基于改进SSD的水下光学图像感兴趣目标检测算法研究

针对轻量化目标模型SSD-MV2对水下光学图像感兴趣目标检测精度低的问题,该文提出一种通道可选择的轻量化特征提取模块(SEB)和一种卷积核可变形、通道可选择的特征提取模块(SDB)。与此同时,利用SEB模块和SDB模块分别重新设计了SSD-MV2的基础网络和附加特征提取网络,记作SSD-MV2SDB,并为其选择了合理的基础网络扩张系数和附加特征提取网络SDB模块数量。在水下图像感兴趣目标检测数据集UOI-DET上,SSD-MV2SDB比SSD-MV2检测精度提高3.04%。实验结果表明,SSD-MV2SDB适用于水下图像感兴趣目标检测任务。     

FFBP算法在合成孔径声纳成像中的应用

时域合成孔径成像算法可以更好地适应多子阵造成的方位向采样不均匀问题,并且具有存储空间小、并行处理方便的优点。但精确时域算法运算量非常大,快速分块反向传播投影（Fast Factorized Back Projection,FFBP）成像算法则可以大大降低成像计算量。详细分析了FFBP声程误差的距离效应、孔径合并策略和图像分裂策略、成像的计算量等关键问题,并给出了仿真和实测数据成像结果。通过对仿真和实测成像结果的分析表明：FFBP算法可以提高计算效率,适用于实时合成孔径声纳成像系统。     

一种SAS图像拼接改进算法

SWF算子提取的特征点对图像尺度和旋转具有不变性,对环境变化、噪声以及仿射变换都具有很强的鲁棒性。本文在基于SIFT算子和RANSAC算法的图像拼接算法的基础上,根据SAS图像分辨率高、相邻帧图像重合度大且只存在平移和旋转变换的特点,对提取稳定特征点和计算拼接图像之间特征点匹配对的过程进行了改进。实际的SAS湖试图像拼接处理结果说明,改进算法提高了拼接算法的速度和图像之间的配准精度,增强了算法的鲁棒性。     

基于改进SSD的合成孔径声呐图像水下多尺度目标轻量化检测模型

针对轻量化目标检测模型SSD-MV2对合成孔径声呐(SAS)图像水下多尺度目标检测精度低的问题,该文提出一种新的卷积核模块-可扩张可选择模块(ESK),ESK具有通道可扩张、通道可选择和模型参数少的优点.与此同时,利用ESK模块重新设计了SSD的基础网络和附加特征提取网络,记作SSD-MV2ESK,并为其选择了合理的扩张系数和多尺度系数.在合成孔径声呐图像水下多尺度目标检测数据集SST-DET上,SSD-MV2ESK在模型参数基本相等的条件下,检测精度比SSD-MV2提升4.71％.实验结果表明,SSD-MV2ESK适用于合成孔径声呐图像水下多尺度目标检测任务.     

基于多传感器数据融合的合成孔径声纳运动补偿算法

利用集中卡尔曼滤波技术对多传感器数据进行融合得到运动误差最优估计值,实现比单一设备更高的量测精度.实验结果表明,经过数据融合后的运动补偿图像辐射性能得到提高,目标能量集中,聚焦良好.     

雷达液位测量的精度分析及ZoomFFT算法的实现

文中首先介绍了线性调频连续波雷达（LFMCW）液位测量系统的基本原理,然后阐述了液位测量的精度及影响因素,接着给出了频率估计的方差Cramer—Rao下限。为了提高测量精度及分辨率,需对FFr运算完的频谱进行细化分析。常见的方法有Chirp-z变换、复调制ZoomF丌法等．本文给出了基于复解析带通滤波器的ZoomFFrr算法的分析过程,同时通过计算机用matlab仿真该算法,并在数字信号处理芯片上实现其在液位测量实际情况中的应用,本方法计算效率优越、分辨率高。     

大测绘带合成孔径声呐斜距向分段运动补偿分析

运动误差是限制合成孔径声呐实现高分辨率成像的重要因素。对运动误差在斜距向空变性特点进行分析,研究斜距向分段策略,提出适用于大测绘带合成孔径成像声呐的斜距向非均匀分段补偿方法。沿地距向对回波数据均匀分段,借助距离压缩效应可得到斜距向的非均匀子段,顺应运动误差“先快后慢”的空变规律,实现更准确的误差补偿。仿真结果表明,经过非均匀分段补偿后,目标方位向峰值旁瓣比降低,目标与背景的对比度增强,远近目标聚焦差异性减弱。斜距向非均匀分段补偿方法通过区别处理空变程度不同的远近距离处的回波数据,对大测绘带合成孔径声呐在近距处的成像结果改善尤其明显。      

合成孔径声纳图像纹理分类

纹理是图像的重要特征。合成孔径声纳图像中,水底展示出了丰富的纹理。纹理分析在声图处理中有多种用途,具有重要意义和研究价值。本文比较了不同的纹理描述方法应用与光学图像与声图中时的性能。使用基于支持向量机的主动学习方法,降低了人工标签的工作量。     

一种改进的交互式医学图像序列分割方法

本文介绍了一种结合live wire算法和活动轮廓模型的医学图像序列的分割方法.我们通过把live wire算法和图像分割中一般的区域增长方法结合来改进live wire算法,并用改进后的算法来对医学图像序列中的单张或多张切片进行交互式的准确分割.然后计算机利用活动轮廓模型来自动分割相邻的未分割切片.我们通过在活动轮廓模型的边缘点中引入记录已分割物体边缘附近局部区域特征的灰度模型来把已分割切片中的物体与背景的局部区域特征带入相邻的未分割切片中,并用由灰度模型定义的区域相似性代替活动轮廓模型中的外能来引导边缘轮廓收敛到物体的实际边缘.本文还介绍了一种基于live wire算法思想的简单的分割结果交互式修补方法.实验表明我们的算法仅需少量用户交互就能快速准确的从医学图像序列中分割出感兴趣的物体.