1.一种基于声呐图像的海洋生物探测方法,其特征在于,所述方法包括以下步骤:
S100:在待探测的海域使用声呐系统获取多频率声呐图像;
S200: 将多频率声呐图像划分为多个信息强稳定声呐图像序列、信息弱稳定声呐图像序列或信息波动声呐图像序列;
S300:计算每张声呐图像的融合系数,对多频率声呐图像进行信息融合;
S400:对信息融合后的声呐图像划定矩形识别区域,和海洋生物的专家数据库进行对比识别;
在S200中,将多频率声呐图像划分为信息强稳定声呐图像序列、信息弱稳定声呐图像序列或信息波动声呐图像序列,其步骤如下:S201,将多频率声呐图像按照频率从小到大进行排序得到集合G;记集合G中多频率声呐图像的数量为I,I为正整数,记i为集合G中元素的序号,i∈[0,I-1]且为整数,Gi表示集合G中的第i张多频率声呐图像;
S202,计算集合G中多频率声呐图像的灰度图像的像素最大灰度值和平均灰度值的平均值或中位数分别作为阈值Thr1和Thr2,按序号从小到大的顺序依次计算集合G中序号相邻的两个灰度图像Gi和Gi+1像素灰度值总和的差值形成列表Red,记列表Red中一共有I-1个元素,j为列表Red中差值元素的序号,j∈[0,I-2]且为整数,Redj表示列表Red中的第j个元素;
S203,设置集合P为空集,将列表Red中绝对值大于Thr2的差值元素定义为边界差值元素;把边界差值元素作为划分边界将列表Red中的非边界差值元素划分为不同集合,每个集合都加入到集合P作为一个子集;记k为集合P中子集的序号,k∈[0,K-1]且为整数,Pk表示集合P中的第k个子集;
S204,对集合P进行遍历以将集合G中的声呐图像序列划分为多个信息强稳定声呐图像序列、信息弱稳定声呐图像序列或信息波动声呐图像序列。
2.根据权利要求1所述的一种基于声呐图像的海洋生物探测方法,其特征在于,在步骤S100,通过声呐系统对待探测的海域进行扫描,具体为:使用声呐系统对待探测的海域发出一系列不同频率的激励声波信号,通过声呐系统的接收器接收反射回来的多频率回波信号,每个频率下,将声呐系统接收的每一帧的回波信号记录成一列纵向图数据;将接收到的多频率回波信号进行相位校正、调幅校正过程,以提取各频率回波数据的相关信息;重复上面所述的声呐发出声波信号和接收声波信号的过程,直至到达设定的次数,从而获得校正后的多频率回波信号。
3.根据权利要求1所述的一种基于声呐图像的海洋生物探测方法,其特征在于,在S100中,把校正后的多频率回波信号中的每个频率的回波信号独立地按照接收时间序列拼接成灰度图像作为多张声呐图像,按照回波信号强度值大小分配对应的灰度值,信号强度值越大则灰度值越接近255,信号强度值越小则灰度值越接近0,每个频率的所有帧的回波信号构成其对应的一张声呐图像。
4.根据权利要求1所述的一种基于声呐图像的海洋生物探测方法,其特征在于,在S203中,把边界差值元素作为划分边界将列表Red中的非边界差值元素划分为不同集合的步骤如下:设置初始值为0的整数变量Ac和布尔型变量TCin的初始值为0,j的初始值为0,从小到大遍历j的取值范围,重复以下的遍历过程,直至j=I-2:当j=0时:
若|Redj|≤Thr2,令j和Ac的值各增加1;若|Redj|>Thr2,将TCin设置为1,令j的值增加1;
当j≠0时:
若|Redj|≤Thr2,将TCin设置为0,令j和Ac的值各增加1;
当|Redj|>Thr2且TCin为0时,将列表Red中Redj-Ac到Redj-1的元素作为一个子集加入到集合P中,将Ac的值重置为0和TCin设置为1,令j的值增加1;
当|Redj|>Thr2且TCin为1时,令j的值增加1。
5.根据权利要求1所述的一种基于声呐图像的海洋生物探测方法,其特征在于,在S204中,对集合P进行遍历以将集合G中的声呐图像序列划分为多个信息强稳定声呐图像序列、信息弱稳定声呐图像序列或信息波动声呐图像序列的具体步骤如下:设置k的初始值为0,从小到大遍历k的取值范围,重复以下的遍历过程,直至k=K-1:计算集合Pk所有元素的绝对值的平均值或中位数Ame,将集合G中计算得到集合Pk差值元素的声呐图像按照其对应频率从小到大进行排序并移除对应频率最大的声呐图像,得到排序后的声呐图像;若Ame<0.5×Thr1,将排序后的声呐图像划分为一个信息强稳定声呐图像序列;若0.5×Thr1≤Ame
6.根据权利要求1所述的一种基于声呐图像的海洋生物探测方法,其特征在于,在S300中,计算集合G中每张声呐图像Gi的融合系数,其计算方式如下:;
其中,
,SUM是求图像灰度值总和的操作,e是自然常数,ln是以常数e为底数的对数,u和s分别代表Gi所在的声呐图像序列在集合G中的结束序号和起始序号,Fi,Fu和Fs分别代表声呐图像Gi,Gu和Gs的对应频率;
在S300中,将集合G中所有声呐图像的融合系数进行归一化,把归一化后的融合系数作为每张声呐图像的权重,将集合G中的每张声呐图像的灰度值以归一化后的融合系数作为权重加权求和后得到的信息融合后的声呐图像,记信息融合后的声呐图像为Y,其计算方式如下:。
7.根据权利要求1所述的一种基于声呐图像的海洋生物探测方法,其特征在于,在S400中,将S300得到的声呐灰度图像按照其像素灰度值大小转成RGB三通道声呐图像,声呐灰度图像中灰度值越大的像素转换后的颜色越接近红色,像素灰度值越小的像素转换后的颜色越接近蓝色;按照既定窗口大小的矩形框去遍历转换后得到的RGB三通道声呐图像,矩形框每到达一个声呐图像区域,将该区域的声呐图像与海洋生物的专家数据库进行对比识别。