Page 238 - 应用声学2019年第4期
P. 238
698 2019 年 7 月
0 引言 1 理论基础
超椭圆曲线拟合目标阴影算法主要通过控制
近年来,水下小目标自动识别技术成为水下
研究的一个热点,高分辨率水下声成像设备技术 超椭圆函数的几个参数变化对声呐获取的小目标
的进步使得对小目标图像进行分析成为可能。由 阴影轮廓进行拟合,对于不同的阴影轮廓使用不同
于描述小目标本身特性的像素数目原本就少,而 的曲线拟合,拟合过程可以分成两个部分:一是定义
目标函数,二是寻找优化算法使目标函数收敛到极
且易受水下噪声及海底混响等环境因素的影响,
在图像中呈现有关小目标的像素数目更少,很难 值,下面主要从这两个方面进行介绍。
直接通过分析目标区域达到准确识别目标的目 1.1 超椭圆函数
的,通过研究发现目标投影产生的阴影区域无论 超椭圆函数的标准方程为 [5]
是在形状和尺寸方面均比亮区更为显著且描述 ( ) 2 ( ) 2
x ε y ε
阴影区域特性的像素数目也比较多,能够提供良 a + b = 1, (1)
好的识别线索,因此目标阴影区域的识别结果成 其中,a、b和ε 分别表示长轴、短轴和方形程度参数。
为目标分类中非常重要的信息,引起广泛的关注 标准位置经过平移和旋转操作得到
和重视。 ( ) 2
(x − x c ) cos θ − (y − y c ) sin θ ε
阴影识别方法主要利用阴影的形状特征识别
a
目标,使用描述子而不是全部像素点描述阴影信 ( ) 2
(x − x c ) sin θ − (y − y c ) cos θ ε
息。Kim 等 [1] 提出基于边界链码法识别目标阴影, + = 1, (2)
b
该方法对于形状简单的阴影具有良好的识别效果。
其中,x c 、y c 和 θ 分别表示水平平移量、垂直平移量
Boulinguez 等 [2] 提出基于傅里叶描述子识别目标
和旋转角度。根据超椭圆方程可知,超椭圆曲线由
阴影,虽然将二维图像的傅里叶变换转换为一维变
一簇形状不同的封闭曲线构成,通过控制超椭圆函
换问题,用部分傅里叶变换系数重建阴影边界,减少
数中方形程度参数 [6] 的简单变化,可以形成矩形、
了复杂度,但是保留多少个变换系数难以确定。本
椭圆、菱形等不同的形状,对目标阴影边界提供高
文提出超椭圆曲线拟合算法拟合目标阴影边界,通
效而简洁的表示,如图2所示。
过控制超椭圆函数的参数变化形成形状、尺寸和位
置不同的超椭圆曲线,进而拟合不同的阴影区域。 0.2 0.1
1.0
该方法使用特定几个参数表示一簇超椭圆曲线,达 ε=5.0 2.0
到不同的目标阴影识别的目的,易于实现且计算
简单。
在实际的应用中,关注的目标通常是人工小目
标,阴影可以近似为规则的区域,其形状和尺寸依 图 2 不同方形程度参数对应不同的超椭圆曲线
赖于声呐获取图像的角度和方位。例如,在大多数 Fig. 2 Different square degree parameters corre-
spond to different superellipse
情况下,球体目标的阴影区域是椭圆,圆柱体目标
的阴影区域是平行四边形。由于水下小目标阴影 1.2 目标函数
轮廓几乎为特定几种类型的形状,则可以利用超 Rosin [7] 提出将边界坐标点到超椭圆模型的代
椭圆拟合算法实现目标的识别目的,如图 1 所示, 数距离作为目标函数,该方法具有计算量小和易实
目前广泛地应用于计算机图形学、计算机视觉等 现等优点,但是不同位置的代数距离依赖于曲线的
领域 [3−4] 。 曲率,存在曲率有偏性。Ahn 等 [8] 提出一种近似的
ॖ ᄬಖ ͖ӑ ᡔړ ᄬಖ 几何距离,该方法通过多次迭代直至边界坐标点到
ႍ Ѧ ካข લՌ Ѭዝ
曲线的距离收敛到最小,不足之处是计算量大且耗
图 1 超椭圆拟合分析流程图 时。Voss 等 [9] 采用矩估计的方法计算除方形程度
Fig. 1 Flow chart of superellipse fitting analysis 参数以外的所有参数,再进行迭代计算方形程度参