、对步骤2得到的特征图像i3，使用hough变换找出不小于三条的直线段，并记录最长的线段在图像中的角度α，作为线缆在图像中的方向角度；

7、步骤4、利用步骤3中得到的线缆在图像中的方向角度α，构造与图像中线缆同方向的线形结构单元；

8、步骤5、对步骤2得到的特征图像i3进行噪点消除和二值化处理，得到二值图像i4；

9、步骤6、对步骤5得到的二值图像i4进行线缆形态还原，使用步骤4得到的线形结构单元对二值图像i4进行卷积操作，将图像中的线缆目标进行像素区域的连通，得到线缆形态还原图像i5；

10、步骤7、对步骤6得到的线缆形态还原图像i5，仅保留图像中的最大连通区域，作为海底侧扫声纳图像线缆分割结果。

11、步骤1中的使用基于曲波变换的线缆特征自动提取滤波器对包含线缆的海底侧扫声纳图像i1进行滤波处理，具体为：

12、对包含线缆的侧扫声纳图像i1进行曲波7级分解，第1-7级的方向划分数量分别为1、16、32、32、64、64、128，包含线缆的侧扫声纳图像i1经过曲波分解后，每一级中心对称的两组系数重构出一幅图像；对1-2级系数直接滤除，对3-7级系数使用方差选择法，在每一级中选择方差最大的6个区域的系数进行保留，对其他系数予以滤除。

13、步骤5中先使用二维平均恒虚警算法对步骤2得到的特征图像i3进行噪点滤除，再对降噪后的图像进行二值化处理得到二值图像i4。

14、步骤6中的使用步骤4得到的线形结构单元对二值图像i4进行卷积操作，将图像中的线缆目标进行像素区域的连通，得到线缆形态还原图像i5，具体为：将步骤4得到的线性结构单元作为掩膜与二值图像i4进行卷积操作，将二值图像i4中断的线缆进行重新连接，得到线缆形态还原图像i5。

15、使用二维平均恒虚警算法对步骤2得到的特征图像i3进行噪点滤除时，虚警概率设置为0.05，对降噪后的图像进行二值化处理时，将像素值大于0的像素点的像素值均设置为1。

16、一种侧扫声纳图像海底线缆精确分割系统，包括：

17、输入模块：输入包含线缆的海底侧扫声纳图像i1，使用基于曲波变换的线缆特征自动提取滤波器对包含线缆的海底侧扫声纳图像i1进行滤波处理，提取图像中与线缆相关的信息，得到特征图像i2；

18、第一处理模块：将包含线缆的海底侧扫声纳图像i1与输入模块得到的特征图像i2逐像素相乘，以强化线缆特征的同时弱化背景中的干扰信息，得到特征图像i3；

19、第二处理模块：对第一处理模块得到的特征图像i3，使用hough变换找出不小于三条的直线段，并记录最长的线段在图像中的角度α，作为线缆在图像中的方向角度；

20、第三处理模块：利用第二处理模块中得到的线缆在图像中的方向角度α，构造与图像中线缆同方向的线形结构单元；

21、第四处理模块：对第一处理模块得到的特征图像i3进行噪点消除和二值化处理，得到二值图像i4；

22、线缆形态还原模块：对第四处理模块得到的二值图像i4进行线缆形态还原，使用第三处理模块得到的线形结构单元对二值图像i4进行卷积操作，将图像中的线缆目标进行像素区域的连通，得到线缆形态还原图像i5；

23、输出模块：对线缆形态还原模块得到的线缆形态还原图像i5，仅保留图像中的最大连通区域，作为海底侧扫声纳图像线缆分割结果。

24、一种电子设备，包括：

25、至少一个处理器；

26、以及，与所述至少一个处理器通信连接的存储器；

27、其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行侧扫声纳图像海底线缆精确分割方法。

28、一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，实现侧扫声纳图像海底线缆精确分割方法。

29、与现有技术相比，本技术的有益效果是：

30、1.本技术根据人工铺设的海底线缆在侧扫声纳图像中具有的直线特征，设计基于曲波变换的线特征提取滤波器，能够自动提取侧扫声纳图像中的线缆信息，同时弱化背景中的干扰信息。

31、2.本技术设计了一种无需事先设定阈值的图像二值化方法，在二值化操作之前使用二维平均恒虚警算法对特征图像进行噪点消除，将降噪后的特征图像中像素值大于0的像素点的像素值置1。由于无需设定阈值，故无需从大量已获得的图像中提取先验信息，同时避免了阈值设置的合理性对实验结果造成的影响。

32、3.本技术设计了一种线特征形态自动还原方法，可以在不进行人工干预的条件下自动对图像中任意方向的线缆进行形态复原，利用hough变换确定线缆在图像中的角度信息，然后构造与线缆同方向的线性结构单元，最后使用构造的线性结构单元与特征图像进行卷积操作，能够将特征图像中非连续的线缆进行形态复原和重新连接，得到完整的线缆目标。

33、综上，本技术所涉及各算法均根据人工铺设的海底线缆在侧扫声纳图像中所具有的特点而进行改进或相互结合，整体算法不需要先验知识作为指导、不需要大量数据进行训练、对图像清晰度要求较低、无需获取目标颜色信息且对图像的大小尺寸无特别要求，适合分割海底侧扫声纳图像中的线缆目标。

技术特征：

1.一种侧扫声纳图像海底线缆精确分割方法，其特征在于，包括：

2.根据权利要求1所述的一种侧扫声纳图像海底线缆精确分割方法，其特征在于，步骤1中的使用基于曲波变换的线缆特征自动提取滤波器对包含线缆的海底侧扫声纳图像i1进行滤波处理，具体为：

3.根据权利要求1所述的一种侧扫声纳图像海底线缆精确分割方法，其特征在于，步骤5中先使用二维平均恒虚警算法对步骤2得到的特征图像i3进行噪点滤除，再对降噪后的图像进行二值化处理得到二值图像i4。

4.根据权利要求1所述的一种侧扫声纳图像海底线缆精确分割方法，其特征在于，步骤6中的使用步骤4得到的线形结构单元对二值图像i4进行卷积操作，将图像中的线缆目标进行像素区域的连通，得到线缆形态还原图像i5，具体为：将步骤4得到的线性结构单元作为掩膜与二值图像i4进行卷积操作，将二值图像i4中断的线缆进行重新连接，得到线缆形态还原图像i5。

5.根据权利要求3所述的一种侧扫声纳图像海底线缆精确分割方法，其特征在于，使用二维平均恒虚警算法对步骤2得到的特征图像i3进行噪点滤除时，虚警概率设置为0.05，对降噪后的图像进行二值化处理时，将像素值大于0的像素点的像素值均设置为1。

6.一种侧扫声纳图像海底线缆精确分割系统，其特征在于，包括：

7.一种电子设备，其特征在于，包括：

8.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至5中任一项所述的侧扫声纳图像海底线缆精确分割方法。

技术总结
一种侧扫声纳图像海底线缆精确分割方法，包括输入图像I1，使用基于曲波变换的线缆特征自动提取滤波器对图像I1处理，提取与线缆相关的信息，得到特征图像I2；将图像I1与特征图像I2逐像素相乘得到特征图像I3；使用Hough变换在特征图像I3中找出不小于三条的直线段，记录最长的线段在图像中的角度α，构造与图像中线缆同方向的线形结构单元，对特征图像I3进行噪点消除和二值化处理，得到二值图像I4；对二值图像I4进行线缆形态还原，得到线缆形态还原图像I5，仅保留图像中的最大连通区域，作为海底侧扫声纳图像线缆分割结果；解决了侧扫声纳图像分割中需要大量数据进行训练、对图像清晰度要求较高、需要获取目标颜色信息且对图像的大小尺寸要求高的问题。

技术研发人员：沈贺,徐崧博,杨益新
受保护的技术使用者：西北工业大学
技术研发日：
技术公布日：2024/12/5