多波束声呐后向散射数据角度响应模型的改进算法

针对多波束后向散射数据的角度响应(AR)影响显著而现有角度响应模型在复杂底质环境下不完善导致多波束声呐图像质量偏低的问题,给出了一种改进的角度响应模型和改正方法。首先通过对多次声呐脉冲(Ping)数据平均获得角度响应曲线,然后给出了角度响应参数的提取方法,在此基础上研究并给出了单次脉冲内不同区段的改正模型,最终实现了多波束后向散射数据的角度响应影响减弱。试验验证了该方法的有效性。     

利用多波束反向散射强度角度响应曲线的底质特征参数提取算法

提出了一种基于多波束反向散射强度角度响应曲线的底质特征参数提取算法。根据多波束单ping反向散射强度数据的变化规律,给出了获取平均反向散射强度角度响应曲线的ping数确定方法;分析角度响应曲线与底质类型的相关性,由于曲线上残留误差难以消除,采用容差性强的非线性最小二乘拟合算法,结合Hellequin参数模型,提取底质相关特征参数。实例计算结果表明,提取的特征参数在抑制多波束海底反向散射强度误差影响的基础上,有效保留了底质类型相关的反向散射强度随入射角变化信息,保证了多波束海底底质分类的能力及可靠性。     

海底底质分类反向散射强度三维概率密度法

反向散射强度随入射角变化信息蕴含海底底质特性,是多波束海底底质分类的重要数据源。目前,多波束海底底质分类主要提取平均反向散射强度随入射角的变化信息或基于声呐图像,没有综合考虑两者的相关信息。本文综合考虑平均反向散射强度随入射角变化信息及其概率密度分布,绘制三维概率密度图,提出了基于反向散射强度三维概率密度图的海底底质分类方法。实例计算结果表明:该方法能直观表达多波束条带覆盖区内不同海底底质类型的数量,有效判断不同海底底质类型的边界,实现海底底质类型的快速识别。     

Simrad EM多波束反向散射强度数据精处理研究

本文在探讨多波束反向散射强度与海底底质类型关系的基础上,主要针对目前广泛使用的Simrad EM系列多波束,详细描述了在数据获取期间系统进行的实时补偿,分析了反向散射强度数据中残留的入射角和波束模式指向性等因素的影响,给出了相应的改正方法。计算结果表明,本文给出的方法可对反向散射强度数据进行有效的处理,为正确使用声纳图像进行海底底质的判读提供了保证。     

多波束声纳图像整体灰度不均匀及中央波束区反射异常校正方法

多波束声纳图像多条带之间存在灰度不均匀,中央波束区反向散射强度数据存在异常,不利于进一步利用回波数据。论述了多波束声纳图像整体灰度不均匀的产生原因以及中央波束区反向散射强度异常的主要因素。对声纳图像灰度不均衡进行了有效改正,鉴于中央波束区数据的特点给出了对中央波束区的反向散射异常数据的改正方法。     

利用深层卷积神经网络实现地形辅助的多波束海底底质分类

海底底质分类对于海洋资源开发与利用、海洋科学研究等多方面具有重要意义。目前,多波束探测是实现大范围海底底质分类的有效手段之一,通常基于多波束反向散射强度提取角度响应(AR)特征及反向散射图像特征进行底质分类。由于特征来源较单一,分类器结构简单,往往分类精度不高。为此,本文提出了一种基于深层卷积神经网络(CNN)的多波束海底底质分类方法。除反向散射强度特征外,还利用地形特征,将特征向量转换为波形图,再输入卷积神经网络进行训练和分类。试验对比不同特征组合以及BP网络、支持向量机(SVM)、K近邻(KNN)、随机森林(RF)4种常规分类器,本文模型算法总体分类精度达到94.86%,Kappa系数为0.93,精度具有明显优势,效率也比较高。表明该方法有效利用两种数据类型所蕴含的海底底质信息,充分发挥卷积神经网络权值共享、高效率等特点,实现高分辨率海底底质分类,可对海底底质分类研究提供参考。     

一种利用回波时间反演多波束横摇角度的方法

针对传统多波束测深系统中对横摇偏差进行改正,存在校准后仍在航行过程中受外界因素干扰,以及改正模型未考虑声速不同导致声线跟踪法计算过程中的水层分层与声线弯曲影响,直接利用深度值进行计算使得改正精度不高的问题.提出了以检测线中央波束数据作为真实海底地形的参考,通过声线跟踪得到主测线在不同入射角度的回波时间,进而利用入射角度和回波时间的关系,反演得到横摇偏差角进行改正的方法.实验表明:利用回波时间对多波束测深数据的横摇偏差进行改正,通过声线跟踪结合检测线中央波束,能够进一步提高横摇偏差改正的精度.     

加权最小二乘估计的多波束声强数据归一化方法

高质量的海底声强图是多波束海底底质分类的基础。在系统分析了多波束声强图像中沿测船航迹灰度异常值和区域性明暗差异成因的基础上,提出了基于加权最小二乘估计的多波束声强数据归一化方法。实例计算结果表明:该方法在不损失原有强度变化信息的基础上,有效地抑制了声强图中灰度异常值对海底底质分类的影响,提高了区域底质分类的质量。     

海底地形测量技术现状及发展趋势

简要回顾了海底地形测量技术的发展历史;详细介绍了船基声呐、机载激光、海岸带一体化测量海底地形技术及3种反演海底地形技术,呈现了海底地形的立体、高效、高精度、高分辨率获取现状。并展望了海底地形测量发展趋势,认为研制超宽覆盖、高精度、高分辨率、轻便型多波束测深系统和研究声速影响改正模型、测深数据滤波方法及海底地形表达是未来声呐测深领域的核心工作,无人船测量将会成为一种重要的作业模式,机载激光雷达测深、基于声呐图像的海底地形恢复及深拖测量发展潜力巨大。     

改进型数据加窗法的高程粗差剔除研究

利用摆动式单波束探测水下微地形时,因掠射角、底质特性等因素对回波信号的影响,导致数字高程粗差产生。本文根据摆动式单波束的探测原理和工作特点,对多波束测量中的数据加窗法进行改进:将回波能量作为探测点的内在属性参与确定起始加窗点;加窗点采用实测点,并要求起始加窗点尽可能靠近整条测线上实测点的高程均值。由此提高了高程粗差剔除的准确性。在实际应用中,随机微地形的高程粗差被成功剔除。     

学习向量量化神经网络在多波束底质分类中的应用研究

利用多波束测深系统获取的反向散射强度数据，应用学习向量量化（learning vector quantization，LVQ）神经网络分类方法实现了对海底砂、砾石和基岩等底质类型的快速、有效的识别。通过比较，证明了该方法能较好地区分出不同海底底质类型。     

Seafloor sediment classification based on multibeam sonar data

The multibeam sonars can provide hydrographic quality depth data as well as hold the potential to provide calibrated measurements of the seafloor acoustic backscattering strength. There has been much interest in utilizing backscatters and images from multibeam sonar for seabed type identification and most results are obtained. This paper has presented a focused review of several main methods and recent developments of seafloor classification utilizing multibeam sonar data or/and images. These are including the power spectral analysis methods, the texture analysis, traditional Bayesian classification theory and the most active neural network approaches.     

Seafloor sediment classification based on multibeam sonar data

The multibeam sonars can provide hydrographic quality depth data as well as hold the potential to provide calibrated measurements of the seafloor acoustic backscattering strength. There has been much interest in utilizing backscatters and images from multibeam sonar for seabed type identification and most results are obtained. This paper has presented a focused review of several main methods and recent developments of seafloor classification utilizing multibeam sonar data or/and images. These are including the power spectral analysis methods, the texture analysis, traditional Bayesian classification theory and the most active neural network approaches.     

基于多波束声纳数据与反射模型的水下地形重建

利用多波束声纳数据重建水下地形,构建高空间分辨率的数字高程模型(DEM)对于在复杂水下区域的物质勘探、目标检测等方面有重要实用意义.然而,多波束声纳系统直接获得的测深数据空间分辨率有限本文基于多波束声纳系统采集的稀疏测深数据(空间位置)和密集回波强度数据(图像性质)来构建水下复杂地形高空间分辨率数字高程模型.利用采集的...     

多波束后向散射数据地形校正的算法研究

利用多波束反向散射数据进行海底底质分类是目前多波束声纳系统应用的一个热点研究方向.然而,由于海底不规则地形的影响,多波束声纳接收的反向散射信号,往往不能够真实表达海底底质的性质.因此,消除地形对多波束反向散射数据的影响是提高海底底质分类精度的一个重要步骤.本文基于多波束系统的特点,在详尽分析了地形对多波束反响散射数据影...     

基于SVM算法和GLCM的侧扫声纳影像分类研究

根据侧扫声纳影像的特征,提出一种基于SVM和GLCM的侧扫声纳影像分类方法,利用灰度共生矩阵提取其纹理特征,采用主成分分析法对纹理特征进行筛选,选择适合侧扫声纳影像的最佳纹理特征,结合侧扫声纳影像的回波强度,应用支持向量机对侧扫声纳影像进行分类。研究结果表明,纹理特征结合回波强度的支持向量机分类精度高于只依靠回波强度的支持向量机分类精度。