声纳图像

摘要： 猎雷声纳图像是探测识别水雷的重要依据,对猎雷声纳图像进行图像边缘检测处理有助于水雷目标的判别.分析了经典的边缘检测法、相位一致性法以及分数阶微分法进行图像边缘检测的原理和方法.通过实验,对比了几种方法在无噪声和有噪声声纳图像中的处理效果及各自的特点,并将其应用于猎雷声纳图像的处理.结果 表明:分数阶傅立叶变换可以有效的用于猎雷声纳图像中目标特征的提取.

摘要： 据外媒报道,加州理工学院地震学家詹忠文在《地震研究快报》中描述了对DAS(分布式声学传感)及其潜在应用的兴趣。据外媒报道,加州理工学院地震学家詹忠文在《地震研究快报》中描述了对DAS(分布式声学传感)及其潜在应用的兴趣。埋入式光缆中的每根纤细的玻璃纤维都包含微小的内部缺陷,这对科学家来说是一件好事,他们正在从繁忙市区到偏远冰川寻找新的方法来收集地震数据。

摘要： 深入分析目前侧扫声纳数据管理及可视化存在的突出问题,针对天然气水合物资源勘查及海洋地质调查中侧扫声纳数据的特点,基于C#语言实现了侧扫声纳数据管理及可视化软件的开发,并通过实测数据对软件进行验证,实验结果表明,该软件能够满足海量级别的侧扫声纳数据处理、管理及可视化的需求,为科学高效地管理及展示侧扫声纳数据提供了基础.

摘要： 侧扫声纳是海洋地形地貌测量的必备仪器之一.主要介绍了侧扫声纳探测技术的研究现状,重点阐述了其最新研究进展,给出了侧扫声纳技术未来的发展趋势.针对国内外实际应用需求,提出了几点建议,以期为我国侧扫声纳技术相关研究提供参考.%Side-scan sonar is one of necessary instruments for the measurement of marine topography and geomorphology.This paper mainly introduces the research status of side-scan sonar detection technology,focuses on summarizing the latest research progresses and expatiating the development trend of side-scan sonar technology.Several suggestions which may provide technique reference for side-scan sonar research are put forward for the actual demands.

摘要： 声纳是重要水下探测与感知设备, 但普通的二维声纳图像包含信息较少, 不利于直观的理解.本文基于声纳图像的映射原理、利用多视角的几何映射关系建立一种特征点的三维重建方法.对声纳的映射与逆映射原理进行描述与分析, 建立一种对高度特征分段分层搜索的重建方法, 实现旋转、平移参数已知情况下的重建;对参数未知的情况, 利用粒子群优化算法和少量特征点获得参数的估计, 在此基础上实现更多特征点的重建;最后增加传感器对旋转平移参数带有误差的估计, 实现重建精度大幅度地提升.该方法对特征点的数量以及重建环境的变化不敏感, 是一种适应性好、鲁棒性较强的方法.%Sonar is an important equipment for submarine detection and perception, but usual two-dimensional sonar images contain fewinformation and can not be comprehended intuitively. Depending on mapping theory of sonar image and using sonar multiple viewgeometry a three-dimensional reconstruction method for feature points is proposed in this paper.The theories of sonar mapping and their inverse mapping are described for building a threedimensional reconstruction method searching height feature in different segmental arc of every layer, which could realize reconstruction under the condition that rotation and translation parameters are known. Corresponding to situations that those parameters are not known, particle swarm optimization algorithm is used to estimate parameters via using fewfeature points. Then more feature points are reconstructed subsequently by estimated parameters. At the end of this paper, the precision is improved drastically by appending rotation and translation parameters which are estimated by sensors with some errors. This described method is not easy to be obstructed by the number of feature points or reconstruction of scene, and hasgood adaptation as well as robustness.

摘要： 以南海某海域实测侧扫声纳数据为例,研究侧扫声纳图像的数字镶嵌技术方法,对关键步骤进行详细的阐述.通过对原始侧扫声纳数据进行导航数据校正、海底线跟踪、斜距改正、TVG校正、船速校正、地理编码与重采样、拼接与镶嵌等处理,生成大区域、大范围、高分辨率、无缝拼接的侧扫声纳图像.实验结果证明声纳图像数字镶嵌技术的有效性,并取得理想的效果.%This paper proposes a digital mosaic method for side-scan images, taking the sonar data from the South China Sea as the example.The key steps of the method are analysed in detail.By the mean of a series of data preprocessing, it can create the high-resolution seamless mosaic sonar images.The experiment proves that it can obtain good effects for side-scan sonar images.

摘要： 声纳具有对大范围水下场景探测的能力,一直以来都是水下设备感知外界环境的重要手段,但由于声纳图像分辨率低,海洋环境噪声干扰较为复杂,所以在诸多方面的应用都受到了限制.文中提出了一种基于马尔可夫随机场和引导滤波的声纳图像去噪与增强方法,使用马尔可夫随机场对声纳图像进行预分割,然后采用中值滤波方法对原始图像进行简单滤波处理,最后将该图像作为引导图像对马尔可夫随机场(Markov Random Field,MRF)分割后的图像进行引导滤波实现了对声纳图像的去噪与增强.该方法有效地去除了背景和影子内的噪声,对目标区域内部噪声起到了很好的抑制作用,消除了MRF分割产生的伪轮廓效应,具有较好的边界保持和增强效果.

摘要： 针对声纳图像视野窄,无法一次性反映大体积目标或同时呈现若干目标完整视觉信息的问题,提出一种声纳图像拼接算法.该算法主要步骤分为:声纳图像配准和声纳图像融合.根据声纳图像高噪声和低分辨率的特点,采用FFT图像配准方法配准声纳图像.对于准确配准后的声纳图像,提出一种基于NSCT多尺度分解的声纳图像融合算法.首先,对源图像进行NSCT多尺度分解,得到一系列不同尺度和不同方向上子带分解系数;然后,根据声纳图像特殊性,构建声纳图像融合规则:分别对低频子带采用门限判别法,高频子带计算局部区域对比度指导融合规则,产生融合图像在相应尺度和方向的融合系数.最后,对融合系数进行NSCT多尺度逆变换,生成融合后的拼接图像.通过声纳图像拼接实验验证提出方法有效性.

摘要： 基于Piella框架的加权多分辨率图像融合方法结构繁复,并且融合规则没有充分考虑到人类视觉特性.针对这些问题,提出一种只采用活性测度控制合成模块的多分辨率图像融合扩展模式.在该扩展模式的基础上,给出一种结合融合图像质量评价标准和前一分解层信息的多分辨率图像融合算法.该算法考虑到融合结果多以人眼为信宿,将图像质量评价标准引入到高频子带融合规则中;同时考虑到由于多尺度分析的存在,当前分解层低频子带的信息保有量明显少于前一分解层,将前一分解层信息引入到低频子带融合规则中.通过声纳图像融合实验,证明该方法融合效果良好,鲁棒性强,是一种有效的声纳图像融合方法.

摘要： 针对声纳图像视野窄,无法一次性反映大体积目标或同时呈现若干目标完整视觉信息的问题,提出一种声纳图像拼接算法.该算法主要步骤分为:声纳图像配准和声纳图像融合.根据声纳图像高噪声和低分辨率的特点,采用FFT图像配准方法配准声纳图像.对于准确配准后的声纳图像,提出一种基于NSCT多尺度分解的声纳图像融合算法.首先,对源图像进行NSCT多尺度分解,得到一系列不同尺度和不同方向上子带分解系数;然后,根据声纳图像特殊性,构建声纳图像融合规则:分别对低频子带采用门限判别法,高频子带计算局部区域对比度指导融合规则,产生融合图像在相应尺度和方向的融合系数.最后,对融合系数进行NSCT多尺度逆变换,生成融合后的拼接图像.通过声纳图像拼接实验验证提出方法有效性.

摘要： 近年来,随着高分辨前视声纳设备的发展,利用声纳图像开展水下探测的研究获得普遍关注.本文针对以水下机器人为载体的海底目标探测任务,结合声纳图像的特点,提取稳定的感兴趣目标区域,并将正态分布变换引入到声纳图像目标区域特征描述中,研究基于概率描述的序列声纳图像的匹配方法.本文模拟含有突起目标的海底场景开展了水池实验,获取了水池场景条件下的声纳图像数据,并对本文方法进行验证.研究结果表明本文感兴趣区域提取方法具有较高的稳定性,并降低了运算量,序列声纳图像的匹配精度满足工程任务需求,可用于水下机器人装备前视声纳的大范围宽视角探测.

摘要： 条带噪声是主动高频声纳海底图像中较为常见噪声图案,严重制约了海底目标特征的准确识别与分类.本文在分析条带噪声产生机理的基础上,引入矩匹配理论对声纳图像条带噪声消除方法进行研究,并利用实测数据对该方法的有效性进行验证.试验结果表明,条带噪声抑制效果较好,证明了利用该方法的可行性与有效性.

摘要： 声纳图像常伴有非高斯噪声,传统的目标检测方法无法较好地应用于声纳图像.该文提出利用随机共振系统对图像进行降噪处理,并提取图像的梯度特征作为支持向量机的输入特征向量,最终实现水下目标的智能检测.仿真实验结果表明通过调节随机共振系统的参数能够提高目标检测率,并且该方法的计算量小,具有一定的应用前景.

摘要： 近年来随着信息技术的发展图像的信息隐藏技术得到了越来越广泛的重视，在军事方面应用也慢慢显露出来。本文提出利用信息隐藏实现水下保密通信的思想。给出一种以占位思想快速加密图像和Tabu 搜索法相结合的最低位替换声纳图像信息隐藏方法。该方法利用logistic 混沌映射采用占位的思想先对隐藏的秘密图像实现快速像素位置加密，利用Tabu搜索法寻找隐藏信息的最佳匹配位置，使得在大大提高隐藏秘密信息容量的前提下，不可见性也得到了很好的保证。

摘要： 分形理论在图像的纹理识别中得到了广泛应用,由于分形维数不能反映图像的空间信息,容易造成误识别.针对该问题并结合声纳图像的特点,通过提升结构构造了Haar小波,并将提升小波变换同分形理论相结合,利用小波分解的多分辨率特点和分形维数的多尺度特性,提高图像的识别率.采用Levenberg-Marquardt(L-M)算法优化的BP神经网络对不同信噪比的声纳图像进行分类识别.实验结果表明,文中方法不论在识别率还是识别时间上均优于传统纹理识别方法.

摘要： 水下蛙人作为慢速运动目标,在反蛙人声纳历程图像中呈直线特征;而海洋环境中的各种干扰是随机的,因此在历程图像中亦是呈随机出现的.根据这一运动特征差异,本文将Hough变换技术应用到慢速小目标探测声纳中,根据目标在历程图像中的关联性提取目标直线轨迹,从而达到抑制声纳图像干扰的目的.实际数据的处理结果表明:该方法能够有效提取目标的历程轨迹,剔除随机干扰,有效降低虚警;并能提高反蛙人声纳显示界面的友好性,改善图像显示质量.

摘要： 水下目标声探测跟踪系统是水下机器人智能体系的重要组成部分，而研究前视声纳图像目标分类对于水下机器人的声视觉系统的完善具有重要意义。针对由于水下成像环境的复杂性导致的前视声纳图像中目标不易分类辨别的问题,在对前视声纳图像进行预处理及特征提取的基础上,重点进行了目标最优特征序列的选择研究.首先针对水下前视声纳图像的特点,分析了声纳图像的预处理方法,探讨了声纳图像中特征信息的选取及提取,提出了采用广义回归神经网络(GRNN)来检验特征组合效果的方法,阐述了利用序列前向选择(SFS)及序列后向选择(SBS)方法得到最优特征序列的实现过程,并对比分析了两组前视声纳图像的SFS及SBS实验结果,确定了最优的特征组合,为前视声纳图像中的目标分类提供了重要的借鉴意义.

摘要： 随着人类对海洋探索的不断深入,声纳设备的智能化要求越来越高,基于声图像的信息处理技术已成为一种重要的海洋开发手段。其中分形理论为声纳图像处理技术的研究开辟了一个新的领域。本文通过对获取的声纳图像分析与处理，实现海底声图像的分类与识别。rn 本文结合声纳图像的特点，采用基于分形理论的纹理特征提取，将分形维数及多重分形维数组成海底底质声图像的纹理特征集，并应用BP神经网络作为分类器，实现了海底声图像的分类识别。通过与传统基于统计量的图像识别方 法和基于单分形特征的图像识别方法的比较，证明了本文将分形特征应用于海底声图像分类识别的有效性。

摘要： 首先分析了Simrad EM多波束声纳系统回波强度数据获取时系统进行的增益处理，分别探讨了深度数据包和海底图像数据包中同波强度数据的表征内容及意义，研究了不同数据包中间波强度数据的记录方式、特点及应用范围,为多波束水下目标识别和海底底质分类研究提供准确、表述清晰的基础数据。

摘要： 本实用新型公开了宽带声纳发射器、宽带声纳和声纳。声纳发射器包括控制联接至变压器的初级线圈的开关的数字逻辑。驱动开关以跨越变压器的次级线圈产生至少一个电压脉冲，从而产生逼近期望的信号的一系列电压脉冲。变压器可以包含：具有布置为第一部分、中间部分和最后部分的多个绕组的次级线圈；以及仅与形成中间部分的次级线圈绕组缠绕的初级线圈绕组。

摘要： 本发明的目的在于提供一种图像声纳用近场声纳图像快速成像方法，包括以下步骤：发射探测信号，对目标散射信号进行带通采样、正交变换，得到多通道的图像声纳阵列复信号；在所测的平面空间范围内等按照图像质量需求等间隔选取目标点，计算目标点离图像声纳基阵阵元的物理距离，计算目标点到各阵元的声程差；根据目标点离基阵的距离，取出对应时间片的各阵元通道的复数据，补偿各通道相位差，将补偿后的各阵元复数据累加求和，取模可得到该目标点的近场声纳图像强度；将所有点的强度组合拼接即可直接得到图像声纳的近场成像结果。本发明在不损失近场成像结果的前提下，大大降低了图像声纳的近场成像复杂度，具有较好的工程实用性。

摘要： 本发明公开了一种基于图像熵以及边缘的全参考声纳图像质量评测方法，包括以下步骤：S1、定义声纳图像从采集到传输过程的通信模型；S2、计算待测图像和参考图像的局部熵以及显著区域边缘特性作为声纳图像的质量特征；S3、分别计算待测图像和参考图像的质量特征相似度；S4、对两种质量特征相似度进行基于显著性的特征池化；S5、将步骤S4所得两个特征输入声纳图像质量评测模型获得评测质量。该测评方法弥补了声纳图像质量测评方法的不足，测评结果更加准确、精细。

摘要： 本发明公开了一种利用图像分块进行合成孔径声纳图像自聚焦的方法，用于对合成孔径声纳得到的原始图像进行自聚焦，该原始图像中包括至少一个强点。该方法包括：搜索步骤，用于在原始图像中寻找与所述强点对应的强点区域；自聚焦步骤，用于对每一个强点区域分别进行自聚焦处理。本发明的方法简单实用，依次寻找图像中的最强点目标，然后加窗分离，特别适用于多强点目标场景的合成孔径声纳图像自聚焦。

摘要： 本发明的目的在于提供一种图像声纳用近场声纳图像快速成像方法，包括以下步骤：发射探测信号，对目标散射信号进行带通采样、正交变换，得到多通道的图像声纳阵列复信号；在所测的平面空间范围内等按照图像质量需求等间隔选取目标点，计算目标点离图像声纳基阵阵元的物理距离，计算目标点到各阵元的声程差；根据目标点离基阵的距离，取出对应时间片的各阵元通道的复数据，补偿各通道相位差，将补偿后的各阵元复数据累加求和，取模可得到该目标点的近场声纳图像强度；将所有点的强度组合拼接即可直接得到图像声纳的近场成像结果。本发明在不损失近场成像结果的前提下，大大降低了图像声纳的近场成像复杂度，具有较好的工程实用性。

摘要： 本发明公开了一种基于图像熵以及边缘的全参考声纳图像质量评测方法，包括以下步骤：S1、定义声纳图像从采集到传输过程的通信模型；S2、计算待测图像和参考图像的局部熵以及显著区域边缘特性作为声纳图像的质量特征；S3、分别计算待测图像和参考图像的质量特征相似度；S4、对两种质量特征相似度进行基于显著性的特征池化；S5、将步骤S4所得两个特征输入声纳图像质量评测模型获得评测质量。该测评方法弥补了声纳图像质量测评方法的不足，测评结果更加准确、精细。

摘要： 本发明公开一种基于多波束图像声纳的实时图像处理方法，本发明通过实时处理水下无人无缆潜器(AUV)的多波束前视声纳图像数据，为AUV提供实时水下障碍信息，从而实现AUV的水下避障功能。本发明基于图像声纳成像原理基础上采用动态距离衰减门限法滤波和增强算法将声纳图像中大量噪声和噪声斑点滤去，并且提高图像信噪比；利用模糊聚类和形态学算法将声纳图像中障碍物的信息从声纳图像中分割出来。本发明中所提到的算法稳定可靠、实时性好，能准确有效地提供AUV在航行过程中的障碍信息，进而提高AUV在水下的安全性。

摘要： 本发明公开了一种利用图像分块进行合成孔径声纳图像自聚焦的方法，用于对合成孔径声纳得到的原始图像进行自聚焦，该原始图像中包括至少一个强点。该方法包括：搜索步骤，用于在原始图像中寻找与所述强点对应的强点区域；自聚焦步骤，用于对每一个强点区域分别进行自聚焦处理。本发明的方法简单实用，依次寻找图像中的最强点目标，然后加窗分离，特别适用于多强点目标场景的合成孔径声纳图像自聚焦。

摘要： 本发明公开了一种基于目标检测神经网络的声纳图像实时检测方法。本发明步骤：步骤(1)、构建声呐图像数据集，并划分为训练集和测试集；步骤(2)、数据预处理：对构建的训练集和测试集进行降噪、数据归一化、全分辨率数据增广处理；步骤(3)、构建水下声呐图像实时检测网络；步骤(4)、基于训练集对声呐图像实时检测网络进行训练；步骤(5)、基于测试集验证声呐图像实时检测网络的准确性和实时性。本发明借鉴了YOLO系列、SSD与RetinaNet等网络的框架，设计并使用骨干网络，并最大限度增加输入信息量，通过数据扩充增加样本量，降噪预处理和设计损失函数等方法进行改进，以满足检测网络准确性的要求。最终设计了在保持速度优势的前提下并且提升了预测精度的SonarDet系统。

摘要： 本发明属于水声领域，具体涉及声纳图像处理。是一种声纳图像CA‑CFAR的快速实现方法，计算CA‑CFAR结果共六个步骤：首先，对数据矩阵在波束维进行扩展，解决边界波束的背景估计问题；接着，根据背景窗的波束数，对扩展后的数据进行波束相加，二维背景窗变为一维背景窗；然后，对数据进行距离维的扩展，解决边界距离点的背景估计问题；然后，计算各个波束的第一个距离点的背景估计值；然后，其余距离点依据前一距离点的背景估计值计算该点的背景估计值；最后，使用输入矩阵数据与背景估计值计算CA‑CFAR。本发明可以显著减少CA‑CFAR的运行时间，提高运算效率，满足实时处理要求。