1.一种基于频带分解的声呐图像去噪方法，其特征在于，包括以下步骤：S1：获取声呐图像；S2：通过NSCT域分解将所述声呐图像分解为低频图像和高频子带图像；S3:对所述低频图像进行去噪，得到低频滤波结果；S4:对每个所述高频子带图像进行基于边缘检测的联合去噪，得到高频去噪结果；S5：根据所述低频滤波结果和损失高频去噪结果，得到NSCT重构图像。
2.根据权利要求1所述的一种基于频带分解的声呐图像去噪方法，其特征在于，所述S3中对所述低频图像的去噪方法采用三维块匹配滤波算法。
3.根据权利要求2所述的一种基于频带分解的声呐图像去噪方法，其特征在于，在采用所述三维块匹配滤波算法进行去噪时，采用欧式距离与结构相似性的混合距离度量各图像块与参考块之间的相似性。
4.根据权利要求3所述的一种基于频带分解的声呐图像去噪方法，其特征在于，所述混合距离的计算式为：其中，SSIM为结构相似性， 为混合距离，μ x 、μ y 分别表示参考块P和候选块Q的均值，σ x 、σ y 分别表示参考块P和候选块Q的方差，σ xy 表示参考块P和候选块Q的协方差，c 1 ＝(k 1 L) 2 、c 2 ＝(k 2 L) 2 表示两个常数，避免分母为0，k 1 与k 2 依次默认为0.01和0.03，L表示图像像素值的范围，α为自适应权重系数。
5.根据权利要求1所述的一种基于频带分解的声呐图像去噪方法，其特征在于，所述S4中基于边缘检测的联合去噪，步骤包括：S41：任意方向的非极大值抑制；像素点为离散点，通过插值的方式计算该点在任意方向上的梯度；如果该像素点的梯度为沿正负梯度方向上的局部最大值，则保留该像素点，否则抑制；其中，F表示当前像素点，α表示计算梯度的方向，则在其正负方向的像素点F 1 和F 2 的梯度线性插值：式中tanα表示像素F在Y和X方向的梯度幅值的比值；S42：双阈值OTSU；定义三分类问题：我们的目的是寻找到两个阈值，将梯度幅值分为三类，分别是背景、弱边缘和强边缘；S43:最大化三分类的类间方差；根据OTSU准则，将图像分为三类，是类间方差达到最大的阈值，即为最优阈值，设总均值为μ T ，背景类、弱边缘类和强边缘类的图像分别用C 0 、C 1 和C 2 来表示，分别计算其类概率和均值，类间方差的计算表达式为：其中p(i)是梯度幅值i的概率；背景类C 0 ：弱边缘类C 1 ：强边缘类C 2 ：类间方差：通过遍历所有可能的t 1 和t 2 组合，使得类间方差 最大的值即为最优阈值；S44:高频子带去噪处理；对低频滤波结果进行Canny算子边缘检测，然后将边缘检测的结果分别与每一个高频子带进行卷积处理，该过程会将图像中处边缘和纹理之外的噪点全部去除，能够有效去除高频子带中的噪声，同时保留更多边缘信息；具体的步骤如下：使用高斯滤波进行图像预处理，采用Sobel算子预先计算每一个像素点的梯度和大小，利用非极大值抑制进行边缘细化，应用改进后的双阈值优化算法，得到最优阈值，使用高低双阈值检测算法找出图像边缘。
6.一种基于声呐的桥梁基础冲刷坑形态特征重建方法，其特征在于，包括以下步骤：获取桥梁基础冲刷坑的原始声呐数据；根据所述原始声呐数据绘制初始声呐图像；采用权利要求1-5任一种所述的去噪方法对所述初始声呐图像进行处理；基于去噪后的图像进行特征重建。
7.根据权利要求6所述的一种基于声呐的桥梁基础冲刷坑形态特征重建方法，其特征在于，所述特征重建的步骤包括：按照多波束布设的测线对降噪后的声呐条带图像进行拼接，然后对拼接后的图像做插值处理，补齐缺失值。
8.根据权利要求7所述的一种基于声呐的桥梁基础冲刷坑形态特征重建方法，其特征在于，所述插值处理的步骤包括：第1步，从下采样图像矩阵中任意选取一个元素，对所选取元素的幅度值等于零的元素进行插值；第2步，在参考图像矩阵中找到与下采样图像矩阵中待插值元素对应位置上的元素B；第3步，以元素B为中心，设置窗口大小为3×3元素，对参考图像矩阵加窗；第4步，按照下式，计算待插值元素第一次插值后的幅度值：f(A)＝Σω*H(2i+k,2j+k),求和下限为k＝-L，上限为L；其中，f(A)表示待插值元素第一次插值后的幅度值，A表示待插值元素，Σ表示求和操作，L＝win/2表示约束因子，win表示窗口大小，k表示区间[-L,L]中的一个整数，ω表示加权系数，ω＝1/num，num表示窗口内非零元素的总数，*表示乘法操作，H表示参考图像矩阵，i、j分别表示参考图像矩阵H中的元素在下采样图像矩阵中的对应坐标位置的横坐标和纵坐标，i＝1,2,...,M/2,j＝1,2,...,N/2,M、N分别表示二维图像矩阵y的行数和列数；第5步，判断下采样图像矩阵中的非零元素是否选取完，若是，则完成了下采样图像矩阵的第一级插值，否则，执行第1步。
9.根据权利要求8所述的一种基于声呐的桥梁基础冲刷坑形态特征重建方法，其特征在于，在进行所述插值处理后，采用Canny算子对冲刷坑进行边缘检测，得到冲刷坑的边缘轮廓。
10.根据权利要求6所述的一种基于声呐的桥梁基础冲刷坑形态特征重建方法，其特征在于，所述特征重建的步骤包括：利用灰度值映射原理，声呐图像的成像原理即分层着色，不同的灰度值代表着不同的回波强度，而回波强度反映出声呐设备到水底的距离，因此在声呐图像中，已知冲刷坑某一点的深度，再根据其对应的灰度值，可以得到二者的线性关系，以此得出整个冲刷坑的深度。
转果果小程序
转果果公众号