共查询到20条相似文献,搜索用时 453 毫秒
1.
2.
3.
4.
5.
6.
7.
8.
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
9.
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。 相似文献
10.
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... 相似文献
11.
12.
13.
针对浅地层剖面仪和侧扫声呐这2种声呐系统探讨性地提出了"两步法"的性能检测和评价方法:1)声学物理参数检测:分析了与浅地层剖面仪和侧扫声呐系统性能相关的关键声学物理参数(声源级、频率/频谱、脉冲长度、波束角或开角),并提出了在消声水池中测定这些参数的方法;2)实际探测性能评价:分析了与浅地层剖面仪和侧扫声呐系统性能相关的实际探测效果评价指标,并提出了通过海上试验来检测和评价这些指标的方法。最后对建设具备高效消声性能的大型试验水池,建设海底标准地层检测场和海底标准目标物检测场以真正实现设备性能的检定应做的后续工作进行了讨论。 相似文献
14.
15.
在扫海测量中,为了避免碍航物漏扫,要求探测的声波束覆盖整个测区。本文试图将数学形态学方法引入扫海测量的数据处理中,用以扫海测量的覆盖区域分析。通过这种方法,可实现扫海测量质量控制的可视化分析,同时可提高扫海测量的可靠性和效率。 相似文献
16.
XTF文件格式是侧扫声呐图像数据的主要存储格式之一,具有可伸缩性、可扩展性等特点;声波散射强度瀑布图是侧扫声呐回波数据直观的显示形式。准确高效解析XTF格式的侧扫声呐数据和正确生成瀑布图显示回波数据对后续数据图像处理过程中的目标变形改正、图像分割及镶嵌等具有重要意义。通过分析侧扫声呐工作原理及声波回波强度瀑布图的结构与特点,对XTF格式的侧扫声呐原始文件结构及十六进制编码原理进行深入研究,以渤海沉船搜寻实测数据为例,使用Matlab编程实现原始数据读取及解码,提取每Ping数据中各要素,比较分析2种灰度转换模型的特点,生成侧扫声呐瀑布图,实现XTF格式侧扫声呐数据的图像可视化。 相似文献
17.
胡红波 《数字海洋与水下攻防》2019,2(5):1-6
针对侧扫声呐图像噪声干扰严重、分辨率低、目标轮廓模糊等特点,提出了一种基于LOG算子的侧扫声呐图像水下小目标检测算法。首先,根据侧扫声呐图像中水下小目标成像特点,对声呐图像进行滤波及聚类分割,大幅降低图像中噪声;然后,采用斑点检测思想,提取侧扫声呐图像中疑似目标区域;最后,基于自动阈值分割算法对声呐图像进行分割,获取目标区域二值图像,使用二阶矩估计目标尺度,剔除虚假目标,最终实现水下小目标准确检测。实验结果表明:该方法计算速度快、检测成功率高,对侧扫声呐图像中的水下小目标具有良好的检测效果。 相似文献
18.
19.
20.
针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。 相似文献