数学形态学运算在声纳图像边缘检测处理中的应用

声纳图像中经常存在较强的背景噪声,噪声的存在使图像中的目标边缘不易提取.本文采用了多尺度形态学算法减少图像中噪声的影响,采用形态学边缘检测方法对降噪后的图像进行处理,并利用形态学运算对得到的边缘图像作断裂曲线连接.实验结果证明本文中采用形态学运算边缘检测的方法优于传统的边缘检测方法.     

基于FRIT循环抽样声纳图像去噪新方法

声纳图像背景复杂,对比度差,边缘恶化,不易判读图像边缘。对声纳图像执行小波变换能够有效去除噪声,但是由于小波的局限性,其对图像边缘的保持效果不佳。有限Ridgelet变换(FRIT)能够有效克服小波变换在处理高维信号时的不足,是一种有效处理二维奇异性信号的新方法。将FRIT处理技术应用在水下声纳图像去噪技术中,基于该方法提出循环抽样FRIT去噪算法,提高了处理结果的信噪比及边缘保持效果。在实验数据比较中,此改进算法优于其它经典方法。     

一种新的全变分块匹配声呐图像降噪算法研究

乘性斑点噪声广泛存在于声呐图像中,严重影响图像质量,该噪声服从瑞利分布 特性。为此,结合基于全变分算法与三维块匹配图像降噪算法(BM3D)设计思路,提出了一种新 的全变分块匹配声纳图像降噪算法。首先对含噪声呐图像利用 2-范数进行块匹配分组;其次由 于声呐图像模糊、纹理细节信息较少等特点,用全变分算法对分组后的图像块进行滤波降噪; 最后对滤波后的图像块进行加权聚类得到降噪后图像。经过实验结果显示,该算法相对于经典 的 Lee 滤波、Frost 滤波、BM3D 和全变分算法有更好的降噪效果。     

基于MATLAB的声纳图像处理

在VC环境下能方便地形成各种用户界面（GUI）,但实现声纳图像的分析和处理难度较大。利用Matlab的混合编程工具COM Builder可实现与VC的混合编程,降低程序开发的难度。利用该编程方法可完成对声纳图像处理软件应用系统的开发,实现对声纳图像的处理和分析。结果表明,此方法适用于图像处理类软件的开发,可以大大降低代码的长度和复杂性,提高软件开发的效率,且由于该类应用系统采用可视化编程技术,因此各种算法可通过菜单来实现。     

多小波变换在声纳图像降噪中的应用研究

与普通光学图像相比,声纳图像受到噪声污染更加严重,为了更好的去除侧扫声纳图像噪声,提高图像质量,保持图像原始信息,该文通过将图像变换到多小波域,结合热传导方程的差分格式与图像的分形维数,提出了一种声纳图像软阈值去噪算法,并将该算法与单小波去噪算法做了比较．该算法只需要含噪图像本身,不需要任何其它先验知识,是一种自适应的去噪算法．仿真试验表明,与单小波去噪算法相比,该算法具有更好的去噪效果,同时较好的保持了声纳图像的原始信息．     

声纳图像处理中的连通成分标记算法研究

在高频声纳图像目标检测中,对图像分割后,需要对前景目标参数进行提取。水下声学图像相对于光学图像而言,分辨率相对较低,并且通常不会有特别复杂的图形图案进行处理。本文根据声学图像的特点,提出了一种连通成分标记算法,利用此算法可以对分割后的声纳目标进行标记,并快速提取出声图中的目标个数,以及各个目标的位置、面积等特征参数。此算法在VC++软件平台上对扫描声纳图像进行了实时处理,结果验证了该算法的可行性。     

形态小波域声纳图像去噪算法

为解决声纳图像易受噪声污染、对比度降低的问题,提出一种形态小波域图像去噪算法.首先构造了可以用于灰度图像处理的形态中值小波,并在实现完备重构的基础上对中值小波进行了提升;然后利用提升后的形态小波,以移位抽取的方式对声纳图像进行完整的形态多分辨率分析;经阈值处理后,最终通过各重构图像的加权平均得到理想的去噪效果.仿真实验表明,形态小波域去噪算法在去除噪声的同时能完好保留图像边缘等重要细节,与传统的小波阈值去噪方法比较,对比度有所提高,图像更加清晰.     

新的声纳图像自动分割方法

对水下声纳图像进行目标分割是非常复杂的,它不仅取决于被分割的不同目标,还与海底混响噪声、背景区域有着紧密的联系。通过分析声纳图像的特点,提出了一种新的声纳图像自动分割方法,即利用一种快速的模糊C均值聚类方法来完成初始分割,然后利用初始分割结果对马尔可夫模型的初始参数进行估计,最后,根据马尔可夫理论进行迭代条件估计,得到精确的图像分割结果。最后利用实测数据,验证了此种算法的可行性和有效性。     

基于NSCT循环抽样的声纳图像去噪方法

针对声纳图像对比度差、不易判别边缘及细节的特点,提出一种有效的声纳图像去噪方法。对含噪声纳图像循环抽样后得到多幅声纳图像,分别执行NSCT变换,选取适当的阈值对变换的系数进行取值,筛选后的系数进行NSCT逆变换;将得到的多幅去噪后的图像空域平均后输出去噪后的图像。通过实验数据比较,此改进算法好于其他经典方法,提高了处理结果的信噪比及边缘保持效果。由于充分利用了NSCT变换的平移不变性,使去噪后的细节保护能力增强。     

日盲紫外图像的降噪

紫外成像技术已广泛应用于各个领域,但紫外图像中的噪声严重影响了图像的质量。分析了日盲紫外图像的噪声特点,采用多帧平均方法和时域递归滤波算法对日盲紫外图像的噪声进行了处理。仿真实验表明:这两种算法均可用于紫外图像的降噪处理,提高了图像的信噪比,特别是时域递归滤波算法。     

水下目标定位S系统的数据采集

本文介绍了水下目标定位S系统的构成，并叙述了数据的时间相关存储的采集方法，据此完成了声纳视频图像信号到图像数字信息的转换并实时记录，为后期正确恢复声纳图像和其他参数，进一步完成数据处理奠定基础．     

样本仿真结合迁移学习的声呐图像水雷检测

水雷检测对于国防安全具有重要意义,然而,由于水下目标声呐成像实验代价较大,通常难以获得足够的水雷声呐图像样本,因此导致难以应用深度神经网络提高水雷等目标的检测精度.针对这一问题,提出样本仿真结合迁移学习的侧扫声呐图像水雷目标检测与识别方法.首先,根据侧扫声呐成像机理,建立水雷目标的仿真模型,进而仿真得到大量水雷目标样本...     

侧扫声呐图像的3维块匹配降斑方法

斑点噪声是影响侧扫声呐图像质量的主要因素,降斑处理对侧扫声呐图像的判别与分析非常重要。针对侧扫声呐图像自身特性和斑点噪声分布特点,提出一种基于3维块匹配(BM3D)的降斑方法。根据海底散射模型,得到侧扫声呐图像斑点噪声的瑞利分布模型,然后通过高斯光滑函数幂变换将瑞利分布的噪声转化为高斯分布,通过对数变换将乘性噪声转变为加性噪声,再进行自适应的BM3D滤波,最后采用逆变换得到降斑图像。实验结果表明,该方法在降噪、边缘和纹理保持等方面均优于空间域、小波域、Curvelet域的一些降斑方法。     

基于多波束前视声纳的AUV实时避障方法研究

在未知海洋环境下的远程航海过程中，基于前视声纳的避障能力是AUV（自治式水下机器人）的一个基本要求．提出了一种基于多波束前视声纳的实时避障专家系统．介绍了声纳特性以及障碍物描述方法,给出了避障专家系统的结构，说明了避障专家系统的决策过程．结合当前任务执行信息设计了专家系统知识库，针对声纳图像设计并实现了一种可以给出避障和重规划指令的推理机．最后，通过湖试对AUV避障专家系统进行了验证．     

基于多分辨率技术的快速全景图图像匹配算法

为了对全景图像进行快速拼接和准确匹配，提出了一种新的基于多分辨率技术，利用相邻图像之间的颜色和边缘信息进行图像拼接的算法。目前应用于全景图制作的图像匹配算法通常要求拍摄时，相机要绕一垂直转轴（如三角架）做水平转动，同时不仅要求拍摄出的相邻图像有较多的重叠部分，而且相邻图像的光照差别不能太大，而新算法则避免了上述的对图像获取条件和图像质量的严格限制。因为该算法受相邻图像间光照强度变换和由镜头带来的图像形变的影响较小，所以在图像匹配实验中，该算法对各种条件下获取的图片都表现出很好的鲁棒性。实验结果表明，该算法在降低计算复杂度的同时，还有效地克服了由图像形变和不同光照条件所带来的图像的拼接困难。     

单波束前视声纳的信息提取方法研究

介绍了一种可用于小型水下机器人的前视声纳信息提取方法。利用该方法获取了声纳视域内目标的方位信息,这在小型水下机器人的自主目标跟踪和避碰方面具有很大的应用价值。该方法主要包括3个部分的内容:利用声纳数据生成声纳图像;对声纳图像进行预处理;从处理后的图像中提取目标的特征信息。针对图像中较大目标的边缘信息,提出了一种基于最小二乘法的分段曲线拟合的方法,并给出了基于实验室的水池中获得的实测数据的拟合结果,验证了该方法的有效性。     

基于纹理的声纳图像识别

通过提取原图像的同现矩阵和小波包分解后系数矩阵的统计量，构成了声纳图像的纹理特征集。通过实验比较进一步证明了该特征集作为纹理表示的有效性。     

PDE模型在声纳图像去噪中的应用研究

偏微分方程方法在光学图像去噪中已有很多成功的应用,但用于声纳图像去噪的情况还不多见。针对声纳图像受噪声污染严重的问题,将偏微分方程原理引入到声纳图像去噪中,重点讨论了两种偏微分方程模型:ROF模型和四阶扩散模型。基于这两种模型对声纳图像进行去噪处理,仿真实验证明了偏微分方程去噪算法的有效性,并对比分析了两种模型的去噪性能。ROF模型适用于低信噪比条件下的声纳图像处理,而四阶扩散模型在高信噪比条件下,能够很好地保持图像边缘,但当噪声污染严重时,其去噪后的SNR比ROF模型去噪低了近10 dB,不利于声纳图像处理。