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。     

一种基于有限状态机模型的局部转向避碰路径规划算法

针对多礁石、渔船等障碍物的近海复杂环境下的一些应用,提出了一种基于有限状态机(finite-state machine,FSM)模型的无人船(unmanned surface vehicle,USV)局部转向避碰路径规划算法。首先,基于速度障碍法和障碍物区域分层方法,获取无人船固定航速条件下的航向角约束解析结果。然后,基于该约束条件及障碍物探测情况设计FSM的有限状态及执行动作和状态迁移条件,其中,通过转向控制实现向目标位点或缓冲位点进行导航的状态为FSM的2个重要状态。最终通过FSM的执行实现局部转向避碰路径规划。仿真结果表明提出的多障碍物避碰算法具有可行性和实用性。该方法易于改进和扩展,且容易与当前主流的无人船控制系统结合,有利于无人船避碰系统快速工程化的实现。     

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。     

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。     

基于数学形态学的侧扫声呐图像轮廓自动提取

侧扫声呐图像特征自动提取的难点在于特征地貌边缘检测较困难,依据图像灰度突变检测得到的边缘比较粗糙、不连续,而且有断口和小洞。本文在对图像进行预处理和阈值化的基础上,采用数学形态学方法对图像进行处理,即用具有一定形态的结构元素去量度和提取图像中的对应形状,得到连续化、粗化、圆滑的特征区域边缘填充目标内部阴影且消除背景噪声。基于数学形态学的侧扫声呐图像特征自动提取的主要步骤为:首先对侧扫声呐图像进行预处理,然后进行灰度阈值化,接着采用数学形态学方法进行处理,最后对处理后的图像进行边缘检测,提取出特征地貌边缘。实验表明,采用数学形态学方法进行处理后,错断、离散的海底目标物变得连续,背景噪声大大减少,自动提取结果准确可靠。     

基于无监督学习卷积神经网络的声呐图像分割

声呐图像分割是图像分割技术发展中的组成部分,是水下目标识别与检测的重要一环。传统方法中基于有监督分割方法的算法往往代价较大,表现出试验周期长、实时性较差、运行速率较慢等不足。并且由于声呐图像的成像质量差、分辨率不高、边缘条件不清晰、人工标注工作量大等客观因素,不易建立用于有监督模型训练的大规模数据集,使得传统分割方法越来越不适应当前实际应用的多方面要求。将基于无监督学习卷积神经网络引入到声呐图像分割任务中,分割模型通过对单帧声呐图像进行训练和测试,最后经过推理得到将阴影区和目标高亮区分割后的声呐图像,得到分割出来的水下目标。通过对实验的分割结果进行各项指标分析,证明此方法有着更好的运行效率和分割精度,并且实时性较高,综合性能优于传统方法。     

基于弱纹理块的噪声估计方法在侧扫声呐图像去噪中的应用

侧扫声呐图像受混响效应影响导致侧扫声呐图像斑点噪声强,边缘模糊,纹理较弱,严重时还会掩盖海底地貌。噪声方差是许多侧扫声呐图像变换域去噪算法的必要参数。指出了侧扫声呐图像在乘性噪声的影响下灰度值溢出的问题,并且以侧扫声呐图像中乘性噪声为背景,考虑灰度值范围对乘性噪声的抑制作用,提出了一种基于弱纹理块的噪声估计方法。算法主要根据噪声的散射模型,将侧扫声呐图像经过幂变换和对数变换,将服从瑞利分布的乘性斑点噪声变换为高斯白噪声,基于变换图像的梯度协方差矩阵和弱纹理块的动态选择,以迭代的方式确定噪声方差。实验结果表明:该算法能够去除灰度值溢出现象对噪声估计的影响,在高亮区域及背景区域的噪声估计结果稳定准确。     

基于K-means聚类与数学形态学的侧扫声呐图像目标轮廓自动提取方法

针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。     

基于HAC的溢油SAR图像分割算法

图像分割是SAR溢油检测中的关键步骤,但由于SAR影像中存在斑点噪声,使得一般的图像分割算法难以收到理想的效果,严重影响溢油检测的精度.发展一种基于凝聚层次聚类(Hierarchical Agglomerative Clustering,HAC)的溢油SAR图像分割算法.该算法利用多尺度分割的思想,能够有效保持SAR影像中溢油斑块的形状特征,并能减少细碎斑块的产生.利用2010年墨西哥湾的Envisat ASAR影像开展了溢油SAR图像分割实验,并将该算法和Canny边缘检测、OTSU阈值分割、FCM分割、水平集分割等方法进行了对比.结果显示,HAC方法可以有效减少细碎斑块的产生,有助于提高SAR溢油检测的精度.     

自主水下航行器离散反馈避碰设计及仿真

为了使自主水下航行器(AUV)避碰仿真更接近实际情况,在离散时间系统中考虑海流作用,设计了AUV反馈避碰算法.针对海底探测AUV的运行特点,考虑海流作用,建立AUV垂直平面的状态空间方程.在每一个离散时间节点.利用障碍物高度信息,计算下一时刻AUV的深度目标值.然后利用反馈控制方法对其响应,在仿真时间内不断循环完成避碰仿真.对不同流场下不同高度的矩形障碍物,进行了避碰仿真.仿真结果证明了系统的可行性和合理性.     

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.     

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.     

基于模糊聚类的声呐图像多区域分割

图像分割是图像识别中的主要问题,同时它又是一个经典难题;声呐图像恶劣的品质使图像的分割变得更为困难。文章将模糊聚类应用于声呐图像的多区域分割,实验证明这种方法简便而有效。     

可变尺度区域拟合模型的侧扫声纳分割方法

为解决现有侧扫声纳图像目标分割准确度不高的问题,提出一种联合最大熵去噪和可变尺度区域拟合模型的侧扫声纳图像分割方法。首先,计算图像一维熵,基于最大熵原则对侧扫图像进行降噪处理,提高图像质量,并根据峰值信噪比评判降噪效果;然后基于可变尺度区域拟合模型,采用高斯核函数对分割活动轮廓进行约束,分割降噪后的侧扫声纳图像。通过对含有不同目标物的侧扫声纳图像进行分割实验,验证了联合最大熵去噪和可变尺度区域拟合模型的有效性。     

基于三维声纳点云的水下沉井地形探测技术

为了解决水下沉井地形监测难题,给出了一种基于三维扫描声纳的地形监测方法以及地形点云的高精度快速处理方法。首先,结合沉井特点,给出了一种悬挂式三维扫描声纳扫描沉井水下地形方法;然后,结合沉井形状及点云特点,给出由降采样点云抽稀法、基于欧式距离的区域自生长算法的点云去噪方法和基于K-means++聚类算法的沉井水下地形分割方法等组成的水下地形点云处理方法,实现了基于声纳点云的地形点云快速获取及水下地形恢复。实验结果表明,该方法可有效用于沉井水下地形探测。     

Underwater vehicle obstacle avoidance and path planning using amulti-beam forward looking sonar

This paper describes a new framework for segmentation of sonar images, tracking of underwater objects and motion estimation. This framework is applied to the design of an obstacle avoidance and path planning system for underwater vehicles based on a multi-beam forward looking sonar sensor. The real-time data flow (acoustic images) at the input of the system is first segmented and relevant features are extracted. We also take advantage of the real-time data stream to track the obstacles in following frames to obtain their dynamic characteristics. This allows us to optimize the preprocessing phases in segmenting only the relevant part of the images. Once the static (size and shape) as well as dynamic characteristics (velocity, acceleration,…) of the obstacles have been computed, we create a representation of the vehicle's workspace based on these features. This representation uses constructive solid geometry (CSG) to create a convex set of obstacles defining the workspace. The tracking takes also into account obstacles which are no longer in the field of view of the sonar in the path planning phase. A well-proven nonlinear search (sequential quadratic programming) is then employed, where obstacles are expressed as constraints in the search space. This approach is less affected by local minima than classical methods using potential fields. The proposed system is not only capable of obstacle avoidance but also of path planning in complex environments which include fast moving obstacles. Results obtained on real sonar data are shown and discussed. Possible applications to sonar servoing and real-time motion estimation are also discussed     

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。     

基于MRF场的侧扫声呐图像分割方法

为了利用侧扫声呐进行水下目标自动探测和识别,首先必须将声呐图像分为目标高亮区、海底混响区和目标阴影区.由于声呐图像有强背景噪声,传统的图像分割方法显得无能为力,故采用基于MRF场的图像分割方法来准确地分割.根据侧扫声呐目标的成像特点,建立了分割的约束条件;利用阴影与目标的灰度均值比很小这一特点进行初始分割,然后根据分割后目标与阴影的宽度差来剔除虚假目标,由初始分割的结果求得MRF模型初始参数,再采用迭代条件估计得到最终的模型参数和准确的分割结果.由于考虑了相邻像素间的依赖关系,具有抗噪性强、分割效果好的优点,从理论上说是合理的.实测数据分析也证明了这种算法的优越性.     

基于声呐图像的深海采矿车组合定位导航算法

实现高精度的定位导航是深海采矿车完成海底工作任务的基础条件。在采矿车行进过程中,声呐设备生成的图像信息能够反映海底场景的变化,从而体现采矿车本身的运动,由此建立了一种声呐图像里程计,并将其与轮式里程计和USBL测量数据相结合提出了一种深海采矿车组合定位导航算法。首先对多波束前视声呐图像进行预处理,然后使用Canny算法进行特征检测并对特征点云进行配准,再结合声呐成像原理构建了声呐图像里程计运动模型,最后通过轮式里程计运动模型推导预测方程、声呐图像里程计运动模型和USBL测量数据推导更新方程,利用EKF（extended Kalman filter）算法实现基于多传感器融合的定位与姿态估计。海试数据验证了该组合定位算法能实现轮式里程计、声呐里程计和超短基线在速度、位置、艏向角估计、定位速率的精度互补,具有一定的有效性和精确性,该算法为深海采矿车的定位与导航算法研发提供了参考。