共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
济州岛南部海域海底声呐图像分析与声学底质分类 总被引:2,自引:2,他引:0
东海北部外陆架靠近济州岛南部海域,是黄海槽向冲绳海槽延伸的部分,属于黑潮分支黄海暖流的通道入口,分布着脊槽相间的海底底形,对其海底声呐图像的处理分析及声学底质分类的分析研究,有助于了解该通道海底底形表层纹理特征及沉积物分布规律。基于在济州岛南部海域获取的多波束声呐数据,应用图像处理技术和方法,对数据进行了处理,获得了海底声呐影像图,并对其表层纹理特征进行了描述和分析;同时,基于多波束反向散射强度数据,结合19组海底地质取样数据,建立研究区海底反向散射强度与沉积物粒度特征之间的统计关系模型,并以改进的学习向量量化神经网络方法,实现对海底粉砂质砂、黏土质砂以及砂-粉砂-黏土3种底质类型的快速自动分类识别。 相似文献
3.
4.
Wavelet analysis of bathymetric sidescan sonar data for the classification of seafloor sediments in Hopvågen Bay - Norway 总被引:1,自引:0,他引:1
In this paper we examine the use of bathymetric sidescan sonar for automatic classification of seabed sediments. Bathymetric sidescan sonar, here implemented through a small receiver array, retains the advantage of sidescan in speed through illuminating large swaths, but also enables the data gathered to be located spatially. The spatial location allows the image intensity to be corrected for depth and insonification angle, thus improving the use of the sonar for identifying changes in seafloor sediment. In this paper we investigate automatic tools for seabed recognition, using wavelets to analyse the image of Hopvågen Bay in Norway. We use the back-propagation elimination algorithm to determine the most significant wavelet features for discrimination. We show that the features selected present good agreement with the grab sample results in the survey under study and can be used in a classifier to discriminate between different seabed sediments. 相似文献
5.
针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。 相似文献
6.
针对海底地形复杂程度分类问题,在考虑传统水深均值的基础上引入坡度和起伏度两个地形因子作为表征海底地形复杂程度的分类指标并进行量化,对水深数据空间分辨率进行统一,建立包含18种典型海底特征的海底地形复杂度分类库,利用BP神经网络对建立的分类库进行训练学习。为验证该方法的有效性和适用性,选取地形复杂度不同的4块实验区分别采用统计学方法和BP神经网络算法进行海底地形复杂度进行分类,对比发现该方法可以实现海区海底平坦、一般、复杂三种地形的自动识别与分类,并保留实验区海底地形复杂度细节信息。 相似文献
7.
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
8.
9.
实现高精度的定位导航是深海采矿车完成海底工作任务的基础条件。在采矿车行进过程中,声呐设备生成的图像信息能够反映海底场景的变化,从而体现采矿车本身的运动,由此建立了一种声呐图像里程计,并将其与轮式里程计和USBL测量数据相结合提出了一种深海采矿车组合定位导航算法。首先对多波束前视声呐图像进行预处理,然后使用Canny算法进行特征检测并对特征点云进行配准,再结合声呐成像原理构建了声呐图像里程计运动模型,最后通过轮式里程计运动模型推导预测方程、声呐图像里程计运动模型和USBL测量数据推导更新方程,利用EKF(extended Kalman filter)算法实现基于多传感器融合的定位与姿态估计。海试数据验证了该组合定位算法能实现轮式里程计、声呐里程计和超短基线在速度、位置、艏向角估计、定位速率的精度互补,具有一定的有效性和精确性,该算法为深海采矿车的定位与导航算法研发提供了参考。 相似文献
10.
11.
12.
多波束声呐图像是进行海底底质分类的主要数据源之一,由于受海洋噪声、声波散射和混响、仪器设备等因素影响,其经各项常规改正后仍存在明显残差,突出表现在中央波束区和条带重叠区,难以形成高质量的声呐图像。文中分析了多波束声呐图像残差的成因及影响,提出了一种基于多条带最小二乘拟合的多波束声呐图像残差处理方法。首先,得到相邻声脉冲(ping)信号中央区域、重叠区域以及整体趋势的拟合函数;然后,通过拟合函数计算得到中央和重叠区域的残差改正系数;最后,通过改正系数进行残差改正。实验分析表明,该方法在保留原始细节的基础上,有效削弱了残差对声呐图像的影响,对多波束声呐图像处理具有参考和应用价值。 相似文献
13.
船载低频多波束测深声纳、侧扫声纳可以对深海海底地形地貌进行快速、高效、大面积探测,但其测量精度有限,难以满足深海科学考察、资源勘探开发对高精度海底地形地貌的需求。随着各类大深度水下移动载体(如深海拖体、水下机器人、遥控潜器和载人潜水器)的涌现,特别是各类耐高压测绘声纳的商业化,使大深度近海底精细地形地貌探测成为可能。首先分析了多波束测深声纳、侧扫声纳和测深侧扫声纳等3种测绘声纳的基本原理,然后分别介绍了各类测绘声纳的国内外典型商业化产品,并通过典型实例分析了其在大深度近海底精细测绘中的应用情况。 相似文献
14.
15.
16.
多波束声呐记录的海底后向散射片段(Snippet)数据处理成角度响应曲线和地理编码(Mosaic)图像可以
帮助识别海底底质类型和反映地貌形态,这一过程包括辐射校正、角度响应改正(AVG)和几何地理编码,但不同的多波束系统硬件在辐射校正和角度响应改正方法上存在差异且传统处理方法忽略了声呐系统本身的指向性模型随时间变化的事实。以声呐方程为基础,针对Kongsberg EM 多波束系统提出了一套完整的Snippet数据处理流程,并分析了各步骤中存在的可变性,给出了每一步的处理建议,最后将此方法应用于EM2040浅水多波束实测数据,并验证了该方法的有效性和实用性。 相似文献
17.
基于自适应增强算法(AdaBoost)结合极限学习机(ELM),通过迭代、调整、优化ELM分类器之间的权值,从而构建了具有强鲁棒性、高精度的ELM-AdaBoost强分类器,增强了现有的ELM分类器的稳定性。以珠江口海区侧扫声呐图像为实验数据,对礁石、砂、泥3类典型底质进行分类识别,该方法的平均分类精度超过90%,优于单一ELM分类器的平均分类精度85.95%,也优于LVQ、BP等传统分类器,且在分类所耗时间上也远少于传统分类器。实验结果表明,本文构建的ELM-AdaBoost方法可有效应用于海底声学底质分类,可满足实时底质分类的需求。 相似文献
18.
19.
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
20.
针对传统分类方法易受到"同物异谱"和"同谱异物"影响,致使河口湿地覆盖分类精度较低的问题,提出一种基于遗传算法优化BP神经网络分类算法。以江苏省临洪河口湿地为研究区,选用哨兵Sentinel-2影像,经辐射校正、大气校正和图像裁剪等预处理后,构建基于自适应遗传算法优化的BP神经网络算法开展临洪河口湿地土地覆盖分类研究,并与传统BP神经网络、支持向量机和随机森林算法进行精度比较。研究结果表明:遗传算法优化后的BP神经网络算法开展河口湿地土地覆盖分类的总精度为96.162 7%,Kappa系数为0.952 0;与传统BP神经网络、支持向量机和随机森林分类算法的分类总精度相比,分别提高了7.359 7%、11.677 9%和6.042 4%;对应的Kappa系数也相应提高了0.090 8、0.118 0和0.074 8;有效解决了河口湿地土地覆盖分类精度低的问题。遗传算法优化后的BP神经网络可实现河口湿地土地覆盖的高精度分类,促进湿地资源的合理开发和保护,为实现海洋生态文明建设提供技术支撑。 相似文献