一种基于SIFT特征匹配的自动图像拼接方法

提出了一种利用尺度不变特征变换匹配技术应用于图像自动拼接的方法,SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化均保持不变,对视角变换、仿射变换、噪声均有一定程度的稳定性。在分析了SIFT特征匹配理论的基础上,利用SIFT获取匹配点对,结合最小二乘匹配方法提高了匹配的精度,通过计算图像之间的变换参数,实现图像的自动拼接。实验取得了较好的结果,验证了方法的可行性。     

基于生成对抗网络的声呐图像超分辨率算法

由于受到复杂水声信道影响,侧扫声呐生成图像一般存在分辨率低、细节模糊等问题,这给基于侧扫声呐图像的小目标检测与识别过程带来了一定难度。常见的图像超分辨率处理算法大致可以分为插值算法、稀疏表示的重建算法等。传统插值算法存在图像边缘模糊、细节不清楚的问题,因此提出了一种改进型超分辨率生成对抗网络（SRGAN）结构。该结构可在保留图像中的小目标细节的基础上提升细节特征显示度,并且可使目标边缘更加清晰,可为后续的小目标检测和识别在一定程度上提供技术支持。     

多波束声呐图像条带中央和边缘残差处理方法

多波束声呐图像是进行海底底质分类的主要数据源之一,由于受海洋噪声、声波散射和混响、仪器设备等因素影响,其经各项常规改正后仍存在明显残差,突出表现在中央波束区和条带重叠区,难以形成高质量的声呐图像。文中分析了多波束声呐图像残差的成因及影响,提出了一种基于多条带最小二乘拟合的多波束声呐图像残差处理方法。首先,得到相邻声脉冲(ping)信号中央区域、重叠区域以及整体趋势的拟合函数;然后,通过拟合函数计算得到中央和重叠区域的残差改正系数;最后,通过改正系数进行残差改正。实验分析表明,该方法在保留原始细节的基础上,有效削弱了残差对声呐图像的影响,对多波束声呐图像处理具有参考和应用价值。     

一种模糊加权均值滤波器在声呐图像平滑中的应用

保边去噪是图像平滑中的主要问题.声呐图像像素少品质恶劣,保边去噪显得尤为重要.文中进一步阐述了一种模糊加权均值滤波器的基本原理,并将其应用于海底小目标声呐图像平滑,实验结果表明这种方法较传统的均值平滑具有更好的保边性能.     

基于模糊聚类的声呐图像多区域分割

图像分割是图像识别中的主要问题,同时它又是一个经典难题;声呐图像恶劣的品质使图像的分割变得更为困难。文章将模糊聚类应用于声呐图像的多区域分割,实验证明这种方法简便而有效。     

基于地形频谱分析提高多波束条带拼接效果应用

针对多波束测深系统条带拼接中的系统性残差问题,提出基于地形频谱分析的方法来削弱系统性残余误差的影响。该方法相对于传统的拼接方法,无需进行相邻条带ping(激发)连续匹配,避免ping误匹配所产生的地形长波项不符的问题,并且所采用的多面函数不仅可获得所测条带的重叠区长波项信号,还可获得非重叠区的拟合信号。结果表明,采用地形频谱分析法所处理后,多波束测深数据残余误差的影响得到了显著的削弱,拼接精度显著提升。     

基于声呐图像的深海采矿车组合定位导航算法

实现高精度的定位导航是深海采矿车完成海底工作任务的基础条件。在采矿车行进过程中,声呐设备生成的图像信息能够反映海底场景的变化,从而体现采矿车本身的运动,由此建立了一种声呐图像里程计,并将其与轮式里程计和USBL测量数据相结合提出了一种深海采矿车组合定位导航算法。首先对多波束前视声呐图像进行预处理,然后使用Canny算法进行特征检测并对特征点云进行配准,再结合声呐成像原理构建了声呐图像里程计运动模型,最后通过轮式里程计运动模型推导预测方程、声呐图像里程计运动模型和USBL测量数据推导更新方程,利用EKF（extended Kalman filter）算法实现基于多传感器融合的定位与姿态估计。海试数据验证了该组合定位算法能实现轮式里程计、声呐里程计和超短基线在速度、位置、艏向角估计、定位速率的精度互补,具有一定的有效性和精确性,该算法为深海采矿车的定位与导航算法研发提供了参考。     

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。     

基于MRF与引导滤波的声纳图像去噪方法

声纳具有对大范围水下场景探测的能力,一直以来都是水下设备感知外界环境的重要手段,但由于声纳图像分辨率低,海洋环境噪声干扰较为复杂,所以在诸多方面的应用都受到了限制。文中提出了一种基于马尔可夫随机场和引导滤波的声纳图像去噪与增强方法,使用马尔可夫随机场对声纳图像进行预分割,然后采用中值滤波方法对原始图像进行简单滤波处理,最后将该图像作为引导图像对马尔可夫随机场(Markov Random Field,MRF)分割后的图像进行引导滤波实现了对声纳图像的去噪与增强。该方法有效地去除了背景和影子内的噪声,对目标区域内部噪声起到了很好的抑制作用,消除了MRF分割产生的伪轮廓效应,具有较好的边界保持和增强效果。     

侧扫声纳图像增强技术

随着海洋探测技术的飞速发展,侧扫声纳的图像质量和定位精度迅速提高,其应用日益广泛和深入。在声纳图像判读分析时,常常需要进行辐射改正和均衡增强。根据海底地貌声纳图像的特点,归纳了几种有效、适用的图像增强方法,并建立了声纳图像分析软件。     

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。     

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。     

Automatic Registration of TOBI Side-Scan Sonar and Multi-Beam Bathymetry Images for Improved Data Fusion

Deep towed side-scan sonar vehicles such as TOBI acquire high quality imagery of the seafloor with very high spatial resolution but poor locational accuracy. Fusion of the side-scan sonar data with bathymetry data from an independent source is often desirable to reduce ambiguity in geological interpretations, to aid in slant-range correction and to enhance seafloor representation. The main obstacle to fusion is accurate registration of the two datasets.The application of hierarchical chamfer matching to the registration of TOBI side-scan sonar images and multi-beam swath bathymetry is described. This matches low level features such as edges in the TOBI image, with corresponding features in a synthetic TOBI image created by simulating the flight of the TOBI vehicle through the bathymetry. The method is completely automatic, relatively fast and robust, and much easier than manual registration. It allows accurate positioning of the TOBI vehicle, enhancing its usefulness as a research tool. The method is illustrated by automatic registration of TOBI and multi-beam bathymetry data from the Mid-Atlantic Ridge.     

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。     

基于四阶累积量的被动测向声纳高分辨力算法研究

利用高阶累积量的阵列扩展和抑制高斯噪声特性,提出1种基于四阶累积量的逆波束形成算法,并通过滑动平均进一步改善了算法。仿真结果和实验数据表明:逆波束形成算法较常规波束形成方法在空间方位分辨力和噪声抑制能力上明显提高,可以更有效地应用于被动测向声纳中。     

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。     

基于粗集理论的声呐图像中值滤波

保边去噪是图像滤波中的主要问题。声呐图像像素少品质恶劣,保边去噪显得尤为重要。将基于粗集理论的中值滤波应用于声呐图像处理中,给出了实验结果。结果表明这种方法具有可行性。