基于分形纹理特征的侧扫声呐图像沉船识别方法研究

为提高侧扫声呐图像中沉船等目标信息的识别精度和识别效率,根据盒维数、毯维数与多重分形谱的侧扫声呐图像纹理特征提取算法,构建了基于分形纹理特征的Adaboost级联分类器沉船目标识别流程。结合实测侧扫声呐图像数据进行水下沉船识别实验,并与灰度共生矩阵和Tamura纹理特征的识别结果进行对比。研究表明,基于分形纹理特征的识别方法综合考虑了图像全局与局部纹理特征,且不依赖人工选取阈值参数与特征向量,可有效提高目标识别精度和识别效率。     

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MRF场的侧扫声呐图像分割方法

为了利用侧扫声呐进行水下目标自动探测和识别,首先必须将声呐图像分为目标高亮区、海底混响区和目标阴影区.由于声呐图像有强背景噪声,传统的图像分割方法显得无能为力,故采用基于MRF场的图像分割方法来准确地分割.根据侧扫声呐目标的成像特点,建立了分割的约束条件;利用阴影与目标的灰度均值比很小这一特点进行初始分割,然后根据分割后目标与阴影的宽度差来剔除虚假目标,由初始分割的结果求得MRF模型初始参数,再采用迭代条件估计得到最终的模型参数和准确的分割结果.由于考虑了相邻像素间的依赖关系,具有抗噪性强、分割效果好的优点,从理论上说是合理的.实测数据分析也证明了这种算法的优越性.     

多波束声呐和侧扫声呐数据融合方法研究综述

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。     

一种侧扫声呐检测力的评价方法

侧扫声呐是海洋调查常用的探测仪器,为保证测量数据的准确性,对其实际探测性能的评价就显得尤为迫切。文中从侧扫声呐的工作原理出发,梳理了检测力和分辨力在概念上的混淆,并提出了一种评价检测力的方法;通过在海底人工放置一些已知大小的目标物,精确测量各个目标物的位置信息,并使用EdgeTech 4200MP双频侧扫声呐系统对目标物进行扫测试验以检测其检测力。结果表明,目标物和航迹线方向平行时,能够清晰地分辨直径或边长为20 cm,30 cm的物体,不能分辨出直径为10 cm的圆形物体,但能较清晰的分辨出直径为0.9 cm的长绳;目标物在垂直航迹线方向时,能够清晰地分辨直径或边长为10 cm的目标物,但是不能分辨出直径为0.9 cm的长绳;综合评价得出其纵向检测力优于1 cm,横向检测力优于10 cm。对常用声呐探测仪器的标准化体系的建立有一定的帮助。     

侧扫声呐探测原理及其在海管悬空治理检测中的应用

根据悬空海底管线治理后的水下结构特点,主要可分为非透空式和透空式两类,其在侧扫声呐探测图像上有着各自不同的反射特征,据此原理可采用侧扫声呐探测方法进行悬空海管治理效果的检测与评估。通过对实际工程中不同治理方式下悬空海管的声呐探测图谱进行总结与分析,揭示了采用侧扫声呐进行悬空海管治理检测的声学解译方法及应用效果。悬空海管在治理前,管线下方与海底面之间的空隙反映到声呐图谱上,表现为管线强反射与声学阴影区之间存在海底面透空反射。如果采用"拋填砂袋结合覆盖层"等非透空式方法治理,由于空隙被填充,声呐图谱上的透空反射会消失,且管线强反射图像会粗化,呈现颗粒状;如果采用"水下短桩支撑"等透空式方法治理,在声呐图谱上只是增加了水下短桩的反射特征,而声学透空反射仍然存在。     

基于SURF特征的侧扫声呐图像精确镶嵌

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。     

基于LOG算子的侧扫声呐海底线检测

针对侧扫声呐数据采集的特点,提出了一种基于图像边缘检测技术中LOG算子的海底线检测新方法,用于准确检测海底线从而对侧扫声呐资料进行斜距改正。通过实验数据处理,表明该方法较传统方法具有明显的优势。     

顾及海底纹理信息熵的侧扫图像修复方法

针对侧扫声纳图像由于成像机理、测量及数据处理方法造成的图像异常和缺失问题,提出了一种基于图像灰度熵的纹理修复方法。首先开展了异常区探测方法研究,提出了联合拖鱼高度和图像灰度梯度的纹理异常区探测方法和基于图像分块比较的缺失区检测方法;然后提出了一种联合图像灰度熵最优权计算和样本相似块搜寻的图像异常区修复方法。实验表明,该方法可以有效地恢复缺失和失真区的纹理,保证了修复区海底地貌纹理结构的合理性,改善了侧扫声纳图像质量。     

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...     

基于侧扫声呐的水下小目标检测技术研究

针对水下小目标探测与识别难的问题,开展基于侧扫声呐的声呐图像滤波、图像分割及目标提取方法研究。常规滤波方法难以有效清除图像中存在的噪声,从而造成图像质量下降。采用非局部均值滤波算法与GPU加速的方法,在获得声呐图像较好处理效果的同时,满足水下小目标检测实时性的要求;同时,采用膨胀算法与Canny边缘检测算法相结合的方式,实现了水下真假目标的有效区分。     

基于数学形态学的侧扫声呐图像轮廓自动提取

侧扫声呐图像特征自动提取的难点在于特征地貌边缘检测较困难,依据图像灰度突变检测得到的边缘比较粗糙、不连续,而且有断口和小洞。本文在对图像进行预处理和阈值化的基础上,采用数学形态学方法对图像进行处理,即用具有一定形态的结构元素去量度和提取图像中的对应形状,得到连续化、粗化、圆滑的特征区域边缘填充目标内部阴影且消除背景噪声。基于数学形态学的侧扫声呐图像特征自动提取的主要步骤为:首先对侧扫声呐图像进行预处理,然后进行灰度阈值化,接着采用数学形态学方法进行处理,最后对处理后的图像进行边缘检测,提取出特征地貌边缘。实验表明,采用数学形态学方法进行处理后,错断、离散的海底目标物变得连续,背景噪声大大减少,自动提取结果准确可靠。     

三维侧扫声呐技术在海洋测绘中的探测性能评估及应用分析

当前,海洋的价值越来越被人类重视,海洋开发活动对于国家发展日益重要,其中海底地形测量在海洋开发中有着举足轻重的地位.相较于应用多波束测深系统或侧扫声呐系统测量海底地形的传统方式,三维侧扫声呐将多波束测深系统与传统侧扫声呐系统的特点融为一体应用于海洋测绘生产,极大地提高了作业效率,减小了作业成本.本文以3DSS-iDX-...     

利用侧扫声呐和单道地震提取海底微地貌的方法

文章简要介绍侧扫声呐和单道地震系统的工作原理,并以海南岛南部近海海域为例,分析通过侧扫声呐图像和单道地震剖面提取沙波、沙脊、海底礁石和陡坎等海底微地貌的可行性及其过程。研究表明:沙波和海底礁石可通过对侧扫声呐图像的判读和识别,对比单道地震剖面图,直接在侧扫声呐图像上圈定;陡坎和沙脊可通过对单道地震剖面图的判读和识别,提取海底水深剖面数据制作平面剖面图,并结合潮流动力方向圈定;综合利用侧扫声呐和单道地震数据,可有效提高海底微地貌的解译精度。     

卷积神经网络识别侧扫声呐影像的研究

卷积神经网络是当前应用最广泛的图像识别算法,利用大量数据对网络进行训练,即可达到快速、高效地对图像进行识别的目的 .由于卷积神经网络结构众多,且同一数据在不同网络表现也不尽相同,为了选择适用于分析沉船声呐数据的网络,使用Python搭建LeNet 5、AlexNet、VGG、GoogLeNet、ResNet系列(Res...     

珊瑚环礁区侧扫声呐图像中的目标物识别方法

为研究西沙宣德环礁海底地貌特征及珊瑚分布情况,采用舷挂侧扫拖鱼的方式对环礁区域海底进行地貌扫测,从采集的侧扫声呐图像上可以识别出环礁区域珊瑚分布情况及珊瑚礁区地貌特征,利用侧扫声呐图像识别方法结合实物样品比对可以圈定出珊瑚分布范围、暗礁区域及环礁区域底质类型分布,采用基本的数学处理方法定量分析了水下珊瑚礁体的海底高度及疑似沉船的大小,分析了侧扫声呐图像显示的调查船转向效应。