共查询到18条相似文献,搜索用时 156 毫秒
1.
2.
3.
4.
针对利用侧扫声纳检测海底管道时因其检测声影图像模糊而导致管道悬空高度检测误差过大的问题,提出了侧扫声纳声波掠射角优化设计的思路及方法。阐述了利用侧扫声纳对海底管道进行检测的工作原理,并利用海底管道和海底底质反向散射强度的计算公式探讨了声波在海底的反向散射强度、侧扫声纳声影图像的质量以及声波掠射角的取值这三者之间的关系对海底管道悬空高度h计算精度的影响,从理论上确定声波掠射角最佳取值范围的存在。通过工程实例的现场检测与比对试验,获得了在本试验所处海域环境中利用侧扫声纳检测海底管道时声波掠射角的最佳取值范围,对于类似的海底管道检测工程具有一定的指导意义。 相似文献
5.
6.
考虑海底沉积介质为双相介质,为了更好地模拟实际海底底质的不均匀性,将随机介质理论引入双相介质理论。首先,通过基于随机-双相介质理论的高阶有限差分数值技术模拟计算海底底质分别为泥质砂、泥、泥质砾时的地震反射波信号。然后利用小波变换分别求取不同底质的一次反射波的包络作为其特征向量,最后利用基于粒子群智能算法优化的支持向量机神经网络对这些反射波信号进行分类识别。为了进一步考察所用方法的抗噪能力,对正演得到的海底底质反射波信号分别加入10%、30%、50%的高斯白噪音之后再进行分类,支持向量机仍然取得了较好的分类预测效果。基于上述正演模拟及分类识别方法的论证,提出了一套行之有效的微机软件模拟海底沉积物分类识别的一般化流程,这将有利于开展海底沉积物反射特征的进一步研究。 相似文献
7.
8.
概述了目前主要的基于侧扫声纳图像的海底分类方法,重点介绍了分形维在侧扫声图海底分类中的应用及图像分形维的几种估计方法,包括Peleg法、微分盒计数、移位微分盒计数和标准差盒计数法,并给出利用上述方法获得的三种典型底质侧扫声图的分形维计算结果。 相似文献
9.
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
10.
基于小波变换的声纳图像边缘特征检测研究 总被引:1,自引:0,他引:1
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。 相似文献
11.
针对传统分类方法易受到"同物异谱"和"同谱异物"影响,致使河口湿地覆盖分类精度较低的问题,提出一种基于遗传算法优化BP神经网络分类算法。以江苏省临洪河口湿地为研究区,选用哨兵Sentinel-2影像,经辐射校正、大气校正和图像裁剪等预处理后,构建基于自适应遗传算法优化的BP神经网络算法开展临洪河口湿地土地覆盖分类研究,并与传统BP神经网络、支持向量机和随机森林算法进行精度比较。研究结果表明:遗传算法优化后的BP神经网络算法开展河口湿地土地覆盖分类的总精度为96.162 7%,Kappa系数为0.952 0;与传统BP神经网络、支持向量机和随机森林分类算法的分类总精度相比,分别提高了7.359 7%、11.677 9%和6.042 4%;对应的Kappa系数也相应提高了0.090 8、0.118 0和0.074 8;有效解决了河口湿地土地覆盖分类精度低的问题。遗传算法优化后的BP神经网络可实现河口湿地土地覆盖的高精度分类,促进湿地资源的合理开发和保护,为实现海洋生态文明建设提供技术支撑。 相似文献
12.
13.
针对侧扫声纳图像目标边缘检测困难的问题,利用二维离散小波变换对侧扫声纳(SSS)声图进行多分辨率分析,对大尺度分解的小波系数进行非极大值抑制,并重构小尺度上的低频分量。联合各尺度上的低频分量,构建SSS声图像素点处特征向量,构成其特征空间,对特征空间进行主成分分析,压缩其维数,并对压缩后的特征向量进行K-均值聚类分析,提取类间边缘线。利用含有沉船的SSS声图,并在其均质区域内加入目标与声影进行验证实验。该方法在实验中边缘检测准确率为0.90,表明该方法的有效性。 相似文献
14.
Seabed Classification Using BP Neural Network Based on GA 总被引:4,自引:0,他引:4
INTRODUCTIONUnderwaterremotesensingtools,suchasmulti beam ,sidescansonar,sub bottom pro file ,video ,etc .,arenormalmeanstoexploreseabed .Foreaseofnotation ,sidescansonarim ageisusedtodemonstrateseabedimage .Sidescansonarisakindofhigh resolutionimagingandcancontinuouslymonitorthechangesofseafloor.Inordertorelievetechniciansfromhardhandwork ,theautomaticclassificationbycomputerisneeded .Differentfromthespatialremotesensingimage ,underwatersonarimageistheformernon multi spectralimage .Theo… 相似文献
15.
Wavelet analysis of bathymetric sidescan sonar data for the classification of seafloor sediments in Hopvågen Bay - Norway 总被引:1,自引:0,他引:1
In this paper we examine the use of bathymetric sidescan sonar for automatic classification of seabed sediments. Bathymetric sidescan sonar, here implemented through a small receiver array, retains the advantage of sidescan in speed through illuminating large swaths, but also enables the data gathered to be located spatially. The spatial location allows the image intensity to be corrected for depth and insonification angle, thus improving the use of the sonar for identifying changes in seafloor sediment. In this paper we investigate automatic tools for seabed recognition, using wavelets to analyse the image of Hopvågen Bay in Norway. We use the back-propagation elimination algorithm to determine the most significant wavelet features for discrimination. We show that the features selected present good agreement with the grab sample results in the survey under study and can be used in a classifier to discriminate between different seabed sediments. 相似文献
16.
17.
济州岛南部海域海底声呐图像分析与声学底质分类 总被引:2,自引:2,他引:0
东海北部外陆架靠近济州岛南部海域,是黄海槽向冲绳海槽延伸的部分,属于黑潮分支黄海暖流的通道入口,分布着脊槽相间的海底底形,对其海底声呐图像的处理分析及声学底质分类的分析研究,有助于了解该通道海底底形表层纹理特征及沉积物分布规律。基于在济州岛南部海域获取的多波束声呐数据,应用图像处理技术和方法,对数据进行了处理,获得了海底声呐影像图,并对其表层纹理特征进行了描述和分析;同时,基于多波束反向散射强度数据,结合19组海底地质取样数据,建立研究区海底反向散射强度与沉积物粒度特征之间的统计关系模型,并以改进的学习向量量化神经网络方法,实现对海底粉砂质砂、黏土质砂以及砂-粉砂-黏土3种底质类型的快速自动分类识别。 相似文献
18.
基于遗传BP神经网络的海底沉积物声速预报 总被引:1,自引:0,他引:1
在海底沉积物声速预报中,针对传统经验公式存在预测精度差、适用范围窄、缺乏物理意义等问题,在已有BP神经网络预测的基础上,运用遗传算法优化其初始权值和阈值的方法,构建出基于含水量、孔隙度的声速预报模型。将南沙海域采集得到的海底沉积物样品分为两部分,抽取120组涵盖陆架、陆坡、海槽等地貌单元的样品作为训练数据,另外剩余6组作为测试数据。经试验对比后发现,在对本区域进行声速预报时,宜采用遗传算法优化的BP神经网络,其要优于传统的单参数、双参数回归拟合预报方法和国内外其他学者所得到的经验公式。此种预报方法具有一定的科学依据和广泛的应用前景,可在今后为建立明确、统一的声速预报模型提供参考。 相似文献