侧扫声呐图像分割的中性集合与量子粒子群算法

针对现有的侧扫声呐图像分割方法存在分割准确率不高和效率偏低的问题,提出了一种基于中性集合和量子粒子群算法的侧扫声呐图像阈值分割方法。通过基于中性集合计算图像灰度共生矩阵,实现了侧扫声呐图像精细纹理的表达,提高了分割精度;基于二维最大熵理论,采用量子粒子群算法计算二维最优分割阈值向量,实现了分割阈值向量的快速准确获取,提高了分割效率和精度。最终实现了高噪声侧扫声呐图像目标的准确、高效分割。通过对含有不同目标的侧扫声呐图像的分割试验,验证了该算法的有效性。     

侧扫声呐数据采集与地貌图像构建

针对水下航行器基于地形匹配实现自主导航时需要在线提取环境地形特征的需求,本文重点研究侧扫声呐实时数据采集与地貌图像构建方法。根据侧扫声呐的工作原理及其JSF文件格式,提取侧扫声呐扫描波束所对应的80数据帧,并完成数据解析;建立声呐扫描声强与灰度级转化模型,并构建环境地貌声学图像;通过海试试验结果与侧扫声呐专用软件所生成的地貌图像对比,验证本文方法的有效性和可行性。     

侧扫声呐识别沉船影像的迁移学习卷积神经网络法

侧扫声呐海底沉船图像识别是水下障碍物核查和失事船只搜救中的一项重要工作.针对传统侧扫声呐图像人工判读存在效率低、耗时长、资源消耗大及主观不确定性强和过分依赖经验等问题,本文尝试引入卷积神经网络的方法,同时考虑到侧扫声呐沉船图像属于小样本数据集,提出一种基于迁移学习的卷积神经网络侧扫声呐沉船图像自动识别方法.通过归一化处理、图像增强等方式扩充样本数据,并以4:1的比例划分训练集和测试集,同时参照经典VGG-16模型,根据侧扫声呐沉船数据集特点设计了改进的模型,然后将在Ima geNet图像数据集上训练好的改进模型在小样本侧扫声呐沉船数据集上采用冻结和训练、微调两种迁移学习方式进行学习和试验,并与全新学习进行比较分析,结果表明,3种方法对侧扫声呐沉船图像识别的准确率分别为93.71％、84.49％ 和90.58％,其中第1种迁移学习方法准确率最高,模型收敛速度最快,且AP值最高为92.45％,分别比第2种迁移学习方法和全新学习高了8.06％ 和3.06％,在提高模型的识别能力和训练效率方面效果更佳,验证了该方法的有效性与可行性,具有一定实际指导意义.     

侧扫声呐图像应用领域综述

侧扫声呐图像目前广泛应用于海洋工程、海洋科学、水下目标探测与识别等领域。仪器性价比的不断提高，给侧扫声呐图像的更深层应用带来了新的契机。本文综述了侧扫声呐图像的应用领域，为我国更深层次应用这一传统设备提供了实践指导；同时，概略给出了侧扫声呐图像后续精细处理的研究方向。     

多波束与侧扫声呐图像的迭代自适应配准方法EI北大核心CSCD

针对目前多波束与侧扫声呐图像配准方法未顾及图像形变细节信息及二者尺度差异,存在局部纹理失真的问题,本文提出了结合小波变换、仿射变换和Demons配准算法的迭代自适应配准方法。利用小波变换提取侧扫声呐图像低频信息并重构图像,先后采用仿射变换和Demons算法将重构图像与多波束图像进行迭代自适应配准,获取配准变换模型,利用该模型对侧扫声呐原图像进行整体配准变换,获得多波束图像地理坐标约束的侧扫声呐图像。实例验证结果表明:该方法能有效实现多波束与侧扫声呐图像配准,获得位置准确且纹理丰富的融合声呐图像。     

侧扫声呐声波掠射角对海底管道检测的影响

在侧扫声呐系统检测海底管道的过程中,声波掠射角是影响检测效果的重要因素。本文针对影响侧扫声呐声波掠射角的主要因素进行了系统研究,推导出声波掠射角与其影响因素的关系表达式,并给出了考虑管径条件下海底管道悬空高度的计算式;进行了不同声波掠射角下侧扫声呐系统检测海底管道的试验,试验结果表明,当侧扫声呐声波掠射角介于14°~20°时,检测效果最好,声波掠射角过小或过大,均会使检测结果出现较大误差。     

一种侧扫声呐图像去噪及均衡化综合处理方法

侧扫声呐在测量过程中易受其他作业船只及作业船速、尾流、增益参数设置等因素的综合影响,导致其图像存在多种噪声干扰及辐射畸变问题,传统方法难以有效滤除,严重影响海底地物和目标的判读。本文根据侧扫声呐图像的特点,提出了一种新颖的去噪及均衡化综合处理方法。与传统方法相比,综合法处理后图像熵值减小,峰值信噪比增大,且目标形状得到了有效保持,实现了侧扫声呐图像的高质量获取。     

侧扫声呐系统和网络RTK技术在人工鱼礁探测中的应用

侧扫声呐系统因可连续、全覆盖地获取海底地形和水下目标的声学图谱影像,在海洋测量、海洋工程勘探和水下考古等领域得以广泛应用。本文以大连西沙坨子周边海域的人工鱼礁投礁区为实例,在网络RTK技术的支持下,详细介绍了侧扫声呐系统探测人工鱼礁的方法和过程,并将侧扫测量结果与投礁区投礁前的海底地形侧扫数据进行了对比,同时,与投礁后潜水员下潜投礁区拍摄的影像资料进行了印证。结果表明,该方法获取的侧扫声呐声学图像不仅能直观、形象、准确地对人工鱼礁进行判读和提取,还能确定人工鱼礁的空间位置和掌握人工鱼礁在海底的空间布局,是一种行之有效的人工鱼礁探测方法。     

多波束与侧扫声呐图像区块信息融合方法研究

针对多波束声呐图像和侧扫声呐图像在位置和分辨率上的互补性及实践中对高质量海床地貌图像的需求,提出了基于两套声呐图像信息融合获取高质量海床地貌图像的思想和方法,研究了SURF匹配算法,提出了ISURF改进算法;基于独立和联合评价参数,对4种图像融合算法进行了深入研究,给出了适合声呐图像融合的最优算法及完整的两套图像融合过程,并用试验进行了验证.     

一款侧扫声纳数据处理软件的研发与应用

从侧扫声纳及其数据处理的原理和方法出发,自主开发了一款侧扫声纳数据处理软件,可实现侧扫声纳原始数据自动格式解析、参数提取统计、质量检查、瀑布图显示、增益调整、斜距校正等功能,并能够在侧扫声纳数据瀑布图回放的同时进行镶嵌图的制作。该软件系统已在国家海洋信息中心对我国近海海洋综合调查与评价(908)专项的侧扫声呐数据处理工作实践中得到应用,并收到较好的效果。     

基于GLCM的侧扫声纳影像纹理数据库设计

根据侧扫声纳影像的特征,提出了基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)纹理分析的声纳影像纹理提取方法,对不同的纹理特征参数进行量化分析,生成侧扫声纳纹理图像,并建立侧扫声纳图像纹理数据库,实验结果验证了该算法的有效性和可行性。     

基于SVM算法和GLCM的侧扫声纳影像分类研究

根据侧扫声纳影像的特征,提出一种基于SVM和GLCM的侧扫声纳影像分类方法,利用灰度共生矩阵提取其纹理特征,采用主成分分析法对纹理特征进行筛选,选择适合侧扫声纳影像的最佳纹理特征,结合侧扫声纳影像的回波强度,应用支持向量机对侧扫声纳影像进行分类。研究结果表明,纹理特征结合回波强度的支持向量机分类精度高于只依靠回波强度的支持向量机分类精度。     

基于改进 GLCM 的侧扫声纳影像分类研究

提出一种基于改进GLCM的算法IGLCM用于侧扫声纳影像的分类,IGLCM反映像素与其邻域像素的灰阶联合分布,全面描述像素与其邻域像素所在区域的纹理特征。利用GLCM和IGLCM分别提取4种纹理特征,应用支持向量机对侧扫声纳海底底质进行分类。研究结果表明,IGLCM分类精度优于GLCM,更适合侧扫声纳分类。     

联合NSCT与多重分形的高噪声侧扫声呐图像分割

针对现有分割算法对高噪声侧扫声呐图像分割准确率低的问题,提出了一种综合利用NSCT(non-subsampled contourlet transform)分解图像、局部标准差和均值组合增强图像和多重分形判断图像奇异性的侧扫声呐图像分割方法。首先,借助NSCT分解图像,获得滤除高频噪声且保留轮廓信息的低频图像和一系列高频方向子带图像。然后,基于侧扫声呐图像中目标及其阴影伴随出现的特点,计算低频图像的局部标准差与均值的组合特征,获得分别突显目标及其阴影的特征图,使用多重分形分割方法分割特征图,获得低频图像分割结果;利用图像差分和非极大值抑制方法分割高频方向子带图像,获得高频分割结果;融合高低频分割结果获得目标及其阴影的精细边缘。最后通过试验验证了本文方法的有效性。     

海底管线GIS管理系统设计与实现

为便于石油和天然气运输,人们在海底布设了大量的管道,为了监测管线的稳定性,需要利用多波束、GPS定位、侧扫声纳和浅地层剖面等系统等对管线及其周围水域的水深、地貌、地质情况进行定期测量,这些信息对于分析管线的稳定性、管线的维护、维修、更新以及后续的开发监测等均具有重要的作用,为了有效地管理这些信息,本文从多源数据库的构建、海底地形的可视化、管线时空分析模型的构建几个方面展开研究,研制了海底管线GIS管理系统。目前,该系统已经在中国某海域的海底输油管线管理中得到了实际应用,成功实现了海量海底管线调查数据的高效管理和三维可视化,为海底管线数据安全状况的科学评估提供了极具价值的辅助决策信息。     

多波束合成孔径声呐技术研究进展

随着近年人们对海洋科学研究的迫切需要,水下目标精细探测与成像声呐技术逐步成为国内外研究的热点。本文重点分析了国内外主流多波束测深声呐技术与合成孔径技术的发展现状和趋势,并结合二者技术优势提出了一种多波束合成孔径声呐探测机理。研究讨论了多波束合成孔径声呐关键技术的研究进展,通过试验,初步验证了其探测机理的有效性和提升水下目标分辨能力的潜力。     

基于霍夫直线检测和区域生长的合成孔径声呐图像线目标提取

本文针对合成孔径声呐图像线目标提取过程中,由于线目标宽度（直径）小且图像受相干斑噪声影响严重而导致的提取困难的问题,提出了基于霍夫直线检测和区域生长的线目标提取算法。首先利用Otsu算法计算区域生长终止阈值,并对噪声进行初步抑制;然后在对图像进行霍夫直线粗检测的基础上,对检测结果进行不均匀分割,再进行细检测,得到区域生长种子点;最后利用区域生长对线目标进行还原。试验结果表明,该算法能准确地提取线目标;与传统区域生长对比,该算法选取的种子点数量提升了5.37倍,且线目标提取结果具有更好的连续性和完整性。