sift特征提取_海洋技术侧扫声呐图像特征提取改进方法

点击上方 “溪流之海洋人生”即可订阅哦

声呐图像特征提取一直是国内外水下图像处理研究的重点，近年来国内外学者已有诸多研究成果。Wei等提出一种通过对声呐图的阴影进行特征提取并进行分类的特征提取方法; Reed等利用马尔科夫随机场(MRF)模型结合统计合作蛇形(CSS)模型的方法对声呐图像进行特征提取。Rao等提出了符号图案分析(SPA)方法，利用特定目标物的特性回波直方图对声呐图像中水雷进行检测。罗进华等利用数学形态学完成了对声呐图像轮廓的提取。李海森等利用尺度不变特征变换(SIFT)算法实现对声呐序列图像进行特征跟踪。王力利用相位编组法和Hough法对图像进行了直线特征提取和匹配；黄勇对图像使用线段检测(LSD)方法完成了图像直线特征提取。

上述方法完成了对目标轮廓提取，但得到的特征均为不规则特征，后续图像处理中并不能很好地利用这类特征。Hough变换原理简单，在光学图像中直线特征提取结果较好，但作用于边缘复杂图像时，边缘点转化会受到影响从而降低直线特征提取质量；LSD算法根据像素梯度可以很好地提取出一些不明显的特征，但是会存在直线特征断裂的问题。针对此，文中提出了相应解决方法，解决了Hough变换中边缘点转换存在的问题以及LSD算法中直线特征断裂问题，改善了提取效果。SIFT算法鲁棒性较强，利用该方法对图像进行点特征提取，可以有效了解声呐图像点特征特点。

一、侧扫声呐图像SIFT特征点提取

SIFT算法通过建立图像的尺度空间来精确定位候选特征点的位置，利用梯度求出特征点的幅值和方向，最后构建128维的特征描述子来完成SIFT算法。

⒈尺度空间特征点检测

SIFT算法在图像处理过程中引入合适的尺度参数，通过不断改变尺度参数的值和降采样得到不同模糊程度和大小的图像，构成金字塔式的尺度空间。高斯卷积核是实现尺度空间的唯一变换核。

⒉特征点筛选

⒊特征点方向赋值

对于在DOG金字塔中检测出的特征点，采集所在高斯金字塔层的3邻域窗口内的所有像素梯度和方向的分布特征，对梯度幅值和方向进行计算。

⒋特征点描述

将图像轴旋转到与特征点一致的方向。旋转之后以特征点为中心，取邻域窗口，统计领域内每个窗口的方向和幅值。为了保证精度，构建128维的描述子。即取特征点为中心的邻域，统计每个像素点的梯度和方向，形成一个8维的种子点，共形成同类型的种子点16个。

完成描述子的特征向量后，也就建立起图像匹配的条件，截取一部分图像，将欧氏距离作为描述子的度量函数，完成2张图像点特征之间的匹配，试验结果见下图4。

侧扫声呐图像特征点匹配

上图 (a)为随机抽样一致(RANSAC)算法剔除误匹配前的结果，还存在明显的误匹配，有19对匹配点；上图(b)是经RANSAC算法剔除误匹配后的结果，为18对匹配点，已不存在明显的误匹配现象。

二、侧扫声呐图像直线特征提取

利用SIFT算法可以有效提取到侧扫声呐图像的特征点，但特征点之间并没有形成有效的信息来展现图像的轮廓特点或者区域的特征信息。由于线特征能够更准确描述区域的特点和轮廓特征，使得直线特征相对于点特征得到的图像信息更加丰富。文中将对侧扫声呐图像的线特征提取进行了研究。

⒈改进的Hough变换方法设计

Hough变换是模式识别领域中对二值图像进行直线检测的有效方法，它通过分析边缘点的共线性来进行直线特征的提取，是一种全局性的检测提取方法。Hough变换是Paul Hough在1959年对气泡室(bubble chamber)照片进行机器分析时提出的，现在使用的Hough变换是1972年由Richard Duda和Peter Hart所提出，被称之为“广义Hough变换(GHT)”。

直线特征的Hough变换主要依赖于2个坐标空间之间的变换，将一个(图像)空间中的直线通过相应数学计算映射到另一个(参数)坐标空间的各点集合，形成峰值，从而把检测直线特征问题转化为统计峰值问题。

⒉改进的LSD直线特征提取变换方法设计

将LSD应用到侧扫声呐图像的线特征提取中效果也很理想。与Hough直线特征提取不同，LSD算法直线特征提取以每个像素点的梯度和幅值作为基础进行处理。

LSD算法中采用2×2模板对像素梯度幅值和方向进行计算，如下图所示。

 像素点位置示意图

三、试验结果分析

文中所用试验图像为某海域的侧扫声呐图像，图像处理环境为Windows操作系统下基于Visual Studio 2010开发环境C++语言。

根据Hough变换和LSD方法优化前后结果进行对比来分析特征提取效果。

将点特征和直线特征的试验结果对比可以看出，点特征较多，分布与图像各区域，描述图像信息的能力较弱，常用于图像之间的点特征匹配。直线特征可很好地描述图像特征的特点，相对于点特征表现更好。从试验结果可知，优化之后的Hough变换可以根据图像特点灵活改变特征长度，增加了直线特征的数量，更精确地描述了图像特点。优化之后的LSD算法也有效解决了因直线特征相交而断裂造成图像过多过短的问题。

Hough变换优化后检测到的图像特征增多，优化(1)因为考虑到同一点可以参与到不同直线的检测中，所以会产生一部分差别小的直线特征，数量相对优化(2)较多，可以根据需要特征数量来选择合适的优化方法。LSD算法中，在同样长度阈值筛选下，拟合后的特征数较多，这是因为未拟合之前直线特征会因相交断裂吗，造成直线特征较短，在筛选中被去除；而拟合时会将断裂的直线特征结合，保证了特征长度，可以避免被筛掉。从下图中可知，拟合后的直线特征在筛选之后数量增多，特征长度也相对较长。因此文中的优化方法在解决直线特征提取的质量不高及直线特征断裂等问题的同时，也保证了提取的直线特征能较好地描述声呐图像的特点。

 不同阈值下LSD直线特征提取结果

四、结束语

声呐图像特征提取一直是国内外水下图像处理的研究重点。文中在对侧扫声呐图像的特征提取过程中，通过对点、线特征的提取，可加强对点、线两种不同特征的认识，以对比图像特征提取的效果。研究结果表明，直线特征更能体现出图像的特点，描述的信息更多。文中也说明了光学图像中常用的直线提取方法也适用于声呐图像的直线特征提取。针对Hough变换提取的线特征不够理想问题，提出的Hough空间转换的优化可以提高提取线特征的质量；另外针对LSD出现提取线特征断裂问题，文中也设计了线特征拟合的方法进行线特征拟合，通过拟合那些判断为断裂的线特征，降低了断裂线特征的影响。

然而，基于声呐图像的特点，在某些区域检测到的直线特征比较密集，相似特征数量太多，在描述图像特点甚至是图像的直线特征匹配中存在不足，需要在保证直线特征质量的同时能减少密集区相似直线特征的数量，这也是下一步需要进行研究的方向。

1

END

1

【作者简介】本文作者/王其林 王宏健 李庆 肖瑶 班喜程，来自哈尔滨工程大学自动化学院；本文为基金项目，国家自然科学基金重点项目(61633008)、国家自然科学基金(青年项目)(51609046)和黑龙江省自然科学基金(F2015035)；文章来自《水下无人系统学报》(2019年第3期)，参考文献略，文章有删节，用于学习与交流，版权归作者及出版社共同拥有。

相关阅读推荐

海洋技术▏侧扫声呐图像应用领域综述技术交流▏海洋侧扫声呐探测技术的发展及应用海洋科普▏侧扫声呐工作原理及探测资料分析技术交流▏应用侧扫声呐的海底目标探测技术研究海洋技术▏侧扫声呐数据采集与地貌图像构建

公众号

溪流之海洋人生

微信号▏xiliu92899

用专业精神创造价值
用人文关怀引发共鸣
您的关注就是我们前行的动力 

投稿邮箱▏452218808@qq.com