(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111596792.X (22)申请日 2021.12.24 (71)申请人 中国船舶重 工集团公司七五0试验 场 地址 650051 云南省昆明市盘龙区人民东 路3号 申请人 中海石油(中国)有限公司海南分公 司 (72)发明人 杨贵光　杨明东　张先奎　杨勇　 周红坤　李豪　 (74)专利代理 机构 昆明今威专利商标代理有限 公司 53115 代理人 赛晓刚 (51)Int.Cl. G06T 7/00(2017.01)G06T 7/254(2017.01) G06T 5/00(2006.01) G06T 5/20(2006.01) G06V 10/22(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于时间历程累计图像的声呐目标检 测方法和系统 (57)摘要 本发明公开一种基于时间历程累计图像的 声呐目标检测方法和系统， 包括如下步骤， 步骤 1， 将原始声呐数据进行数据插值、 坐标变换和反 向投影， 形成极坐标PPI声呐图像； 步骤2， 将原始 声呐数据中各波束在时间方向上进行累积， 形成 固定周期的时间历程图像； 步骤3， 进行隔帧处 理； 步骤4， 设计图像增强算法对隔帧处理后的全 局与局部时间历程图像进行线特征增强； 步骤5， 利用改进多尺度LSD算法对增强后的历程图像进 行直线目标检测； 步骤6， 对直线目标检测结果进 行后处理； 步骤7， 利用DBT 技术对PPI声呐图像序 列进行运动目标检测， 并与直线检测结果进行数 据融合， 获得最终检测结果。 本发明具有增强小 目标信噪比和抗背景干扰能力强等优势， 能实现 复杂水下环境运动目标的准确检测。 权利要求书5页 说明书15页 附图6页 CN 114418953 A 2022.04.29 CN 114418953 A 1.一种基于时间历程累计图像的声呐目标检测方法， 其特 征在于， 包括如下步骤， 步骤1， 将原始声呐数据进行数据插值、 坐标变换和反向投影， 形成极坐标PPI声呐图 像， 用于最终检测数据显示； 步骤2， 将原始声呐数据中各波束在时间方向上进行累积， 形成固定周期的时间历程图 像， 使运动目标 呈“直线”特性； 步骤3， 利用隔帧处理， 将检测过程分为全局与局部两个阶段， 以 “由粗到精 ”的检测策 略， 提高检测质量； 步骤4， 对 隔帧处理后的时间历程图像利用图像增强算法进行预处理， 以凸显待检测目 标直线， 并抑制噪声干扰； 步骤5， 利用改进的多尺度LSD算法对所述预处理后的时间历程图像进行直线目标检 测； 步骤6， 对所述 直线目标检测结果进行后处 理， 并将其映射回P PI声呐图像的坐标系中； 步骤7， 利用DBT技术对PPI声呐图像序列进行运动目标检测， 并将检测结果与步骤6结 果进行数据融合， 获得最终检测结果。 2.根据权利要求1所述的一种基于时间历程累计图像的声呐目标检测方法， 其特征在 于， 所述步骤1中， 通过 数据插值、 坐标变换与反向投影后， 形成极坐标P PI声呐图像； 所述步骤2中， 生成固定周期的时间历程图像的方法包括以下步骤： 步骤2‑1， 数据压缩， 所述数据压缩为假设原始声呐数据为nRawDatas[N][M]， 时间历程 图像为TimeImage[L ×N][R]， 其中， N表示波束个数， M表示每个波束接收点数， L为历程图像 固定周期， R为时间历程图像高度。 所述数据压缩采用最大值压缩， 即首先计算压缩比例k＝ M/R， 然后计算每k长度区间内的原始数据最大值作为压缩后的数据， 即形成新的原始数据 nRawDatas_NewUpdate[N][R]； 步骤2‑2， 数据累计， 所述数据累计为对第n个波束的第i个周期按时间轴进行能量记 录， 以L帧为周期进行循环累计， 此时 时间历程图像TimeIma ge表示为以下公式： TimeImage[i+L×n][R‑m]＝nRawDatas_NewUpdate[n][m ] 式中， n表示第n个波束， 取值0,1, …,N‑1； m表示压缩后的第n个波束的第m个数据点位 置， 取值0,1, …,R‑1； i表示第i个周期， 取值0,1, …,L‑1。 依据上述公式， 当i＝L ‑1时， 删除历程累计中最前面的数据， 利用最新的数据帧填充当 前历程图像， 以形成 固定周期L的时间历程图像， 最新数据为当前目标状态； 遍历所有N个波 束， 重复上述过程， 完成时间历程图像生成。 3.根据权利要求1所述的一种基于时间历程累计图像的声呐目标检测方法， 其特征在 于， 所述步骤3中， 所述隔帧处理流程为： 当输入的数据帧数目达到阈值NumDet时， 进 行一次 全局搜索检测， 即对完整的历程图像进行后续处理， 剩 余NumDet ‑1帧通过上次全局 搜索检 测结果提取局部L个待检测图像区域， 即局部 搜索， 以此按NumDet为周期进行循环检测。 4.根据权利要求1所述的一种基于时间历程累计图像的声呐目标检测方法， 其特征在 于， 所述步骤4中， 所述图像增强算法根据隔帧处 理结果分别处 理， 处理方法具体为： 当进行全局搜索时， 图像增强算法具体步骤如下， 步骤A， 设置[ ‑1/2,1,‑1/2]的1×3大小的去局部滤波模板对完整历程图像进行卷积， 用于去除横向直线干扰， 同时不对运动直线造成影响；权　利　要　求　书 1/5 页 2 CN 114418953 A 2步骤B， 设计45 °和135°两个方向的边缘滤波算子对经过步骤A处理后的图像进行边缘 滤波， 增强斜线特 征， 算子使用的卷积核如下： 利用Kernel45°和Kernel135°滤波核分别对原始图像进行卷积， 然后对处理结果取最大 值， 得最终增强结果g ′(x,y)： g′(x,y)＝max(g45(x,y),g135(x,y)) 其中， max()表示对处 理结果g45(x,y)和g135(x,y)逐像素求取最大值； 当进行局部 搜索时， 图像滤波增强算法具体步骤如下： 步骤A， 设置[ ‑1/2,1,‑1/2]的1×3大小的去局部滤波模板对局部历程图像进行卷积， 用于去除横向直线干扰， 同时不对运动直线造成影响。 步骤B， 为了更精细化检测直线， 增强各方向线特征， 首先设计多角度边缘滤波算子， 将 滤波角度从[0,180 °]划分为离散的n个角度： θ1, θ2, θ3,…, θn。 然后遍历各局部历程图像区 域中的像素点， 最后根据2个滤波模板计算像素(x,y)在各角度下的互相关滤波值 其中， ni和nj为模板区域Ri和Rj内的像素数， cij为Ri和Rj的灰度均值比， γi和γj分别为 Ri和Rj的灰度标准差与均值之比。 的值不仅依赖于区域之间的对比度， 也充分考虑 了区域的一致性， 其表示像素(x,y)处的灰度变化及 对应方向属于线 特征的度量。 当运动目 标出现时， 其直线 具有一定的宽度。 利用3个不同大小的滤波模板， 增强一定宽度的线 特征， 此时像素(x,y)处的滤波值表示 为 其中， min()表示对 和 逐像素求取最小值； 最后， 分别求取并保存各滤波数值的最大值及对应的最优角度至当前局部历程图像区 域的map和angle 数组中， 具体 计算公式为： angle(x,y)＝θmax 其中， max()表示对各 元素逐像素求取最大值， θmax为最大值对应的角度。 5.根据权利要求4所述的一种基于时间历程累计图像的声呐目标检测方法， 其特征在 于， 所示步骤4还包括步骤C， 根据直线连续性原理， 设计了投影变换线特征重连增强算法，权　利　要　求　书 2/5 页 3 CN 114418953 A 3