共查询到20条相似文献,搜索用时 15 毫秒
1.
针对侧扫声呐条带拼接过程中容易出现错位、灰度不均衡等问题,本文研究了一种基于SURF算法的侧扫声呐图像精确镶嵌方法。该方法通过USM滤波对单幅条带图像进行特征增强,然后利用SURF算法对相邻条带图像进行镶嵌处理,SURF算法具有执行速度快、信息量小、匹配精度高、提取的特征不受光照变化、透视、仿射、旋转等影响等优点。针对条带之前存在的误匹配点,采用RANSAC算法进行自动剔除,最后采用小波融合法对图像进行精确镶嵌。实验研究证明,采用本方法能够有效解决匹配过程中目标错位等问题,实现了侧扫声呐图像的精确镶嵌。 相似文献
2.
多波束与侧扫声纳海底目标探测的比较分析 总被引:2,自引:0,他引:2
侧扫声纳是目前常用的海底目标(如沉船、水雷、管线等)探测工具,在测深领域,多波束以全覆盖和高效率证明了它的优越性。由于多波束具有很高的分辨率,目前在工程上已经开始应用多波束进行海底目标物的探测。对多波束和侧扫声纳进行了比较分析,并着重探讨了影响多波束分辨率的各种因素。结果表明:多波束的最大优点在于定位精度高,但其适用范围不如侧扫声纳广泛,尤其受到水深和波束角的限制,多波束和侧扫声纳在探测海底目标时具有很好的互补性,同时应用可以提高目标解译的准确性。 相似文献
3.
4.
5.
6.
侧扫声纳图像变形现象与实例分析 总被引:4,自引:0,他引:4
依据侧扫声纳成像原理,研究了由于声速变化、声波束倾斜和海底坡度改变等因素所致的声图像变形现象。结合飞机残骸、港池地形等典型声图像,分析了变形原因与判释方法。 相似文献
7.
介绍了多波束测深系统和侧扫声纳系统的工作原理,通过实例说明了多波束测深系统和侧扫声纳系统在海底目标探测的工作流程,总结出两种探测系统在探测海底目标上的优缺点,说明了多种探测手段的综合应用是海底目标探测技术的发展方向。 相似文献
8.
多波束声呐系统与侧扫声呐系统均为海底面探测的重要工具,二者均采用声学方法,在工作原理上存在异同。本文简要介绍了二者的研究进展,分别对其数据处理进行了比对分析,认为多波束声呐处理方法侧重于数据的测量精度,而侧扫声呐则主要侧重于图像处理;归纳了当前二者主要的数据匹配融合方法,包括同名特征融合、基于SURF算法的匹配融合以及特征点融合,从数据采集原理上对数据融合方法进行了深入分析,发现在探头定位、单ping数据点分布以及ping之间的数据定位上存在一定的困难,即使经过一定的处理,二者采集的也非简单的平面图像,故二者的数据融合尚存在一定的难度。 相似文献
9.
侧扫声纳和多波束测深系统在海洋调查中的综合应用 总被引:12,自引:2,他引:12
介绍了利用多波束进行全覆盖水深测量和利用侧扫声纳进行海底、水体目标的探测技术。综合利用多波束水深数据和侧扫声纳声图,可有效增强不同观测数据的互补性和提高工程质量。 相似文献
10.
11.
12.
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。 相似文献
13.
侧扫声纳是海洋测绘领域的常用设备,为解决侧扫声纳波束模式带来的声纳图像中央区域质量较差的问题,提出了侧扫声纳图像中央区的自动确定和重建方法。首先根据侧扫声纳测量原理,基于波束模式,自动确定侧扫声纳图像的中央区域;然后根据图像强度梯度和像素可靠信息,计算图像重建区域的优先级;最后根据优先级顺序,采用基于样例的方法对中央区进行重建,提高侧扫声纳图像质量。研究表明,重建后的侧扫声纳图像无论是在主观视觉还是客观评价指标方面,都取得了满意的结果。采用本文所提方法得到的重建图像,能够清晰地反映海底特征,具有很好的应用价值。 相似文献
14.
15.
16.
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。 相似文献
17.
18.
19.
为解决侧扫声纳(SSS)图像沉船检测中样本不足、代表性弱等带来的检测精度低的问题,提出了一种联合YOLOv4和迁移学习的SSS图像沉船检测方法。首先,基于SSS成像机理实现了SSS沉船图像样本扩增,解决样本少而无法开展沉船检测模型构建的难题;然后,利用迁移学习,将公共数据集上学习到的权重和沉船通用性特征引入YOLOv4网络,构建高性能沉船检测模型。试验表明,构建的沉船检测模型取得了85.5%的类平均精度(mAP),将传统方法的检测精度提升了7.7%,在少样本情况下实现了沉船的高精度检测。 相似文献