基于三维成像的声呐图像目标自动检测
发布时间：2021-09-29 19:47
近年来,世界各国纷纷加强了对海洋的研究和探索,声呐技术日益受到重视,我国对声呐目标检测的研究起步相对较晚,但也是奋起直追。而与日新月异的声呐设备相比,声呐目标检测和识别的相关技术还不能与之相匹配。杭州应用声学研究所研制了基于线阵合成孔径的三维成像声呐设备,数据量急剧增加,由二维拓展到三维,如果仅仅依靠人工进行检测,不仅效率低下,而且不利于对数据进行存储和维护。因此,研究基于三维成像的声呐图像目标自动检测的相关算法,并开发声呐目标自动检测系统就显得尤为重要。本文针对基于三维成像的声呐图像进行了算法研究,包括预处理、图像分割,目标识别这三个方面,最后设计和实现了声呐目标自动检测系统,研究内容和成果如下:（1）提出了一种适用于三维成像声呐图像的预处理方法。本文首先对声呐图像进行去噪处理,通过对不同的去噪方法进行对比,得出了中值滤波去噪能够取得更好的去噪效果,然后对去噪后的声呐图像进行白化处理,可以使图像的背景更加均衡,一定程度上抑制了海底混响的干扰。（2）提出了一种水体和地层分离的声呐图像分割方法。本文对声呐图像分割主要包括两个方面,一是对声呐图像进行水体和地层分离,将差异较大的两部分分割开...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
图１．２论文章节结构图??７??
声呐图像的预处理是图像处理过程中一个重要的环节，图像预处理的好坏，??直接影响到后续的图像分割、特征提取等环节，因此也是目标检测和识别的前提??和基础。图像预处理的效果直接影响图像分割的效果，进一步影响目标检测的精??度。因此，选择合适的图像预处理算法就显得尤为重要。图像的预处理主要包括??图像的去噪和增强，图像的去噪主要是指通过一系列方法，减少噪声对整幅图像??的影响，提高图像的质量图像的增强是指增强感兴趣的部分或者是真实的目??标区域图像。声呐图像的背景噪声分为三类，分别为环境噪声、混响噪声以及白??噪声，针对不同的噪声可以选择不同的去噪方法。声呐信号的白化处理的主要目??的是减小声呐图像背景的变化范围，降低图像分割和目标识别的难度。在本文中??声呐图像的预处理主要包括两个步骤：一是图像的去噪，二是声呐信号的白化处??理。??本文介绍了几个常用的图像去噪方法，并且对声呐信号的进行了白化处理，??通过实验验证了算法的可行性，减少和抑制噪声对目标的干扰，增强声呐目标和??背景的对比度，为更好的实现目标检测和识别奠定基础。本文对声呐图像预处理??的流程如图２．１所示：??
信息损失严重。??（２）海底混响、杂波噪声等干扰严重，目标灰度级低，而噪声灰度级可能??较为丰富，从而导致难以正确区分图像的背景和目标。??（３）声呐图像缺少细节信息，以低频分量为主，这主要是由于声波频率不??高且波长不长导致的［２５］。??杭州应用声学研究所研发的三维成像声呐也有其独特性。三维可视化数据是??—个可转化为Ｐ（ｘ，?ｚ）的三维体数据么；＾），走航方向；ｉｆ为等步距８的序列??（序列长度可调，最大４０９６）；航向方位角０是［－４０°?，４０°?］范围内等间隔??分布的序列（７３个）；回波距离丫为等步距序列（序列长度可调，最大４０９６）。??横向水平宽度Ｆ?＝?；ｒ＊ｓｉｎ０，垂直深度Ｚ?＝?／＊ｃｏｓ＾。三维声响图像可以看成是由??众多波束的二维图像组成，单纯处理三维成像数据，目前的技术实现可能还存在??—定的困难，计算机的处理速度难以匹配如此庞大的数据，很难实现实时处理，??所以可以将三维图像转化为多个二维图像进行分析和处理。本文选用了?５个三维??数据集作为实验数据，每个数据集包含７３个波束维度，即每个数据集可以转换??成７３幅二维图像进行处理。图２．２?（ａ）和图２．２?（ｂ）分别是在实际场景和几何??模型下的三维成像声呐数据体的组成ｆ意图：??
【参考文献】：
期刊论文
[1]一种基于最大熵分割和特征联合判别的图像目标自动报警方法[J]. 薛欢欢,丛卫华,朱必波,孔万增. 声学与电子工程. 2017(01)
[2]基于伪彩色图像处理的猎雷声呐水雷目标检测技术[J]. 刘琳,李荣,石剑. 水雷战与舰船防护. 2016(02)
[3]迭代阈值分割法在X射线焊缝检测中的应用[J]. 刘艳华. 自动化技术与应用. 2015(10)
[4]基于机器视觉的ROV水下管线自动跟踪方法[J]. 韩银锋. 计算机测量与控制. 2015(02)
[5]基于FPGA的改进型中值滤波研究[J]. 尉明靖,古军. 电子测试. 2011(12)
[6]基于离散图像阵列的数字图像的处理方法[J]. 李华,陈明军,孟庆丰,李娟. 科技信息. 2011(18)
[7]基于最大熵-方差模型的图像分割方法[J]. 张群会,李贵敏,蔺宝华,韩波. 计算机技术与发展. 2011(06)
[8]基于迭代阈值的太阳像分割算法的应用研究[J]. 邓林华,许骏,程向明. 计算机与现代化. 2010(10)
[9]基于小波的水下图像后向散射噪声去除[J]. 蓝国宁,李建,籍芳. 海洋技术. 2010(02)
[10]基于二维直方图的otsu图像分割算法改进[J]. 马胜前,张光南,杨金龙,佘乾顺. 西北师范大学学报(自然科学版). 2009(01)
博士论文
[1]基于神经网络的大坝安全监控模型研究[D]. 张帆.东南大学 2016
[2]图像去噪中几种优化算法的相关研究[D]. 杨昊.电子科技大学 2016
[3]船舶及鲸类声信号特征提取和分类识别研究[D]. 李新欣.哈尔滨工程大学 2012
[4]水下监测系统中目标探测若干关键技术研究[D]. 郭伟.国防科学技术大学 2011
硕士论文
[1]图像非局部均值滤波去噪和修复算法的改进研究[D]. 杨帆.南昌航空大学 2015
[2]三维成像声纳图像后处理技术研究[D]. 洪一帆.浙江大学 2011
[3]安检X光机的图像处理研究及其硬件实现[D]. 付东纪.青岛科技大学 2010
[4]基于VxWorks的水下目标识别系统研究[D]. 石丽娜.哈尔滨工程大学 2010
[5]水下声呐图像目标分割方法的研究及应用[D]. 王兴梅.哈尔滨工程大学 2008
[6]彩色图像边缘检测相关算法研究[D]. 华继钊.扬州大学 2004
本文编号：3414359
【文章来源】：杭州电子科技大学浙江省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
图１．２论文章节结构图??７??
声呐图像的预处理是图像处理过程中一个重要的环节，图像预处理的好坏，??直接影响到后续的图像分割、特征提取等环节，因此也是目标检测和识别的前提??和基础。图像预处理的效果直接影响图像分割的效果，进一步影响目标检测的精??度。因此，选择合适的图像预处理算法就显得尤为重要。图像的预处理主要包括??图像的去噪和增强，图像的去噪主要是指通过一系列方法，减少噪声对整幅图像??的影响，提高图像的质量图像的增强是指增强感兴趣的部分或者是真实的目??标区域图像。声呐图像的背景噪声分为三类，分别为环境噪声、混响噪声以及白??噪声，针对不同的噪声可以选择不同的去噪方法。声呐信号的白化处理的主要目??的是减小声呐图像背景的变化范围，降低图像分割和目标识别的难度。在本文中??声呐图像的预处理主要包括两个步骤：一是图像的去噪，二是声呐信号的白化处??理。??本文介绍了几个常用的图像去噪方法，并且对声呐信号的进行了白化处理，??通过实验验证了算法的可行性，减少和抑制噪声对目标的干扰，增强声呐目标和??背景的对比度，为更好的实现目标检测和识别奠定基础。本文对声呐图像预处理??的流程如图２．１所示：??
信息损失严重。??（２）海底混响、杂波噪声等干扰严重，目标灰度级低，而噪声灰度级可能??较为丰富，从而导致难以正确区分图像的背景和目标。??（３）声呐图像缺少细节信息，以低频分量为主，这主要是由于声波频率不??高且波长不长导致的［２５］。??杭州应用声学研究所研发的三维成像声呐也有其独特性。三维可视化数据是??—个可转化为Ｐ（ｘ，?ｚ）的三维体数据么；＾），走航方向；ｉｆ为等步距８的序列??（序列长度可调，最大４０９６）；航向方位角０是［－４０°?，４０°?］范围内等间隔??分布的序列（７３个）；回波距离丫为等步距序列（序列长度可调，最大４０９６）。??横向水平宽度Ｆ?＝?；ｒ＊ｓｉｎ０，垂直深度Ｚ?＝?／＊ｃｏｓ＾。三维声响图像可以看成是由??众多波束的二维图像组成，单纯处理三维成像数据，目前的技术实现可能还存在??—定的困难，计算机的处理速度难以匹配如此庞大的数据，很难实现实时处理，??所以可以将三维图像转化为多个二维图像进行分析和处理。本文选用了?５个三维??数据集作为实验数据，每个数据集包含７３个波束维度，即每个数据集可以转换??成７３幅二维图像进行处理。图２．２?（ａ）和图２．２?（ｂ）分别是在实际场景和几何??模型下的三维成像声呐数据体的组成ｆ意图：??
【参考文献】：
期刊论文
[1]一种基于最大熵分割和特征联合判别的图像目标自动报警方法[J]. 薛欢欢,丛卫华,朱必波,孔万增. 声学与电子工程. 2017(01)
[2]基于伪彩色图像处理的猎雷声呐水雷目标检测技术[J]. 刘琳,李荣,石剑. 水雷战与舰船防护. 2016(02)
[3]迭代阈值分割法在X射线焊缝检测中的应用[J]. 刘艳华. 自动化技术与应用. 2015(10)
[4]基于机器视觉的ROV水下管线自动跟踪方法[J]. 韩银锋. 计算机测量与控制. 2015(02)
[5]基于FPGA的改进型中值滤波研究[J]. 尉明靖,古军. 电子测试. 2011(12)
[6]基于离散图像阵列的数字图像的处理方法[J]. 李华,陈明军,孟庆丰,李娟. 科技信息. 2011(18)
[7]基于最大熵-方差模型的图像分割方法[J]. 张群会,李贵敏,蔺宝华,韩波. 计算机技术与发展. 2011(06)
[8]基于迭代阈值的太阳像分割算法的应用研究[J]. 邓林华,许骏,程向明. 计算机与现代化. 2010(10)
[9]基于小波的水下图像后向散射噪声去除[J]. 蓝国宁,李建,籍芳. 海洋技术. 2010(02)
[10]基于二维直方图的otsu图像分割算法改进[J]. 马胜前,张光南,杨金龙,佘乾顺. 西北师范大学学报(自然科学版). 2009(01)
博士论文
[1]基于神经网络的大坝安全监控模型研究[D]. 张帆.东南大学 2016
[2]图像去噪中几种优化算法的相关研究[D]. 杨昊.电子科技大学 2016
[3]船舶及鲸类声信号特征提取和分类识别研究[D]. 李新欣.哈尔滨工程大学 2012
[4]水下监测系统中目标探测若干关键技术研究[D]. 郭伟.国防科学技术大学 2011
硕士论文
[1]图像非局部均值滤波去噪和修复算法的改进研究[D]. 杨帆.南昌航空大学 2015
[2]三维成像声纳图像后处理技术研究[D]. 洪一帆.浙江大学 2011
[3]安检X光机的图像处理研究及其硬件实现[D]. 付东纪.青岛科技大学 2010
[4]基于VxWorks的水下目标识别系统研究[D]. 石丽娜.哈尔滨工程大学 2010
[5]水下声呐图像目标分割方法的研究及应用[D]. 王兴梅.哈尔滨工程大学 2008
[6]彩色图像边缘检测相关算法研究[D]. 华继钊.扬州大学 2004
本文编号：3414359
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3414359.html
