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.     

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。     

多波束与侧扫声呐高质量测量信息获取与叠加

正多波束声呐和侧扫声呐分别是目前获取海底地形与地貌图像最为有效的设备。多波束声呐可以同时获得海底测深地形与分辨率较低的海底图像,侧扫声呐可以获取高分辨率但位置精度较低的海底图像。为了准确获取海底精细的地形地貌信息,本文分别从多波束测深数据处理、多波束声呐图像处理、侧扫声呐图像处理、测深地形与侧扫声呐图像的叠加4个方面开展研究,最终得到     

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。     

侧扫声呐条带数据处理及其无缝成图

受测量机理的制约,侧扫声呐拖鱼位置及姿态难以准确获得,这也使得侧扫声呐图像长期用于定性分析,而忽略了其精处理工作。本文针对瀑布图像存在的各种畸变、使用不直观等问题,从侧扫声呐成图机理出发,对侧扫声呐条带数据处理方法开展了系统研究,形成了一套集海底追踪、斜距改正、拖鱼归位计算、地理编码、缝隙填补等技术为一体的综合方法,最终形成了一幅消除了各种畸变、灰度均衡、目标轮廓清晰、具有直观坐标信息的高质量无缝侧扫声呐地貌图像。     

Teledyne Benthos TTV-301声学深拖系统在海底微地形地貌调查中的应用

介绍Teledyne Benthos TTV-301声学深拖系统的构成、海上作业模式以及声学数据获取方式,以南海某海域实测声学数据为例,对获取的多波束水深数据、侧扫声呐数据、浅地层剖面数据进行精细处理,获取高质量的水深图像、高分辨率的侧扫声呐图像和高精度的浅地层剖面图像。对同一海底微地形微地貌在不同声学影像上的反射标识进行对比分析,建立声学3D模型,形成海底浅表层的立体探测。实验结果验证了声学深拖系统在海底微地形地貌调查中的有效性与可行性,并可取得理想的效果。     

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。     

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。     

不同型号侧扫声呐分辨能力和扫宽能力的比较分析

侧扫声呐是海洋科学调查中常用的仪器设备,针对此类声学探测设备出台相关检测、检定等计量化的标准势在必行。本文介绍了侧扫声呐的工作原理和技术参数,针对侧扫声呐分辨能力和扫宽能力这两个性能指标,提出了一种评价方法。最后通过海上试验,对比分析了3种常用的侧扫声呐仪器的分辨能力和扫宽能力,为侧扫声呐系统的选用和引进提供参考。     

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。     

海底地形测量技术现状及发展趋势

简要回顾了海底地形测量技术的发展历史;详细介绍了船基声呐、机载激光、海岸带一体化测量海底地形技术及3种反演海底地形技术,呈现了海底地形的立体、高效、高精度、高分辨率获取现状。并展望了海底地形测量发展趋势,认为研制超宽覆盖、高精度、高分辨率、轻便型多波束测深系统和研究声速影响改正模型、测深数据滤波方法及海底地形表达是未来声呐测深领域的核心工作,无人船测量将会成为一种重要的作业模式,机载激光雷达测深、基于声呐图像的海底地形恢复及深拖测量发展潜力巨大。     

侧扫声呐图像精处理及目标识别方法研究

侧扫声呐(side scan sonar ,SSS)系统,作为水下地貌图像的获取设备,因价格低廉、分辨率高等优点在海洋工程、水下目标探测和识别等领域得到了广泛的应用.而目前SSS水下目标探测和识别均依靠人工判读,效率低下且精度难以保证.据此,论文开展了侧扫声呐数据精处理及目标识别方法研究.     

基于2D-3D语义传递的室内三维点云模型语义分割

针对现有三维点云模型重建对象化和结构化信息缺失的问题,提出一种基于图模型的二维图像语义到三维点云语义传递的算法。该算法利用扩展全卷积神经网络提取2D图像的室内空间布局和对象语义,基于以2D图像超像素和3D点云为结点构建融合图像间一致性和图像内一致性的图模型,实现2D语义到3D语义的传递。基于点云分类实验的结果表明,该方法能够得到精度较高的室内三维点云语义分类结果,点云分类的精度可达到73.875 2%,且分类效果较好。     

顾及地形因素的S-RVOG模型和PD相干最优算法联合反演植被高度

针对极化干涉SAR植被高度反演中RVOG模型未考虑地形影响,且三阶段算法受到地面相位估计误差和纯体相干性估计误差影响,提出了一种植被高度反演思路,采用考虑地形因素的S-RVOG模型作为反演模型校正地形影响,同时引入PD相干最优算法用于改善三阶段算法中直线拟合地表相位估计和纯体相干性估计精度。为验证算法的有效性,首先采用欧空局提供的PolSARpro软件模拟了不同地形坡度水平的PolInSAR数据进行仿真试验,然后采用德国宇航局提供的E-SAR机载全极化SAR数据进行真实植被场景测试,并进行了定性和定量分析。结果表明,本文方法对于不同坡度水平数据,均能有效改善传统RVOG反演模型中地形影响和三阶段算法自身误差影响,反演精度更高。     

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。     

改进SFS的月面撞击坑三维恢复算法研究

为了实现探月二期中单幅影像条件下的月面撞击坑三维地形恢复,文章基于Lommel-Seeliger反射模型,提出了正则化约束的明暗恢复形状(SFS)三维恢复算法,以特征边缘线点的梯度比例作为起算,演化得到撞击坑内部所有点的梯度比例,实现了反射方程的正则化.采用实际月面撞击坑影像和模拟影像验证分析,结果证明本文提出的算法优于Tsai算法,能够有效地实现月面撞击坑地形的三维恢复.     

联合对飞数据的单控制点机载干涉SAR定标算法

InSAR高精度高程测量要求在测绘区域人工布放大量定标器,一定程度上限制了其在地形测图领域的应用。本文提出一种联合对飞数据的单控制点机载干涉SAR定标算法。首先基于干涉测量基本原理构建了平面和高程三维定标模型,梳理了影响三维定位的特征参数;然后通过特征参数分离将三维定位模型维度降低到3个自由度,根据对飞同场景干涉图像对提取同名点,建立同名点高程测量定标约束方程,最终实现单控制点干涉参数定标。理论分析和机载对飞试验结果验证了算法的正确性和有效性。     

利用质心Voronoi图对地形自适应简化的算法

地形简化算法利用少量有效的地形信息表达整体地形,能很好地解决海量地形数据与计算机硬件之间的矛盾,同时满足多尺度地形应用需求。针对现有地形简化算法难以兼顾局部地形起伏与地形整体特征的问题,提出一种基于质心Voronoi图的地形自适应简化算法。首先,利用质心Voronoi图的特点,以地形起伏度作为密度函数生成质心Voronoi图;然后,利用分布在地形起伏较大区域的质心Voronoi图种子点及大多分布在地形特征线上的Voronoi区域顶点重构地形;最后,通过原始地形与重构地形的特征线验证地形简化的效果,并与三维道格拉斯-普克（3D DouglasPeucker,3D DP）算法进行精度对比。实验结果表明,从简化地形中提取的山脊线、山谷线、等高线等地形特征线与原始地形的重叠度均较高,算法能较好地保持地形整体特征;且在相同的简化级别下,算法的简化误差小于3D DP算法,具有较高的地形简化精度。