侧扫声纳标准数据存储格式制定及应用

为了解决我国近海专项调查获取的大量格式不同的侧扫声纳数据统一管理及应用问题,本文在XTF、SDF、Qmips、JSF等几种常用侧扫声纳数据格式解析的基础上,根据实际工作需要,以XTF格式为基础,制定一种新的侧扫声纳数据存储格式(SSF)作为标准数据格式。同时编制程序软件将不同格式的侧扫声纳数据转换成标准格式,并将测线信息、元数据信息统一输出,实现了海量多源异构侧扫声纳数据的统一管理,建构起不同格式侧扫声纳数据管理与应用之间的桥梁,利于更好地将侧扫声纳数据应用于海底地形地貌及海底信息的研究中。     

基于C#的侧扫声纳数据管理及可视化软件设计与实现

深入分析目前侧扫声纳数据管理及可视化存在的突出问题,针对天然气水合物资源勘查及海洋地质调查中侧扫声纳数据的特点,基于C#语言实现了侧扫声纳数据管理及可视化软件的开发,并通过实测数据对软件进行验证,实验结果表明,该软件能够满足海量级别的侧扫声纳数据处理、管理及可视化的需求,为科学高效地管理及展示侧扫声纳数据提供了基础。     

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。     

一种针对侧扫声纳图像的数字镶嵌技术方法

以南海某海域实测侧扫声纳数据为例,研究侧扫声纳图像的数字镶嵌技术方法,对关键步骤进行详细的阐述。通过对原始侧扫声纳数据进行导航数据校正、海底线跟踪、斜距改正、TVG校正、船速校正、地理编码与重采样、拼接与镶嵌等处理,生成大区域、大范围、高分辨率、无缝拼接的侧扫声纳图像。实验结果证明声纳图像数字镶嵌技术的有效性,并取得理想的效果。     

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K-L变换的自组织竞争神经网络在海底底质分类中的应用

针对海底质地的特点,利用灰度纹理共生矩阵作为特征参数,K-L变换对海底底质图像进行降维,采用自组织竞争神经网络对图像进行自动分类,对各分类方法精度进行对比。以海底侧扫声纳图像为例,通过实测数据验算,取得理想的效果。     

利用经验模态分解的侧扫声纳噪声抑制方法

针对海道测量中侧扫声纳声强数据中的噪声问题,分析侧扫声纳海底杂波的统计模型,提出基于ping数据的经验模态分解抑制噪声方法。结果表明,从ping声强数据中减掉周期小于4的模态后,声强数据可较好地服从Gamma分布,并保持声图中的细节信息。     

基于粒子群优化算法的SVM神经网络在海底底质分类中的应用

针对海底质地的特点,利用底质图像的灰度纹理共生矩阵和灰度均值作为特征参数,采用粒子群优化算法训练支持向量机的神经网络(SVM),对海底底质图像进行自动分类。本文以海底侧扫声纳图像为例,通过实测数据验算,取得了理想的效果。     

基于SURF的声纳图像配准与融合方法研究

针对侧扫声纳图像分辨率高测深精度低而多波束声纳图像分辨率低测深精度高的特点,提出了一种基于SUFR的声纳图像自动配准与融合方法。该算法检测同一区域内侧扫声纳图像和多波束图像的特征点,通过最近邻匹配获得匹配点后,计算图像间的变换矩阵,利用空间变换完成配准,采用加权融合法实现两者的融合。实验结果表明该算法具有很好的鲁棒性,配准精度达到像素级,可实现两者的高精度自动配准与融合,取得了理想的效果。     

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。     

采用加速稳健特征对侧扫声呐图像进行分块弹性镶嵌

拖曳式侧扫声呐图像沿航迹方向存在类型和大小不断变化的局部畸变,造成条带图像镶嵌时共视目标扭曲和错位。为了实现公共区域融合后目标的保形性,提出了一种基于加速稳健特征（speeded-up robust features,SURF）的分块弹性镶嵌方法。该方法通过对相邻条带重叠区域自动分块提取特征、整体刚性变换、局部薄板样条弹性变换等处理,既可消除相邻条带图像间的系统性位置和航向偏差,又能消弱各处随机性局部畸变,从而实现共视目标的特征级保形镶嵌。实验结果表明,特征点对整体配准精度达到2个像素,验证了该方法的有效性。     

基于轮廓的侧扫声呐图像配准

针对侧扫声呐图像存在局部畸变，导致共视目标不一致的问题，本文提出了一种基于轮廓的侧扫声呐图像配准方法。首先提取图像中目标轮廓并计算每个轮廓点的环境上下文描述，以环境上下文的χ²检验统计量作为代价函数；然后通过使得所有匹配点对的代价和最小，获得轮廓点的对应关系；最后使用正则化的薄板样条函数对图像变换关系求解，建立轮廓内部像素的对应关系。试验结果表明，本文方法能够较好地保证共视目标的一致性，具有一定的借鉴价值。     

侧扫声呐图像海底线自动提取方法研究

针对现有方法在侧扫声呐水柱区图像受发射脉冲、海面回波、尾流及大面积悬浮物等干扰情况下海底线无法自动准确检测和提取,造成斜距改正后目标图像严重畸变和错位等问题,基于侧扫声呐成像机理以及图像特点,提出了海底线最后峰值检测法和基于海底变化渐进性和海底线对称性的海底线修复方法。结合Kalman滤波以及上述方法的特点和适用对象,提出了一种海底线自适应综合检测和提取的方法,并给出了完整的数据处理流程。该方法应用于烟台水域,消除了海况差、悬浮物遮挡等问题的影响,实现了复杂海洋噪声影响下海底线的自动跟踪。与外部测深数据比较,取得了均方根为±0.17 m的跟踪精度。     

海洋测量技术在输水隧洞进水口检测中的应用

本文以某输水隧洞进水口岩塞爆破后水下检测为例,综合利用多波束声呐、水下机器人、彩色图像声呐等声学和光学相结合的海洋测量技术,获得高精度、全覆盖、高时效性的输水隧洞进水口测量数据。检测结果显示：多波束声呐水下地形测量地形分辨率达1.25 cm,实现输水隧洞进水口岩塞爆破后的形状、尺寸、平面位置、高程及洞口周围边坡高精度检测;水下机器人深入隐蔽复杂的隧洞水底环境,搭载的彩色图像声呐剖面扇扫可拟合隧洞进水口岩塞段、锁口段和集渣坑断面,高清水下摄像呈现了爆破后洞身衬砌质量和集渣坑内块石堆积状况。本文综合利用海洋测量技术,实现了复杂环境水下隧洞的安全、高效、全覆盖检测,其技术手段可为相关水下工程测量提供借鉴。     

基于海底底质回波特征的多波束声呐图像角度响应影响消除

角度响应（angular response,AR）对回波强度影响较大,而目前的改正算法尚不完善,给多波束声呐回波强度的应用带来了较大困难。为此,提出了一种利用底质回波强度特征的AR聚类改正方法。首先,借助多波束声呐回波强度数据实施非监督底质分类;然后,研究每类底质的AR特征,形成每种底质的AR曲线簇;最后,结合每种底质的AR曲线簇,从观测的回波强度序列中减去对应底质的AR值,并将其归一化到平均强度,最终实现了回波强度中AR影响的消除。将该方法应用于实际回波处理中,取得了高质量的多波束声呐图像。