共查询到18条相似文献，搜索用时 140 毫秒
1.
基于数学形态学的侧扫声呐图像轮廓自动提取 总被引：1，自引：0，他引：1
侧扫声呐图像特征自动提取的难点在于特征地貌边缘检测较困难,依据图像灰度突变检测得到的边缘比较粗糙、不连续,而且有断口和小洞。本文在对图像进行预处理和阈值化的基础上,采用数学形态学方法对图像进行处理,即用具有一定形态的结构元素去量度和提取图像中的对应形状,得到连续化、粗化、圆滑的特征区域边缘填充目标内部阴影且消除背景噪声。基于数学形态学的侧扫声呐图像特征自动提取的主要步骤为:首先对侧扫声呐图像进行预处理,然后进行灰度阈值化,接着采用数学形态学方法进行处理,最后对处理后的图像进行边缘检测,提取出特征地貌边缘。实验表明,采用数学形态学方法进行处理后,错断、离散的海底目标物变得连续,背景噪声大大减少,自动提取结果准确可靠。 相似文献
2.
胡红波 《数字海洋与水下攻防》2019,2(5):1-6
针对侧扫声呐图像噪声干扰严重、分辨率低、目标轮廓模糊等特点,提出了一种基于LOG算子的侧扫声呐图像水下小目标检测算法。首先,根据侧扫声呐图像中水下小目标成像特点,对声呐图像进行滤波及聚类分割,大幅降低图像中噪声;然后,采用斑点检测思想,提取侧扫声呐图像中疑似目标区域;最后,基于自动阈值分割算法对声呐图像进行分割,获取目标区域二值图像,使用二阶矩估计目标尺度,剔除虚假目标,最终实现水下小目标准确检测。实验结果表明：该方法计算速度快、检测成功率高,对侧扫声呐图像中的水下小目标具有良好的检测效果。 相似文献
3.
侧扫声呐图像受混响效应影响导致侧扫声呐图像斑点噪声强,边缘模糊,纹理较弱,严重时还会掩盖海底地貌。噪声方差是许多侧扫声呐图像变换域去噪算法的必要参数。指出了侧扫声呐图像在乘性噪声的影响下灰度值溢出的问题,并且以侧扫声呐图像中乘性噪声为背景,考虑灰度值范围对乘性噪声的抑制作用,提出了一种基于弱纹理块的噪声估计方法。算法主要根据噪声的散射模型,将侧扫声呐图像经过幂变换和对数变换,将服从瑞利分布的乘性斑点噪声变换为高斯白噪声,基于变换图像的梯度协方差矩阵和弱纹理块的动态选择,以迭代的方式确定噪声方差。实验结果表明:该算法能够去除灰度值溢出现象对噪声估计的影响,在高亮区域及背景区域的噪声估计结果稳定准确。 相似文献
4.
基于MRF场的侧扫声呐图像分割方法 总被引：1，自引：0，他引：1
为了利用侧扫声呐进行水下目标自动探测和识别,首先必须将声呐图像分为目标高亮区、海底混响区和目标阴影区.由于声呐图像有强背景噪声,传统的图像分割方法显得无能为力,故采用基于MRF场的图像分割方法来准确地分割.根据侧扫声呐目标的成像特点,建立了分割的约束条件;利用阴影与目标的灰度均值比很小这一特点进行初始分割,然后根据分割后目标与阴影的宽度差来剔除虚假目标,由初始分割的结果求得MRF模型初始参数,再采用迭代条件估计得到最终的模型参数和准确的分割结果.由于考虑了相邻像素间的依赖关系,具有抗噪性强、分割效果好的优点,从理论上说是合理的.实测数据分析也证明了这种算法的优越性. 相似文献
5.
侧扫声呐回波信号是形成侧扫声呐图像的基础,是侧扫声呐系统对水下目标的最直接观测量, 将一维小波变换与非线性增强方法相结合,提出了一种基于小波变换的侧扫声呐回波信号非线性增强算法, 用以改善侧扫声呐图像对比度低、噪声强度大的问题。首先利用改进的 Bayes 阈值对侧扫声呐 ping 信号进行一维小波分解,提取信号特征信息;然后利用 2 种不同的非线性函数对高、低频小波系数进行处理;最后利用小波反变换重构信号,形成增强后的侧扫声呐图像。实测数据验证结果表明：利用该算法对侧扫声呐 ping 信号进行处理,实现了侧扫声呐图像对比度的增强和对噪声的抑制,可以获取较好的图像视觉效果。 相似文献
6.
针对水下小目标探测与识别难的问题,开展基于侧扫声呐的声呐图像滤波、图像分割及目标提取方法研究。常规滤波方法难以有效清除图像中存在的噪声,从而造成图像质量下降。采用非局部均值滤波算法与GPU加速的方法,在获得声呐图像较好处理效果的同时,满足水下小目标检测实时性的要求;同时,采用膨胀算法与Canny边缘检测算法相结合的方式,实现了水下真假目标的有效区分。 相似文献
7.
8.
针对UUV避碰声呐探测障碍物过程中自主选择分割阈值进行障碍物检测的问题,提出了基于分区自适应阈值的障碍物检测算法。首先将避碰声呐图像均匀分为相同大小的图像块,对每个图像块基于最大类间方差算法确定该区域障碍物图像分割的高低阈值,然后对检测到的障碍物进行形态学处理去除孤立噪声点,对目标区域进行连通性分析及内部空洞处理,最终得到完整的障碍物轮廓信息。通过湖试数据验证表明了该方法对声呐障碍物检测的有效性。 相似文献
9.
海底影像存在着对比度低、噪声污染严重、图像质量差等问题，采用传统算子的海底管线边缘图像中含有大量的无用和断裂边缘信息。文中将多尺度边缘检测和匹配跟踪相结合，提出利用平稳小波变换的海底管线边缘检测方法；在提取边缘的同时利用匹配跟踪手段对噪声干扰进行抑制，提高图像目标边缘检测质量。通过对海底管线和测试图像边缘检测实验表明，文中所提出的方法在抑制图像噪声的干扰、提高水下目标边缘完整性方面明显优于传统的边缘提取算子，证明该算法的有效性。 相似文献
10.
11.
12.
针对海底侧扫声纳图像对比度低、纹理弱、噪声严重等问题,提出了一种基于第二代Curvelet变换的声纳图像增强算法。首先对原始声纳图像进行多尺度、多方向的Curvelet变换分解,得到低频子带和高频子带;然后引入非线性S型函数对低频系数进行处理,提高图像整体的对比度;采用一种可以避免过度增强的新型非线性函数对各尺度的高频子带系数进行处理,提高图像整体的对比度,增强图像边缘和纹理细节,并通过估计噪声水平设定阈值进行阈值降噪。最后经Curvelet逆变换得到增强图像。实验表明,该方法不仅改善了海底侧扫声纳图像对比度低的问题,而且降低了噪声,突出了声纳图像的边缘和纹理细节。 相似文献
13.
14.
Geometric distortions in side-scan sonar images: a procedure fortheir estimation and correction 总被引：1，自引：0，他引：1
A procedure is introduced for the estimation and correction of geometric distortions frequently observed in side-scan sonar images as a result of motion instabilities of the sonar towfish. This procedure estimates geometric distortions from the image itself, without requiring navigational or altitude measurements. Estimates of the local degree of geometric distortion are obtained by cross-correlating segments of adjacent lines of the image. A mathematical model for the distortions is derived from the geometry of the problem and is applied to these estimates to reconstruct the sampling pattern on the seabed, under the assumption of a planar bottom. The estimated sampling pattern is then used for resampling the image to correct the geometric distortions. The model parameters may also be used for calculating approximate estimates of the attitude parameters of the towfish. A simulation is employed to evaluate the effectiveness of this technique and examples of its application to high-resolution side-scan sonar images are provided 相似文献
15.
Dura E. Yan Zhang Xuejun Liao Dobeck G.J. Carin L. 《Oceanic Engineering, IEEE Journal of》2005,30(2):360-371
A data-adaptive algorithm is presented for the selection of the basis functions and training data used in classifier design with application to sensing mine-like targets with a side-scan sonar. Automatic detection of mine-like targets using side-scan sonar imagery is complicated by the variability of the target, clutter, and background signatures. Specifically, the strong dependence of the data on environmental conditions vitiates the assumption that one may perform a priori algorithm training using separate side-scan sonar data collected previously. In this paper, a novel active-learning algorithm is developed based on kernel classifiers with the goal of enhancing detection/classification of mines without requiring an a priori training set. It is assumed that divers and/or unmanned underwater vehicles (UUVs) may be used to determine the binary labels (target/clutter) of a small number of signatures from a given side-scan collection. These sets of signatures and associated labels are then used to train a kernel-based algorithm with which the remaining side-scan signatures are classified. Information-theoretic concepts are used to adaptively construct the form of the kernel classifier and to determine which signatures and associated labels would be most informative in the context of algorithm training. Using measured side-looking sonar data, the authors demonstrate that the number of signatures for which labels are required (via diver/UUV) is often small relative to the total number of potential targets in a given image. This procedure designs the detection/classification algorithm on the observed data itself without requiring a priori training data and also allows adaptation as environmental conditions change. 相似文献
16.
17.
V. I. Kaevitser N. A. Rimskii-Korsakov I. V. Smolyaninov V. M. Razmanov A. P. Krivtsov 《Oceanology》2016,56(5):714-720
This paper presents the results of three-dimensional acoustic seabed mapping in the region of the Taman Peninsula in the Black Sea using an interferometric side-scan sonar and an acoustic profiler. Mapping has revealed underwater objects identified as manifestations of underwater mud volcanism. Detailed analysis of sonar images of the relief and seabed profiles in the region of the objects has confirmed the original hypothesis. 相似文献
18.
针对侧扫声纳图像目标边缘检测困难的问题,利用二维离散小波变换对侧扫声纳(SSS)声图进行多分辨率分析,对大尺度分解的小波系数进行非极大值抑制,并重构小尺度上的低频分量。联合各尺度上的低频分量,构建SSS声图像素点处特征向量,构成其特征空间,对特征空间进行主成分分析,压缩其维数,并对压缩后的特征向量进行K-均值聚类分析,提取类间边缘线。利用含有沉船的SSS声图,并在其均质区域内加入目标与声影进行验证实验。该方法在实验中边缘检测准确率为0.90,表明该方法的有效性。 相似文献