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。     

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。     

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。     

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。     

侧扫声纳图像地理编码方法研究

从侧扫声纳各类数据的特点出发,通过构建声纳图像的地理编码模型,提出侧扫声纳图像地理编码方法,将声纳回波数据与定位数据一一对应。实验数据结果表明:该方法是合理可行的,不仅较好地处理了定位数据,消除了拖鱼轨迹线上的折点和扇形裂缝,而且可实现海底回波点的地理定位。     

一维小波变换在侧扫声纳图像去噪中的应用

针对侧扫声纳呯信号中的斑点噪声问题,采用一维离散小波变换对信号在各尺度分解,采用非极大值抑制技术平滑信号,并对各层小波系数模极大值进行阈值化处理抑制噪声,讨论了不同阈值对去噪效果的影响。结果表明,尺度因子和阈值的选择对原数据能量保持影响不大,但对噪声抑制效果影响大。文中算例均能较好地保持边缘,边缘保持指数均在0.5以上。     

基于SURF算法的多波束和侧扫声纳图像配准与融合

利用SURF(Speeded-up Robust Features)算法对多波束和侧扫声呐图像配准时,因为图像分辨率差异大而导致配准困难,通过对低分辨率的图像进行升采样,使图像配准达到了较好的效果;另外,对SURF算法中粗匹配的距离测度函数进行改进,提高了SURF算法的配准速度;然后利用RANSAC算法实现了多波束与侧扫声纳图像的精准配准;最后对配准后的图像进行小波变换融合,利用信息熵和平均梯度对图像融合效果进行了评价,并通过实例数据验证了该算法的有效性。     

基于经验模态分解和小波阈值的自适应降噪方法

针对全波形三维激光测绘雷达(LiDAR)在数字地形测量中如何降低背景噪声问题,提出了一种基于经验模态分解(EMD)和小波阈值的自适应降噪方法。在扫测的地形信号经EMD分解后,计算内蕴模式函数(IMF)与经过2/3阶重构的扫测信号之间的互相关函数,从而改善小波阈值自适应地对IMF中的高频噪声成分进行滤除。实验结果表明,与EMD重构降噪法、小波阈值降噪法和传统的EMD-小波联合降噪法比较,这种方法在对全波形LiDAR回波信号的噪声剔除和地物信号保留方面具有明显的优势,降噪后信号的误差能缩小10%~20%,波形相关性能提升5%~20%,信噪比能提升20%~40%。     

基于虚警函数的侧扫声纳水下目标实时检测方法

研究了侧扫声纳系统进行水下目标探测过程中目标信号的检测问题。通过分析海底回波信号的统计模型及其参数的估计,讨论了目标信号对统计模型拟合的影响规律,提出了侧扫声纳回波信号虚警函数和虚警率的概念,及其对Ping信号中目标信号的检测方法。算例结果表明,回波信号的三种分布模型中K分布拟合程度最优,在相同虚警率的条件下,基于K分布的虚警函数目标检测率最高。该法可为侧扫声纳回波信号中目标的实时报警提供技术支撑。     

一种联合单波束测深的侧扫声呐海底线提取方法

论述了侧扫声呐的成像原理，针对目前常用侧扫声呐系统数据采集的相关特性，结合实际工程应用，提出了一种联合单波束测深的侧扫声呐海底线提取新方法，以便在数据后处理时进行快速准确地斜距改正。利用实测数据验证了该方法的有效性，并与成熟商用软件的提取结果和阈值法提取结果进行对比分析，结果表明该方法具有一定的可行性和优势。     

基于交叉证认的海洋磁力测量数据小波去噪研究

针对海洋磁力测量数据中存在的高斯噪声,采用基于交叉证认的小波阈值去噪方法进行噪声去除。首先对磁力数据进行小波分解,利用交叉证认方法自动识别小波分解的信号层与噪声层,然后对噪声层小波系数进行阈值处理,进一步提取噪声层中的有用信息,最后进行小波重构得到去噪信号。同时提出了一种改进阈值处理函数,能够改善传统软、硬阈值函数存在的缺陷,提高重构信号的精度。实验分析表明,当噪声水平小于1.5nT时,相比于传统软、硬阈值函数的小波阈值去噪方法,该方法可更好地去除海洋磁力数据中的高斯噪声,并可较好地保留数据中的有用细节信息,使数据质量得到提高。     

基于小波变换和高斯函数的影像去噪方法研究

提出了小波变换与高斯函数相结合进行影像去噪的方法，在去除高斯白噪声的同时能够有效去除椒盐噪声。此方法是在小波域内结合小波变换的特点对高频子带分别进行高斯低通滤波，将滤波后的小波系数经过反变换后即可得到经过去噪后的影像。实验表明该方法不仅对高斯噪声和椒盐噪声去噪效果明显，而且保留了影像的细节信息，其滤波效果优于中值滤波和小波软阈值法。     

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。     

基于小波阈值算法的海杂波信号降噪

为有效提取噪声背景下的海杂波信号,针对海杂波信号非线性非平稳的特点,提出基于小波阈值算法对实测海杂波数据去噪。在噪声水平未知条件下,提出基于噪声主要在高频段且能量较小、信号主要集中在低频段思想的噪声判断准则。为验证小波去噪效果,将该算法对含有噪声的海杂波实测数据进行去噪,采用均方差和降噪信号信噪比两项指标衡量去噪效果,并与均值和中值等去噪方法对比,小波算法在这两项指标均优于其他算法;此外,实验结果还表明,db2小波在双曲线阈值函数和HeurSure阈值模式下优于其他小波去噪效果。     

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。