水下图像基于 GAN 去模糊的增强技术

由于水下环境具有不稳定性,水下图像可能会出现偏色、对比度低以及运动模糊等退化现象。针对这些问题,本文提出了适用于水下图像的增强算法,其实现需要依次经过颜色恢复和去模糊这2个阶段。在第一阶段中,本文增强算法先利用高斯滤波和均值漂移对图像进行锐化;然后,通过对比图像各颜色通道的均值得到补偿值对图像颜色进行校正;最后通过线性拉伸来调整图像的对比度。在第二阶段中,采用带有残差思想的生成对抗网络(GenerativeAdversarialNetworks,GAN),利用9个连续的残差网络能够很好地提取图像中的特征,可起到消除模糊和增强图像特征的作用。利用本文算法处理水下图像时,发现本文方法不仅能去除图像模糊,而且能消除图像的色偏现象且不携带红色伪影。同时,通过对比水下图像质量度量(UnderwaterImageQualityMeasures,UIQM)和水下彩色图像质量评估(UnderwaterColorImageQualityEvaluation,UCIQE)这2项指标发现,本文算法有较好的图像处理效果。     

基于非锐化掩模引导滤波的水下图像细节增强算法研究

针对水下图像对比度偏低，细节模糊的问题，本文提出基于非锐化掩模引导滤波的细节增强方法。首先由原始图像做引导图进行滤波得到细节层图像，并对细节层使用噪声检测的中值滤波去除斑点噪声；然后对原始图像进行基于均值滤波的非锐化掩模，得到锐化图像，并将锐化图像作为引导图对原始图像进行引导滤波，获取基础层图像；最后将滤波后的细节层进行增益后与引导滤波获取的基础层进行叠加，达到增强水下图像细节的目的。并通过信息熵、局部对比度和平均梯度3种客观评价指标对图像处理结果进行了对比分析，主观和客观测试结果表明，本文采用的算法能够有效提高图像对比度以及增强细节信息，有利于提高水下图像资料解释的准确性。     

基于改进粒子群优化算法和模糊熵水下图像分割

由于水下图像受到水下光照条件以及水质的一些特性影响,存在对比度低、灰度不均、目标边缘模糊等特点。传统基于最大熵原理的阈值法尽管能实现某些特定的分割任务,但是采用凸模糊集的隶属函数和穷举法存在计算复杂度高、时效性差等缺点。在传统模糊熵分割算法的基础上,重新定义了模糊熵,并根据最大熵原理,利用改进粒子群优化算法(PSO)来搜索分割阈值。通过水下图像处理试验证明,该算法对简单背景的图像分割是有效的;与传统分割方法相比,具有更强的自适应性和抗噪性。     

激光扫描实时获取水下图象信息的方法与系统

报道一种实时大视角、全景深获取水下图象的新方法。该方法试图解决在无人摇控潜器(ROV)和自治式潜器 (UUV)走航式获取水下清晰图象时 ,遇到的激光在水下传输过程中后向散射噪声问题 ,建立了一种具有宽视角、全景深性能的水下激光扫描系统。用这种方法和系统在空气中和水中做了大量的实验 ,并讨论了这种方法和系统的应用前景。     

模糊图象消除方法在纤维密度检测和水下图象处理中的应用

在数字图象处理中,就纺织品的移动所造成图象的运动模糊和成象不在焦平面产生的弥散模糊,运用消模糊理论进行图象处理,并得到了满意的结果。同时对水下摄影过程中造成的水下图象处理进行研究,说明该方法还可应用到更广泛的领域。     

基于侧扫声呐的水下小目标检测技术研究

针对水下小目标探测与识别难的问题,开展基于侧扫声呐的声呐图像滤波、图像分割及目标提取方法研究。常规滤波方法难以有效清除图像中存在的噪声,从而造成图像质量下降。采用非局部均值滤波算法与 GPU 加速的方法,在获得声呐图像较好处理效果的同时,满足水下小目标检测实时性的要求;同时, 采用膨胀算法与 Canny 边缘检测算法相结合的方式,实现了水下真假目标的有效区分。     

水体透明度遥感反演算法研究进展

水体透明度(Secchi Disk depth,SDD)是水环境监测的重要参数,遥感技术对于监测水体透明度具有重要的应用前景。本文旨在分类和比较当前用于监测水体透明度的算法,并提出未来研究的方向,以推动水环境监测技术的进一步发展。文章对目前检索水体透明度的算法进行分类和比较。其中,经验算法、半分析算法和机器学习算法是目前研究的主要方向。通过分析算法特性和优缺点,提出未来研究的重点和方向。经验算法基于透明度与光谱数据、叶绿素a浓度等的相关性,半分析算法基于水下能见度理论,机器学习算法则基于更优的数据特征学习能力。不同算法具有各自的适用范围和限制。未来的研究应该着重于整合多源遥感数据,改进QAA (quasi-analytical-algorithm),深入分析光学参数与水体透明度的关系,将机器学习算法应用到水体透明度模型的建立中,以建立具有高精度、适用性广的反演模型。     

基于LOG算子的侧扫声呐图像水下小目标检测算法研究

针对侧扫声呐图像噪声干扰严重、分辨率低、目标轮廓模糊等特点，提出了一种基于LOG算子的侧扫声呐图像水下小目标检测算法。首先，根据侧扫声呐图像中水下小目标成像特点，对声呐图像进行滤波及聚类分割，大幅降低图像中噪声；然后，采用斑点检测思想，提取侧扫声呐图像中疑似目标区域；最后，基于自动阈值分割算法对声呐图像进行分割，获取目标区域二值图像，使用二阶矩估计目标尺度，剔除虚假目标，最终实现水下小目标准确检测。实验结果表明：该方法计算速度快、检测成功率高，对侧扫声呐图像中的水下小目标具有良好的检测效果。     

多传感器组合导航系统研究

为了满足水下航行器高精度导航定位的需求,建立了多传感器组合导航的系统模型。针对信息融合过程中出现的非线性环节,在传统联邦滤波器的基础上,提出了基于粒子滤波的混合联邦滤波器。其中,线性子系统采用卡尔曼滤波算法进行滤波估计,非线性子系统采用粒子滤波算法进行滤波估计。计算机仿真分析表明,该混合联邦滤波算法能够将线性和非线性子系统的滤波结果很好地融合起来,提高了组合导航系统的定位精度。     

水下机器人神经网络滤波技术的研究

滤波技术能提高水下机器人传感器信息的可靠性和精度 ,以保障水下机器人智能作业的顺利完成。将水下机器人的动力学特性隐式地分布在网络权值上 ,构造BP神经网络 ,进行水下机器人的运动状态预报 ,并将预报值与平滑后的实测数据相结合进行滤波 ,有效去除信号的噪声。仿真结果表明该方法能达到很好的滤波效果     

基于CT非线性模型的水下目标跟踪算法比较

针对水下目标跟踪非线性跟踪精度问题,假设目标机动模型为恒转速运动模型,贝叶斯框架下,因扩展卡尔曼滤波跟踪方法进行模型在估计点的泰勒展开,忽略一阶以上高阶项,存在模型误差,比较了扩展卡尔曼滤波、无迹卡尔曼滤波、容积卡尔曼滤波在高斯噪声干扰下滤波误差均方根,以及3种方法运行时间。仿真证明,非线性系统下状态维度为5,容积卡尔曼滤波跟踪的精度高于无迹卡尔曼滤波,无迹卡尔曼滤波高于扩展卡尔曼滤波。该研究为海上目标非线性测量系统提供仿真实例,为进一步滤波算法改进提供基础。     

基于最小二乘和卡尔曼滤波方法进行原子时预报的研究

介绍和分析了最小二乘和卡尔曼滤波方法在时间预报中的应用。通过IGS站提供的钟差数据，分别运用这两种方法对其中六个原子钟进行了时间预报的实验。通过对预报结果进行分析，结论证明为了取得较好的预报效果，不同的预报方法和钟参数的模型对于观测数据的要求有一些差别。从实验数据所成图形来看，当采用一天的观测数据进行模型预报时，最小二乘法的预报精度比卡尔曼滤波法稍高一些。     

Object detection and tracking method of AUV based on acoustic vision

This paper describes a new framework for object detection and tracking of AUV including underwater acoustic data interpolation, underwater acoustic images segmentation and underwater objects tracking. This framework is applied to the design of vision-based method for AUV based on the forward looking sonar sensor. First, the real-time data flow (underwater acoustic images) is pre-processed to form the whole underwater acoustic image, and the relevant position information of objects is extracted and determined. An improved method of double threshold segmentation is proposed to resolve the problem that the threshold cannot be adjusted adaptively in the traditional method. Second, a representation of region information is created in light of the Gaussian particle filter. The weighted integration strategy combining the area and invariant moment is proposed to perfect the weight of particles and to enhance the tracking robustness. Results obtained on the real acoustic vision platform of AUV during sea trials are displayed and discussed. They show that the proposed method can detect and track the moving objects underwater online, and it is effective and robust.     

EnKF和SIR-PF在贝叶斯滤波框架下的比较和结合

贝叶斯估计理论为非线性、非高斯系统的数据同化提供了一个统一的框架。在本文中,我们利用著名的洛伦茨吸引子(Lorenz'63)模式对两种基于贝叶斯滤波理论的数据同化方法——集合卡尔曼滤波器(EnKF)和重取样粒子滤波器(SIR-PF)——进行了较为全面的比较。比较的结果揭示了两种方法的优缺点:即当集合成员数目较多时,SIR-PF的同化效果优于EnKF;反之,则EnKF的表现较好。进一步地,我们使用统计方法分析了两者表现的差异和原因。最近提出的一种集合卡尔曼粒子滤波器(EnKPF)通过使用一个可控的参数整合EnKF和SIR-PF的分析格式,可以结合两者的优点。本文在充分比较两种方法的前提下,重新阐释并改进了原有的EnKPF算法,使之适用于非线性的观测算子。通过使用相同的洛伦茨模式实验,我们揭示了EnKPF实质上提供了关于EnKF和SIR-PF的连续插值,使得后两者可以视为其特殊情况。并且,在集合成员数目有限的前提下,EnKPF可以在一定程度上避免滤波退化的发生,取得优于EnKF和SIR-PF的同化效果。     

Vision-based system of AUV for an underwater pipeline tracker

This paper describes a new framework for detection and tracking of underwater pipeline,which includes software system and hardware system.It is designed for vision system of AUV based on monocular CCD camera.First,the real-time data flow from image capture card is pre-processed and pipeline features are extracted for navigation.The region saturation degree is advanced to remove false edge point group after Sobel operation.An appropriate way is proposed to clear the disturbance around the peak point in the process of Hough transform.Second,the continuity of pipeline layout is taken into account to improve the efficiency of line extraction.Once the line information has been obtained,the reference zone is predicted by Kalman filter.It denotes the possible appearance position of the pipeline in the image.Kalman filter is used to estimate this position in next frame so that the information of pipeline of each frame can be known in advance.Results obtained on real optic vision data in tank experiment are displayed and discussed.They show that the proposed system can detect and track the underwater pipeline online,and is effective and feasible.     

Self-Tuning Underwater Image Restoration

A self-tuning image restoration filter based on a simplified version of the Jaffe-McGlamery underwater image formation model is presented. Optimal values of the filter parameters are estimated automatically for each individual image by optimizing a quality criterion based on a global contrast measure. The simplified model is ideally suitable for diffuse-light imaging with limited backscatter, but qualitative tests show good performance in a variety of imaging conditions. In addition, quantitative tests with a large number of frames from six real mission videos indicate a substantial performance improvement when restoration is used as a preprocessor for a classifier detecting man-made objects in unconstrained subsea videos     

消除浅海水下冲击声源多次脉动几种方法的研究

采用匹配滤波器来消除浅海水下冲击声源多次脉动对测量的影响。其结果具有节省内存,计算速度快的优点,与维纳滤波一样。还对比研究了去卷积滤波和预测维纳滤波两种方法。指出在浅海水域,这两种方法的效果均不理想。     

Robust adaptive unscented Kalman filter for bearings-only tracking in three dimensional case

This paper proposes an improved version of Unscented Kalman Filter (UKF), namely Robust Adaptive UKF (RAUKF), with a special focus on Bearings-Only Target Tracking for three-dimensional case (3DBOT). The automatic tuning of the noise covariance matrices and the robust estimation of the target states form a critical point for the performance of the Kalman-type filtering algorithms, especially in the variable environmental conditions exposed in underwater. The key idea of the proposed filter is to combine robust aspects of UKF and adaption of the process and measurement noise covariance matrices with low computational complexity. The main contribution of this paper is to adjust these matrices by means of the steepest descent algorithm, and the H_∞ technique is embedded to achieve superior performance in terms of accuracy and robustness against initial conditions and model uncertainties. Different experiments are performed to evaluate the performance of the proposed algorithm in the 3DBOT problem with a single moving observer. Simulations demonstrate that the proposed filter produce more accurate results with satisfactory computational burden in comparison with other methods.     

一个稳态Kalman滤波风暴潮数值预报模式

利用Kalman滤波资料同化技术将海洋站水位观测资料融入二维线性风暴潮模式中,研制具有资料同化能力的风暴潮预报模式,改进风暴潮模式计算结果.通过在风暴潮模式的动量方程中加入模式噪声项来修正模式本身和气象强迫力的不确定性.确定性模式的输出通过带有观测噪声的观测方程与可利用的海洋站的潮位观测资料联系起来.假定初始的模式噪声和观测噪声满足均值为0的高斯分布,用迭代法得到计算区域的状态向量的稳态Kalman滤波,进而得到风暴潮模式输出的最优线性校正结果.利用这种资料同化技术,对1956年发生在东海的一次强风暴潮过程进行了后报试验,结果表明,该同化方法对短期风暴潮水位后(预)报有一定的改进.     

A numerical storm surge forecast model with Kalman filter

ImUcrIONThe deterministic storm stirge nurnrical fOrecast Tnedel has played an imPOrtant role inroutine storm surge real-time fOrecast. But somtimes the error of forecast is still large by usingdeterministic medels (Je1esnianshi et al., l992). The source of these errors mainly comesfrom (1 ) errors of wind stress and medel's open boundary, (2) non--optimized medel param-eter, (3) error of model equations, (4) error of medel's numrical methed, etc. The effec-ti ve methed to solve this probl…