水下多目标检测与数据关联方法研究

摘要

随着对海洋资源探测开发和水下作业需求的不断增加，智能水下机器人(AUV)正日益受到国内外重视。考虑到水下环境的复杂性，水声探测仍是目前水下探测中一种较为有效的方式。研究基于前视声呐的声视觉跟踪系统对于海上防御、海上安全作业及海洋开发等领域有着广泛的应用价值和重要的战略意义。本论文重点研究基于AUV前视声呐的多目标跟踪问题，以前视声呐作为声视觉传感器研究声呐图像处理、目标检测、跟踪及数据关联方法，主要研究内容如下:
　　首先，针对水下声学图像特点进行前视声呐图像处理方法研究。通过软件编程获取其回波数据，采用坐标转换、波束内插获取声呐原始图像;根据前视声呐原始图像特点，采用均值加速的中值滤波算法、改进的Pal-King模糊图像增强进行图像预处理工作;利用基于模糊隶属度函数的阈值分割算法对经过处理的声呐图像进行分割;最后采用连通区域的改进算法对分割后的图像进行区域缺损连通。
　　其次，研究水下目标特征提取方法，利用主成分分析方法进行水下目标检测方法研究。考虑到声呐跟踪系统对实时性的要求以及水下环境的复杂性，提取声呐图像中常见的十种特征:面积、长轴长度、短轴长度、七种不变特征矩，采用基于主成分分析的特征选择方法对上述特征进行降维，选择出最优特征组合对目标进行分析聚类。通过水池试验，提取三种不同目标的十种特征的数据进行处理，验证所提方法的有效性。
　　最后，研究多目标跟踪过程中数据关联方法。针对声视觉跟踪系统建立多目标轨迹文件系统，提出一种基于类云模型聚类的水下多目标数据关联算法提升跟踪效果。通过将该算法与传统的最近邻数据关联算法、概率数据关联算法进行分析对比，验证该算法聚类准确、收敛快速的特点。

目录

声明

摘要

第1章绪论

1．1研究背景与意义

1．2国内外研究现状

1．3基于前视声呐图像的目标检测与跟踪技术研究

1．3．1前视声呐图像处理技术研究

1．3．2水下目标特征提取与选择技术研究

1．3．3数据关联方法研究

1．3．4现有研究的不足

1．4论文主要研究内容及章节安排

第2章水下机器人声视觉跟踪系统

2．1引言

2．2 SuperSeaKing DST声呐数据采集与接收

2．2．1 SuperSeaKing DST前视声呐

2．2．2声呐回波数据接收

2．2．3声呐回波数据的内容

2．3水下机器人声视觉跟踪系统

2．3．1声视觉跟踪系统的硬件组成

2．3．2声视觉跟踪系统的软件体系

2．4本章小结

第3章前视声呐图像处理方法研究

3．1引言

3．2声呐图像合成

3．3声呐图像去噪及增强方法

3．3．1均值加速的快速中值滤波算法

3．3．2图像增强方法研究

3．4声呐图像分割方法

3．4．1常用的图像分割算法

3．4．2基于模糊隶属度函数的阈值分割算法

3．4．3声呐图像分割结果分析

3．5连通区域分析

3．5．1连通区域及连通区域分析

3．5．2连通区域分析的常见算法

3．5．3连通区域分析的改进算法

3．6本章小结

第4章水下多目标特征提取及PCA检测方法研究

4．1引言

4．2声呐目标特征分析

4．2．1几何特征提取

4．2．2灰度特征提取

4．2．3统计特征提取

4．2．4灰度共生矩阵数字特征提取

4．3基于PCA的多目标检测方法研究

4．3．1 PCA的基本原理

4．3．2 PCA的算法步骤

4．3．3水下多目标PCA检测试验结果分析

4．4本章小结

第5章水下多目标跟踪数据关联方法研究

5．1引言

5．2航迹处理

5．2．1航迹起始

5．2．2航迹维持

5．2．3航迹终结

5．3多下多目标跟踪系统数据关联

5．3．1最近邻数据关联算法

5．3．2概率数据关联算法

5．3．3基于类云模型聚类的多目标数据关联算法

5．4水下目标检测与跟踪半实物仿真平台

5．5水下多目标数据关联方法试验分析

5．5．1浮码头固定前视声呐多目标跟踪试验分析

5．5．2 AUV携带前视声呐多目标跟踪试验分析

5．6本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢