小波函数对侧扫声纳图像滤波效果的影响分析

侧扫声纳技术应用日益广泛,已成为海洋测量的重要工具,而去除噪声处理是对侧扫声纳图像进行正确判读的前提。利用小波函数滤波处理的方法,分别采用Haar、Daubechies、Coiflets、Symlets、Discrete Meyer、Biorthogonal、Reverse Biorthogonal等小波函数与中值滤波函数对侧扫声纳图像进行处理,并以平滑指数和边缘保持指数为评价指标,对滤波效果进行定量比较。试验表明,小波函数可以有效地平滑声纳图像,并能保持其较好的边缘效果。     

基于分形维的底质分类

概述了目前主要的基于侧扫声纳图像的海底分类方法,重点介绍了分形维在侧扫声图海底分类中的应用及图像分形维的几种估计方法,包括Peleg法、微分盒计数、移位微分盒计数和标准差盒计数法,并给出利用上述方法获得的三种典型底质侧扫声图的分形维计算结果。     

侧扫声纳和多波束测深系统在海洋调查中的综合应用

介绍了利用多波束进行全覆盖水深测量和利用侧扫声纳进行海底、水体目标的探测技术。综合利用多波束水深数据和侧扫声纳声图，可有效增强不同观测数据的互补性和提高工程质量。     

海底管道检测中侧扫声纳声波掠射角的优化设计

针对利用侧扫声纳检测海底管道时因其检测声影图像模糊而导致管道悬空高度检测误差过大的问题,提出了侧扫声纳声波掠射角优化设计的思路及方法。阐述了利用侧扫声纳对海底管道进行检测的工作原理,并利用海底管道和海底底质反向散射强度的计算公式探讨了声波在海底的反向散射强度、侧扫声纳声影图像的质量以及声波掠射角的取值这三者之间的关系对海底管道悬空高度h计算精度的影响,从理论上确定声波掠射角最佳取值范围的存在。通过工程实例的现场检测与比对试验,获得了在本试验所处海域环境中利用侧扫声纳检测海底管道时声波掠射角的最佳取值范围,对于类似的海底管道检测工程具有一定的指导意义。     

联合小波和NLM滤波的侧扫声纳回波信号降噪

为进一步降低侧扫声纳回波信号中非高斯分布的乘性噪声,获取更佳效果的侧扫声纳图像,提出了一种利用小波和NLM(nonlocal means)滤波的组合降噪方法。首先采用同态变换将侧扫声纳回波ping信号中的乘性噪声转换为加性噪声,然后利用小波阈值和NLM滤波对侧扫声纳每ping回波数据实施降噪处理,最后经过小波反变换和指数变换获取降噪后信号和图像。仿真实验和实测数据验证结果表明,该方法适用于侧扫声纳回波信号处理,可以获取较好的图像降噪效果。     

基于小波变换的声纳图像边缘特征检测研究

声纳图像的边缘特征检测是其目标识别技术的重要技术基础。声纳图像背景复杂、噪声污染严重,而传统的边缘检测方法对图像噪声非常敏感,所以针对这一特点,利用小波变换易于消除噪声、运算方便的数学特征,提出了一种基于小波变换的声纳图像边缘特征检测算法。由计算机仿真结果可以得到,与传统的边缘检测算法相比,此算法在有效地抑制噪声的同时,还可以得到较高的边缘定位精度,能够很好地检测到原始声纳图像的边缘。     

Curvelet变换域侧扫声纳图像增强算法

针对海底侧扫声纳图像对比度低、纹理弱、噪声严重等问题,提出了一种基于第二代Curvelet变换的声纳图像增强算法。首先对原始声纳图像进行多尺度、多方向的Curvelet变换分解,得到低频子带和高频子带;然后引入非线性S型函数对低频系数进行处理,提高图像整体的对比度;采用一种可以避免过度增强的新型非线性函数对各尺度的高频子带系数进行处理,提高图像整体的对比度,增强图像边缘和纹理细节,并通过估计噪声水平设定阈值进行阈值降噪。最后经Curvelet逆变换得到增强图像。实验表明,该方法不仅改善了海底侧扫声纳图像对比度低的问题,而且降低了噪声,突出了声纳图像的边缘和纹理细节。     

实孔径成像声纳在海底油气管线探测中的应用

利用成像声纳对油气管线进行探测,是重要的声学测量技术手段之一。侧扫声纳和环扫声纳是两种典型的实孔径成像声纳,介绍了这两种声纳的成像特点,分别从搭载平台、扫测特点、参数显示和声图特征等4个方面进行了比较,结合工程实例给出了两种声纳对海底油气管线探测的应用效果,分析比较了二者的优缺点。所得结论对于了解和掌握侧扫声纳和环扫声纳设备性能,进行海底油气管线检测和状态评估具有重要的工程实用意义。     

基于小波分析的侧扫声呐信号非线性增强算法

侧扫声呐回波信号是形成侧扫声呐图像的基础,是侧扫声呐系统对水下目标的最直接观测量, 将一维小波变换与非线性增强方法相结合,提出了一种基于小波变换的侧扫声呐回波信号非线性增强算法, 用以改善侧扫声呐图像对比度低、噪声强度大的问题。首先利用改进的 Bayes 阈值对侧扫声呐 ping 信号进行一维小波分解,提取信号特征信息;然后利用 2 种不同的非线性函数对高、低频小波系数进行处理;最后利用小波反变换重构信号,形成增强后的侧扫声呐图像。实测数据验证结果表明：利用该算法对侧扫声呐 ping 信号进行处理,实现了侧扫声呐图像对比度的增强和对噪声的抑制,可以获取较好的图像视觉效果。     

海洋水下声探测信号的分类与分析

水下声探测是外国调查船和水下文物盗捞船进行非法调查和探测的主要技术手段,根据信号的主要声特征,对海洋水下声探测信号进行分类,分为宽带中、低频信号和窄带高频信号.在福建兴化湾海域采集了浅地层剖面仪信号、电火花声源信号、侧扫声纳信号和单频测深信号4种代表性的海洋水下声探测信号,根据声特征分析给出了对应的分类,其中:浅地层剖面仪信号为信号类型确定的中、低频信号;电火花声源信号为宽带脉冲中、低频信号;侧扫声纳信号和单频测深信号为窄带高频信号.通过对4种实测声探测数据的分析研究,给出了对应类型的海洋水下声探测信号的分析、提取方法,其中:信号类型确定的中低信号和窄带高频信号在初步的时、频分析基础上,可通过带通滤波提取;宽带脉冲中、低频信号在初步的时、频分析基础上,可尝试通过小波尺度相关滤波的方法提取.结合已知的水下声探测信号的主要声特征,实现对采集的海洋水下声探测信号的识别.     

IKONOS影像自适应小波包融合处理技术研究

针对传统的融合技术在IKONOS高分辨率卫星影像处理中的不适应性，提出一种更为精确细致的图像融合方法——自适应小波包分析法，既可以对图像低频部分进行融合处理，还可以对高频部分采取所需的融合处理策略，以综合多源多时相图像中的高频细节信息。该融合算法在信息量、光谱特征和边缘特征等方面具有综合优势。融合后影像不仅很好地保留了原多光谱图像的光谱特征，而且在增加融合结果信息量，改善解译的精度和可靠性以及使用率等方面均收到很好的效果。     

一种基于信息压缩的图像小波域水印算法

为提高水印的不可见性,提出1种基于水印信息压缩的图像小波域水印算法.通过细化处理和骨架缩放技术将水印图像浓缩,减少要加入的水印数据量.压缩后的水印被嵌入到图像三级小波分解后的低频逼近系统上,并通过逆过程进行水印提取,嵌入的水印具有较高的不可见性和较好稳健性.仿真实验证明算法具有很好的不可见性,经滤波、噪声、图像压缩和剪切等攻击后仍然能较好的提取水印.     

Side scan sonar image segmentation based on neutrosophic set and quantum-behaved particle swarm optimization algorithm

To fulfill side scan sonar (SSS) image segmentation accurately and efficiently, a novel segmentation algorithm based on neutrosophic set (NS) and quantum-behaved particle swarm optimization (QPSO) is proposed in this paper. Firstly, the neutrosophic subset images are obtained by transforming the input image into the NS domain. Then, a co-occurrence matrix is accurately constructed based on these subset images, and the entropy of the gray level image is described to serve as the fitness function of the QPSO algorithm. Moreover, the optimal two-dimensional segmentation threshold vector is quickly obtained by QPSO. Finally, the contours of the interested target are segmented with the threshold vector and extracted by the mathematic morphology operation. To further improve the segmentation efficiency, the single threshold segmentation, an alternative algorithm, is recommended for the shadow segmentation by considering the gray level characteristics of the shadow. The accuracy and efficiency of the proposed algorithm are assessed with experiments of SSS image segmentation.     

基于双树复数小波变换的特征点水印算法

提出了一种基于双树复数小波变换的特征点数字水印算法。对图像做三级双树复数小波变换,用F rstner算子提取图像低频子带中的特征点,根据复数小波变换的系数特点,通过修改相应的高频系数来实现水印信息的调制嵌入,提取水印信息的同时能够近无损恢复原始载体图像。算法兼顾了水印的鲁棒性和不可见性,能够有效抵抗剪切、平移、旋转等几何攻击,对线性拉伸、低通滤波等攻击也具有一定的鲁棒性。     

基于暗原色先验的单幅雾天降质图像复原方法

恶劣的气象条件是制约遥感数据获取的重要因素之一。 首先引入“暗原色先验”作为约束条件用以获取场景深度和大气条件等参数,并基于雾天成像模型,设计单幅影像的去雾处理流程;然后针对其中大气透射率内插优化过程计算量巨大的实际问题,采用小波变换技术对原始影像进行预处理,将原来弥漫在整幅影像空间的低频薄雾信息集中到一个非常小的图像块内进行复原处理,大大降低了计算量,提高了处理效率;最后,利用多幅黄山地区的航空遥感影像进行试验,结果表明该方法能够快速、有效的去除薄雾影响。     

时频分析技术在储层分析中的应用

时频分析是对地震信号进行分解,可以在不同频带上显示不同级别的地质现象。采用连续小渡变换方法,对地震资料进行储层时频分析和分频属性提取,时频主极值频率曲线与伽马曲线有较好对应关系,尤其是其低频趋势线。对A区块周边的两口井井旁道进行了时频分析,揭示出该区15Hz低频数据体与储层及含油气相关性较好。针对这一特征,对该区三维地震体进行了运算及属性提取,描述其储层展布。     

IHS变换与小波变换相结合的ETM+影像融合技术

多分辨率影像融合技术已广泛应用于遥感影像处理方面,针对ETM＋多光谱影像和全色影像融合中存在的光谱失真现象,提出了一种改进的ETM＋影像融合方法。该方法首先对多光谱影像进行IHS变换;然后将全色影像进行小波分解,利用亮度分量替换小波分解后的近似分量,进行小波逆变换得到新的亮度分量;最后进行IHS逆变换得到融合影像。试验结果表明,融合后的影像在保持多光谱信息和提高空间分辨率上均能获得较好的效果。     

基于遗传小波神经网络的海底声学底质识别分类

分割海底声纳探测图像,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,构建小波神经网络。利用遗传算法优化小波神经网络的初始权值及小波参数,对砂、礁石、泥3种底质类型分别进行训练,并得到3种底质的测试精度都在90%以上,优于单独利用小波神经网络进行训练时的测试精度,克服了小波神经网络训练时易陷入局部极小的固有缺陷,表明基于遗传算法的小波神经网络可有效用于海底底质声纳图像的识别和分类。     

水陆边界模糊条件下的水边线精确提取方法研究

为达到在水陆边界模糊条件下自动提取淤泥质海岸水边线的目的,试验了一种基于样条二进小波àtrous小波变换和自动阈值获取相结合的方法,基于高分影像自动提取水边线。同时将Sobel算子,Log算子,Canny算子提取的水边线结果和本方法提取的水边线结果进行定性和定量比较,结果表明,本方法可以有效去除水陆边界模糊条件下高分影像中的噪声,快速自动地提取水边线。从方法学上解决水陆边界模糊条件下的水边线自动提取困难的难题,为进一步确定海岸线奠定坚实基础,大量节省人力、物力和财力。     

Prediction of extreme wave heights using neuro wavelet technique

Precise prediction of extreme wave heights is still an evading problem whether it is done using physics based modeling or by extensively used data driven technique of Artificial Neural Network (ANN). In the present paper, Neuro Wavelet Technique (NWT) is used specifically to explore the possibility of prediction of extreme events for five major hurricanes Katrina 2005, Dean 2007, Gustav 2008, Ike 2008, Irene 2011 at four locations (NDBC wave buoys stations)¹ namely; 42040, 42039, 41004, 41041 in the Gulf of Mexico. Neuro Wavelet Technique is employed by combining Discrete Wavelet Transform and Artificial Neural Networks. Discrete wavelet transform analyzes frequency of signal with respect to time at different scales. It decomposes time series into low (approximate) and high (detail) frequency components. The decomposition of approximate components (extreme events in the ocean wave series) can be carried out up to the desired multiple levels in order to provide relatively smooth varying amplitude series. This feature of wavelet transforms make it plausible for predicting extreme events with a better accuracy. In the present study third, fifth and seventh level of decompositions are used which facilitates 3 to 7 times filtering of low frequency events and seems to pay the dividend in the form of better prediction accuracy at extreme events. To develop these Neuro wavelet models to forecast the waves with lead times of 12 hr to 36 hr in advance, previously measured significant wave heights at same locations were used. The results were judged by wave plots, scatter plots and other error measures. From the results it can be concluded that the Neuro Wavelet Technique can be employed to solve the ever eluding problem of accurate forecasting of the extreme events.