侧扫声呐图像特征提取和匹配方法研究
发布时间：2021-11-20 17:11
随着当代科学技术的快速发展,人们对未知领域的探索越来越强烈,已经开始加大对太空和海洋的研究。海洋中的丰富自然资源在陆地自然资源的不断消耗的情况下显得更加珍贵,另一方面,世界各国的军事竞争中,海洋战略也占据着极其重要的地位,所以各国都加大了对海洋的勘测和开发。由于海洋复杂的环境,常规的光学仪器无法在海洋环境中正常使用,目前对海底地形和目标的探测主要依靠声呐系统来完成,因为声呐系统利用声波完成对海底的探测,受海洋环境影响小。本文利用侧扫声呐系统获取海底声呐图,通过对声呐图像的分析完成对海底信息的提取。文章主要从侧扫声呐数据解析处理、声呐图像的特征提取和声图特征的匹配三方面进行研究,主要的研究过程如下:首先对侧扫声呐系统工作原理进行介绍,将获取的扫描数据进行解析,以获得待处理的侧扫声呐图像。由于扫描声波在水中会受到海洋复杂环境的影响,使最终的声呐图中含有较多的噪声,针对这种情况,采用多种滤波方法对声呐图进行预处理,对比分析滤波之后的图像效果,完成声呐图像的去噪。其次对预处理后的声呐图像进行特征提取。本文从特征点和直线特征两方面来研究,采用鲁棒性较好SIFT算法完成声呐图像的特征点提取,并构造...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
实验结果对比
用于计算障碍物的位置、大小和重心（CoG）。将优化算法作用于前视声呐图像中进行验证，结果如图1.2。(a)无增强提取结果 (b)利用自适应阈值化结果 (c)采用方法结果图 1.2 实验结果对比英国华威大学在 2011 年对声呐图像的分割中[3]，提出了一种新的无监督算法用于分割有关海底的侧扫声呐图像。所提出算法对需要处理的侧扫声呐图像性质不作任何先验性的假设。该算法首先使用前向和反向未抽样离散小波变换（UDWT）构造一个输入图像的多分辨率表述；然后使用内部分辨率和数据间的分辨率对每个像素提取一个特征向量，用主成分分析（PCA）来减少每个特征向量的维数，最后使用 k 均值聚类把所有特征向量聚类成不相交的聚类。将这种新的无监督算法作用在声呐图像中验证，结果表明了算法的有效性，如图 1.3。
图 1.3 聚类分割结果下设备在海底进行作业时需要构建全景的拼接来对水下环境进与仿生技术国际会议上 Sanming Song 和 J. Michael Herrmann 提特征跟踪的声呐序列配准方法[4]。该方法首先从非结构化海床环形状特征。为了实现前视声呐图像的拼接，通过粒子滤波跟踪计运动参数。通过使用多个 ROI 来估计旋转参数。对感兴趣的它在 AUV 的视野中消失，然后按照相同的过程选择另一个感兴果表明：对感兴趣区域进行特征跟踪来完成对前视声呐图像拼工程大学的李曙光在 2014 年基于脉冲耦合神经网络（PCNN）的，设计了基于多波束声呐图像的 PCNN 网络[5]。并根据该网络中以邻域神经元激活率以及群离散率为基础的特征提取方式。激活近的像素点在空间位置上的分布情况，反应的是纹理特征信息。会照顾到像素值的相似区域，还会考虑到像素 8 邻域的方向梯度普通纹理提取特征的方法，与相关方法相比，建立在 PCNN 网络方法更加高效。
【参考文献】：
期刊论文
[1]SURF与RANSAC组合图像拼接算法[J]. 赫更新,马嘉文,张西克,潘大为,陈亮. 应用科技. 2018(04)
[2]基于改进SIFT算法的无人机图像拼接研究[J]. 张晓璐. 西昌学院学报(自然科学版). 2017(03)
[3]结合区域分块的快速BRISK图像拼接算法[J]. 赵婷,康海林,张正平. 激光与光电子学进展. 2018(03)
[4]基于三维VR技术的小区域目标重建研究[J]. 郭亮. 现代电子技术. 2017(19)
[5]基于A-KAZE特征的图像无缝拼接算法[J]. 瞿中,卜玮,刘玲. 计算机工程与设计. 2017(09)
[6]基于多视图三维重建技术的无人机数据处理工艺研究[J]. 王勇. 测绘通报. 2017(S1)
[7]基于XTF格式的侧扫声纳数据解码及可视化[J]. 郭军,马金凤,王爱学. 测绘工程. 2016(11)
[8]应用TBD的多波束声呐图像序列SIFT特征追踪[J]. 李海森,高珏,徐超,卢为选,曹天宇,付丽嘉. 哈尔滨工程大学学报. 2016(08)
[9]基于数学形态学的侧扫声呐图像轮廓自动提取[J]. 罗进华,蒋锦朋,朱培民. 海洋学报. 2016(05)
[10]基于互信息和相关比算法的声呐图像配准[J]. 宋树军,侯雪,唐秋华. 海岸工程. 2015(04)
硕士论文
[1]面向水下三维重建的光视觉特征提取与匹配方法研究[D]. 李文莉.沈阳理工大学 2017
[2]基于相关点与几何约束的直线匹配方法研究[D]. 黄勇.南昌航空大学 2016
[3]基于水下地形图像匹配的辅助导航技术研究[D]. 吴远峰.哈尔滨工程大学 2016
[4]基于直线特征的异源景象匹配技术研究[D]. 王力.中国科学院研究生院(长春光学精密机械与物理研究所) 2015
[5]基于多波束测深系统的海底地形匹配导航技术研究[D]. 岳增阳.东南大学 2015
[6]SLAM技术中声呐图像的特征提取[D]. 傅超.哈尔滨工程大学 2015
[7]基于水下地貌的匹配导航算法研究[D]. 孙明琦.哈尔滨工程大学 2015
[8]基于共生扩展八邻域矩阵的纹理识别方法[D]. 吕秋丽.西安电子科技大学 2014
[9]基于特征点的侧扫声呐图像拼接技术研究[D]. 金广.哈尔滨工程大学 2015
[10]水下环境中图像匹配算法的研究[D]. 王鑫.太原理工大学 2014
本文编号：3507778
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
实验结果对比
用于计算障碍物的位置、大小和重心（CoG）。将优化算法作用于前视声呐图像中进行验证，结果如图1.2。(a)无增强提取结果 (b)利用自适应阈值化结果 (c)采用方法结果图 1.2 实验结果对比英国华威大学在 2011 年对声呐图像的分割中[3]，提出了一种新的无监督算法用于分割有关海底的侧扫声呐图像。所提出算法对需要处理的侧扫声呐图像性质不作任何先验性的假设。该算法首先使用前向和反向未抽样离散小波变换（UDWT）构造一个输入图像的多分辨率表述；然后使用内部分辨率和数据间的分辨率对每个像素提取一个特征向量，用主成分分析（PCA）来减少每个特征向量的维数，最后使用 k 均值聚类把所有特征向量聚类成不相交的聚类。将这种新的无监督算法作用在声呐图像中验证，结果表明了算法的有效性，如图 1.3。
图 1.3 聚类分割结果下设备在海底进行作业时需要构建全景的拼接来对水下环境进与仿生技术国际会议上 Sanming Song 和 J. Michael Herrmann 提特征跟踪的声呐序列配准方法[4]。该方法首先从非结构化海床环形状特征。为了实现前视声呐图像的拼接，通过粒子滤波跟踪计运动参数。通过使用多个 ROI 来估计旋转参数。对感兴趣的它在 AUV 的视野中消失，然后按照相同的过程选择另一个感兴果表明：对感兴趣区域进行特征跟踪来完成对前视声呐图像拼工程大学的李曙光在 2014 年基于脉冲耦合神经网络（PCNN）的，设计了基于多波束声呐图像的 PCNN 网络[5]。并根据该网络中以邻域神经元激活率以及群离散率为基础的特征提取方式。激活近的像素点在空间位置上的分布情况，反应的是纹理特征信息。会照顾到像素值的相似区域，还会考虑到像素 8 邻域的方向梯度普通纹理提取特征的方法，与相关方法相比，建立在 PCNN 网络方法更加高效。
【参考文献】：
期刊论文
[1]SURF与RANSAC组合图像拼接算法[J]. 赫更新,马嘉文,张西克,潘大为,陈亮. 应用科技. 2018(04)
[2]基于改进SIFT算法的无人机图像拼接研究[J]. 张晓璐. 西昌学院学报(自然科学版). 2017(03)
[3]结合区域分块的快速BRISK图像拼接算法[J]. 赵婷,康海林,张正平. 激光与光电子学进展. 2018(03)
[4]基于三维VR技术的小区域目标重建研究[J]. 郭亮. 现代电子技术. 2017(19)
[5]基于A-KAZE特征的图像无缝拼接算法[J]. 瞿中,卜玮,刘玲. 计算机工程与设计. 2017(09)
[6]基于多视图三维重建技术的无人机数据处理工艺研究[J]. 王勇. 测绘通报. 2017(S1)
[7]基于XTF格式的侧扫声纳数据解码及可视化[J]. 郭军,马金凤,王爱学. 测绘工程. 2016(11)
[8]应用TBD的多波束声呐图像序列SIFT特征追踪[J]. 李海森,高珏,徐超,卢为选,曹天宇,付丽嘉. 哈尔滨工程大学学报. 2016(08)
[9]基于数学形态学的侧扫声呐图像轮廓自动提取[J]. 罗进华,蒋锦朋,朱培民. 海洋学报. 2016(05)
[10]基于互信息和相关比算法的声呐图像配准[J]. 宋树军,侯雪,唐秋华. 海岸工程. 2015(04)
硕士论文
[1]面向水下三维重建的光视觉特征提取与匹配方法研究[D]. 李文莉.沈阳理工大学 2017
[2]基于相关点与几何约束的直线匹配方法研究[D]. 黄勇.南昌航空大学 2016
[3]基于水下地形图像匹配的辅助导航技术研究[D]. 吴远峰.哈尔滨工程大学 2016
[4]基于直线特征的异源景象匹配技术研究[D]. 王力.中国科学院研究生院(长春光学精密机械与物理研究所) 2015
[5]基于多波束测深系统的海底地形匹配导航技术研究[D]. 岳增阳.东南大学 2015
[6]SLAM技术中声呐图像的特征提取[D]. 傅超.哈尔滨工程大学 2015
[7]基于水下地貌的匹配导航算法研究[D]. 孙明琦.哈尔滨工程大学 2015
[8]基于共生扩展八邻域矩阵的纹理识别方法[D]. 吕秋丽.西安电子科技大学 2014
[9]基于特征点的侧扫声呐图像拼接技术研究[D]. 金广.哈尔滨工程大学 2015
[10]水下环境中图像匹配算法的研究[D]. 王鑫.太原理工大学 2014
本文编号：3507778
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3507778.html
