(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210531542.6 (22)申请日 2022.05.17 (65)同一申请的已公布的文献号 申请公布号 CN 114627367 A (43)申请公布日 2022.06.14 (73)专利权人 国家海洋局北海 海洋技术保障中 心 地址 266034 山东省青岛市四方区抚顺路 22号 专利权人 日照市海 洋与渔业研究院 （日照 市海域使用动态监视监测中心、 日照市水生野生动物救护站） 　 青岛中海基业海 洋科技有限公司 (72)发明人 刘大川　何冬晓　侯健　马治忠　 孙元宏　任峰　王芳　宋晓晓　杨德鹏　陈默　王茂旭　 (51)Int.Cl. G06V 20/05(2022.01) G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) 审查员 崔蓝芳 (54)发明名称 一种侧扫声呐图像的海底线探测方法 (57)摘要 本发明涉及侧扫声呐图像 分析的技术领域， 具体是一种侧扫声呐图像的海底线探测方法， 使 用了K‑Means和平均峰值检测相结合的方式进行 分析， 其包括如下步骤： S1、 获得侧扫声呐原始图 像的图幅； S2、 对原始图像进行K ‑means聚类； S3、 获得边界线； S4、 获取平均灰度统计曲线； S5、 获 得海底线平均像素位置； S6、 提取海底线； S7、 海 底线绘制。 本发 明可以对含有目标物的侧扫声呐 图像进行海底线探测， 精确显示海底线， 避免了 传统最大振幅法或最大梯度法无法精准显示的 弊端。 权利要求书1页 说明书4页 附图13页 CN 114627367 B 2022.07.26 CN 114627367 B 1.一种侧扫 声呐图像的海底线探测方法， 其特征在于： 使用了K ‑Means和平均峰值检测 相结合的方式进行分析， 其包括如下步骤： S1、 获得侧扫声呐原始图像的图幅： 读取含有目标物(3)的侧扫声呐的原始图像， 获得 含有像素点的整体图幅， 用m行 ×n列表示； S2、 对原始图像进行K ‑means聚类： 选用K值为2， 将原始图像的像素点划 分为水柱区域 (1)和底质区域(2)， 分类后得到聚类图像； S3、 获得边界线： 对聚类图像进行二 值化处理， 获得包括多条边界线的二 值化图像； S4、 获取平均灰度统计曲线： 对原始图像进行灰度分析， 计算原始图像每一列的平均灰 度值， 获得平均灰度统计曲线； S5、 获得海底线平均像素位置(4)： 对S4得到的平均灰度统计曲线进行最大振幅检测， 获得海底线所在的平均像素位置(4) ，用pn表示； S6、 提取海底线： 从S3得到的二 值化图像中提取海底线， 其 步骤如下： S6.1、 从二值化图像的第一行以pn为中心， 选取d为搜索距离， 在[pn+d,  pn‑d]的搜索 区间中， 提取第一行中的图像点， 用pn1表示； S6.2、 从二值化图像的第二行以p n1为中心， 选取d为搜索距离， 在  [pn1+d, pn1‑d]的搜 索区间中， 提取第二行中的图像点， 用pn2表示； S6.3、 以此类 推， 直到完成二值化图像所有行的图像点 提取； 通过S6最终提取 出来的所有图像点构成了扫描海底线(5)； S7、 海底线绘制： 将S6中得到的扫描海底线(5)绘制到原始图像上， 得到最终海底线 (6)。 2.根据权利要求1所述的一种侧扫声呐图像的海底线探测方法， 其特征在于： 所述S6 中， d的取值范围为[0.0 5n,0.1n]。 3.根据权利要求2所述的一种侧扫声呐图像的海底线探测方法， 其特征在于： 所述S6 中， 若搜索区间超出图幅， 则将搜索区间超出图幅的部分剔除。权　利　要　求　书 1/1 页 2 CN 114627367 B 2一种侧扫声呐图像的海底线 探测方法 技术领域 [0001]本发明涉及侧扫声呐图像分析的技术领域， 具体是涉及 一种侧扫声呐图像的海底 线探测方法。 背景技术 [0002]侧扫声呐图像中的特征目标信息在海洋科学研究(如海底底质分布、 深海热液形 成机制)、 海洋工程(如海底管线选址、 海底地貌获取、 沉船发现)和海洋军事等方面有重要 的应用价值。 侧扫声呐瀑布图中的海底线表征拖鱼到海底的距离， 是水珠区域与底质区域 的分界线， 也是目标量测、 斜距改正及图像灰度均衡化的重要参数。 高效准确进 行海底线跟 踪的高质量的侧扫声呐图像对水下鱼雷探测、 敌方水下侦查设备识别等国防活动具有非常 重要的意义。 目前国内外的侧扫声呐处理软件 （如Triton、 Sonar  Web 和 Discovery等） 均 采用传统的最大振幅法或最大梯度法作为海底线半自动跟踪的方法。 而随着侧扫声呐目标 识别与目标分割需求的日益增加， 含有目标物的侧扫声呐图像的海底线跟踪的需求也逐步 加多， 但是因为相对于自然底质的海底反射， 目标物的反射 强度通常较高， 同时 目标区域通 常又含有阴影， 受此两方面的影响， 所以传统的最大振 幅法或最大梯度法在目标区域的海 底线跟踪准确度较低， 导致传统最大振幅法或最大梯度法在目标区域难以有效实现海底线 的有效跟踪。 发明内容 [0003]本发明的目的是为了解决现有技术中存在的缺点， 而提出的一种侧扫声呐图像的 海底线探测方法。 [0004]为了实现上述目的， 本发明采用了如下技 术方案： [0005]一种侧扫声呐 图像的海底线探测 方法， 使用了K ‑Means和平均峰值检测相结合的 方式进行分析， 其包括如下步骤： [0006]S1、 获得侧扫声呐原始图像的图幅： 读取含有目标物的侧扫声呐的原始图像， 获得 含有像素点的整体图幅， 用m行 ×n列表示； [0007]S2、 对原始图像进行K ‑means聚类： 选用K值为2， 将原始图像的像素点划分为水柱 区域和底质区域， 分类后得到聚类图像； [0008]S3、 获得边界线： 对聚类图像进行二值化处理， 获得包括多条边界线的二值化图 像； [0009]S4、 获取平均灰度统计曲线： 对原始图像进行灰度分析， 计算原始图像每一列的平 均灰度值， 获得平均灰度统计曲线； [0010]S5、 获得海底线平均像素位置： 对S 4得到的平均灰度统计曲线进行最大振幅检测， 获得海底线所在的平均像素位置 ，用pn表示； [0011]S6、 提取海底线： 从S3得到的二 值化图像中提取海底线， 其 步骤如下： [0012]S6.1、 从二值化图像的第一行以pn为中心， 选取d为搜索距离， 在[pn+d,  pn‑d]的说　明　书 1/4 页 3 CN 114627367 B 3