基于NSCT域边缘检测的侧扫声呐图像分割新方法

针对侧扫声呐图像混响噪声严重、对比度低、分割困难的问题,根据侧扫声呐图像成像特点,提出一种基于非下采样Contourlet变换(NSCT)域边缘检测和区域生长的侧扫声呐图像分割新方法.首先,对侧扫声呐图像进行NSCT分解,通过K均值聚类法在NSCT域低频部分对阴影进行分割;然后通过寻找NSCT域高频层由同一粗尺度分解的2个细尺度相邻子带系数差的模极大值位置,来选择图像边缘点,并进行尺度内、尺度间的边缘融合;最后,利用基于边缘的区域生长方法完成对目标的分割.实验结果表明,该方法对侧扫声呐图像分割具有抗噪性能好、正确分类率高以及边缘定位准确等优点.     

一种抑制声呐图像散斑噪声的形态学滤波器

声呐图像散斑噪声抑制是声呐图像处理领域重要的难题。设计一种抑制声呐图像散斑噪声的形态学滤波器。该滤波器中,对于每一个尺度,利用不同方向的2种结构元素分别对声呐图像进行闭开、开闭运算,将运算结果以图像熵比值作为融合准则进行图像融合得到该尺度下的一级滤波图像;利用该尺度下另外2种不同方向的结构元素分别对一级滤波图像进行闭开、开闭运算,将运算结果以图像熵比值作为融合准则进行图像融合得到该尺度下的二级滤波图像。然后,将不同尺度下的二级滤波图像以图像熵比值作为融合准则进行图像融合得到最后的滤波图像。实验结果表明,与中值滤波、Lee滤波、Kuan滤波、Frost滤波等比较,设计的滤波器有更好的抑制声呐图像散斑噪声能力,而且不降低图像边缘保持能力。     

基于改进贝叶斯估计的水下地形匹配辅助导航方法

以多波束测深数据为依据,提出了一种基于贝叶斯估计的智能水下机器人(autonomous underwater vehicle,AUV)水下地形匹配辅助导航方法,针对在地形特征不明显区域该方法伪点增多的不足,引入了费希尔判据准则,提出了一种以最大有向特征参数作为二次判别依据的贝叶斯-费希尔估计方法,该方法有效地减少了伪点的个数,增强了地形平坦区域的识别率,对初始定位误差具有良好的鲁棒性。基于电子海图数据和多波束海上实验数据的仿真定位结果,表明了该方法的有效性和可行性。     

Curvelet变换域图像融合算法

本文提出一种基于Curvelet变换域的局部区域能量匹配度的图像融合算法.该算法利用Curvelet变换多尺度和各向异性特征,可在保持图像稳定性的同时增强图像的细节信息,用于同一场景不同聚焦图像的数据融合可获得理想的结果.定量分析了在添加不同方差高斯噪声情况下利用小波和本文方法得到的融合图像对应原标准图像的峰值信噪比(PSNR).实验结果表明采用本文的图像融合算法在信息熵、结构相似度等方面均好于经典算法.     

基于循环平移和DTCWT的声呐图像滤波方法

声呐图像散斑噪声的存在严重影响声呐图像的人工判读和自动识别。声呐图像散斑噪声滤波是声呐图像处理领域的一个重要难题。双树复小波变换(DTCWT)因其具有近似的平移不变性、良好的方向选择性已被应用于图像滤波。但这种平移不变性的近似性使得DTCWT不能较为彻底地抑制伪吉布斯现象,而导致滤波后图像的边缘存在一定程度的模糊。为了减小伪吉布斯现象和声呐图像边缘模糊,将循环平移与DTCWT结合使用,提出一种基于循环平移和DTCWT的声呐图像滤波方法。实验结果表明,该方法在滤除声呐图像散斑噪声的同时能够较好地保持声呐图像的边缘。     

空间约束FCM与MRF结合的侧扫声呐图像分割算法

针对侧扫声呐图像斑点噪声强、目标分割困难的问题,提出了一种基于空间约束的快速模糊C均值聚类(SCFFCM)与马尔可夫随机场(MRF)相结合的分割算法。为克服噪声干扰,该算法首先基于贝叶斯最大后验概率理论在非下采样Contourlet变换域去除声呐图像中的强斑点噪声;然后为加快分割速度,提出SCFFCM算法,该算法用于给出一个较好的初始分割;接着由初始分割计算MRF模型的约束场,再根据图像邻域内灰度波动情况自适应更新结合权值,进而求解得到FCM模糊场与MRF约束场的联合场,并基于最大概率准则得到分割结果;最后,采用形态学去除分割结果中的孤立噪点,并完成孔洞填充。对仿真及实际的侧扫声呐图像的分割实验结果表明,所提算法较FCM和现有的一些FCM改进算法有更强的抗噪能力、更高的分割精度以及更快的运算速度。     

基于无人艇载侧扫声呐的水下目标定位方法研究

水下目标高精度定位是无人艇开展海底测绘、航道清理、沉船打捞等任务的重要前提。 然而,现有的基线式定位方法无法对未知水域内的目标进行精确定位。 实际任务中,无人艇往往需要搭载侧扫声呐并辅以其他手段来确定水下目标的准确位置。 针对无人艇水下目标定位难题,首先对侧扫声呐水下目标定位过程进行建模,然后分析姿态误差对水下目标定位造成的影响,利用姿态矫正矩阵消除姿态误差,最后利用离散卡尔曼滤波算法对多点测量数据进行最优估计,得到水下目标的精确位置。仿真实验和无人艇集成实验结果表明,该定位方法能够有效的减小测量过程中的误差,平均定位精度达到 0. 334 m。     

基于贝叶斯自适应估计的光子计数集成成像

针对光子数极少环境下三维目标的重构问题,基于光子计数集成成像系统提出了一种贝叶斯自适应估计方法,来提高三维目标深度切片的重构质量。首先,通过光子计数集成成像系统获得一系列光子计数元素图像。接着,从光子计数过程的泊松分布出发,利用集成成像系统中对于同一个目标像素的多次采样特性,引入了局部自适应均值因子,从而建立起元素图像像素光子数估计的单参数后验概率模型。最后,通过后验概率模型的均值计算获得更新后的光子计数元素图像,并基于光束可逆原理重构出深度切片图像。实验结果表明:采用该方法在场景的两个深度处重构的切片图像相比传统贝叶斯重构图像的峰值信噪比提高了7.4dB和8.5dB,极大地提升了微弱光三维目标的重构质量。     

基于贝叶斯估计的测试性仿真评估方法研究

经典测试性参数估计方法仅利用了样本所提供的关于总体的信息,没有利用关于待估统计量的其他信息,例如装备在研制阶段的测试性摸底试验以及丰富的专家数据;因此,这种经典估计方法在小样本情况下,很难真实反映装备的测试性水平。针对以上问题,本文提出了一种在获取仿真试验数据的前提下,进行综合装备先验信息测试性评估的方法,即基于贝叶斯估计的测试性水平估计,研究了测试性参数先验信息获取方法,给出了测试性参数的点估计和区间估计方法。     

基于递归量化观测的复合材料损伤贝叶斯估计方法

针对复合材料损伤定位定量识别中损伤指数构建困难与损伤预测的不确定性问题,提出一种基于递归量化特征观测的损伤状态贝叶斯概率估计方法。该方法无需基准无损信号参考与损伤波包识别,采用Lamb波信号的递归量化分析(RQA)特征,从结构非线性动力学角度对复材板内部损伤进行观测,根据特征与损伤位置大小的相关性与单调性进行了敏感特征筛选。根据各传感路径信号的RQA特征与损伤形态参量间的线性/非线性关联特性,采用多变量二次交互模型建立了损伤状态的特征描述空间。综合考虑各传感路径中RQA特征对损伤观测的不确定因素,建立了复材板损伤状态的观测模型,采用贝叶斯更新算法对复材板损伤位置尺寸进行估计。复材板的脱层损伤仿真分析结果表明,本文提出方法无需分析结构损伤与Lamb波的复杂交互机制,就能同步实现复材板内部损伤的量化评估与定位分析,估计出的损伤位置大小在仿真模型的损伤参数设定值的75%置信区间内,损伤估计成像区域与仿真损伤区域相符合。复合材料板的疲劳损伤试验分析结果表明,采用本文方法经过24次迭代更新后,得到的损伤面积与大小完全覆盖了X射线扫描检测的真实损伤。该方法充分考虑了复材板损伤评估中的不确定因素,更加贴合复合材料结构损伤检测与评估的工程实际应用,具有较好的应用前景。     

基于Curvelet变换的SAR图像增强

曲波变换(Curvelet transform)是小波变换的延伸和最新发展,具有各向异性和多方向性等良好特性,是表示分段平滑曲线边缘的最优基.本文阐述了Curvelet变换的基本原理,并提出基于第二代Curvelet变换的SAR图像增强算法.对含有舰船尾迹的海洋SAR图像进行增强,仿真实验结果证实了算法的有效性.     

基于Curvelet变换的图像自适应增强

给出了一种基于Curvelet变换的图像自适应增强算法。该算法充分利用Curvelet变换对2-D图像具有更强的表达能力的特点,自适应地调整不同Curvelet子带的抑制噪声的范围和放大信号Curvelet系数的强度。实验结果表明该算法取得了良好的效果。     

带预处理的双树复小波医学超声图像去斑

针对现有方法在去除医学超声图像斑点噪声上的局限,提出一种带预处理的双树复小波变换的去斑算法。先从超声I/Q图像中提取实部,并从中"盲估计"出系统的点扩散函数;然后通过维纳滤波,估计组织反射率图像;接着对该图像作同态变换将乘性噪声转化为加性,并进行噪声高斯化处理;最后采用双树复小波变换和双变量收缩函数,获得去斑后的超声图像。分别对同质和边界区域的超声仿真图像、实际超声血流图像采用本文方法和现有方法进行比较实验,结果表明,采用本文方法可将超声图像的斑点信噪比和边界保留指数平均提高2.066和4.091倍,归一化均方差平均降低3.831倍,整体性能指标优于现有方法。     

基于Curvelet变换的遥感图像融合研究

Curvelet变换是继小波变换之后,更适合图像处理的一种新的多尺度变换分析方法,相比小波而言,它更加适合分析二维图像中的曲线或直线状边缘特征,而且具有更高的逼近精度和更好的稀疏表达能力,同时也具有很强的方向性.本文论述了Curvelet变换的理论和实现算法,基于考虑图像中的那些弱的边缘,提出了一种利用Curvelet变换进行遥感图像融合的方法.实验结果分析表明:将Curvelet变换引入图像融合,能够更好地提取原始图像特征,为融合图像提供更多信息,使融合图像在较好地保留光谱信息的同时,空间细节信息得到增强,优于典型的IHS变换、主分量变换及小波变换图像合方法.     

基于水平集和支持向量机的图像声呐目标识别

为了能实现水下遇险目标的精确定位,首先要对声呐所获取的图像进行目标识别。利用水平集法获得水下声呐图像中目标轮廓后,提取目标轮廓的7个不变矩作为特征矢量,并将获取的不变矩特征输入到已经训练好的支持向量机中进行识别,从而得到识别结果。所使用的识别方法综合了基于水平集提取轮廓的长处,不变矩的位移、尺度、旋转不变性的特点和支持向量机在小样本、非线性模式识别中的独特优势。实验结果表明:该方法对高分辨率图像声呐具有较高的识别率和较低的误判率,对原始声呐图像的目标识别率高达99%,对加入方差为0.09的高斯噪声的声呐图像的目标识别率可以达到97%。     

基于最大似然的超分辨率图像复原方法

从超分辨率图像复原的实际应用出发,提出了一种基于最大似然的序列图像复原方法.在通用线性观测成像模型下,利用改进的奇异值分解法估计成像系统点扩散函数,通过高斯金字塔结构下的光流场方法估计图像间的亚像素级平动,利用基于统计特性的方法估计图像噪声方差等.根据以上参数及部分先验知识,运用最速下降迭代算法实现基于最大似然的超分辨率复原,并对迭代结果进行维纳滤波.计算机模拟实验结果表明,该方法具有较好的复原效果,其性能优于典型的反向迭代投影法.利用实际视频图像的复原实验证明了该方法的实用性.