声呐图像水下目标识别综述与展望

随着海洋资源开发和水下作业的增加,声呐图像水下目标识别已成为热门研究领域。该文全面回顾了该领域的现状和未来趋势。首先,强调了声呐图像水下目标识别的背景和重要性,指出水下环境复杂和样本稀缺增加了任务难度。其次,深入探讨了典型的成像声呐技术,包括前视声呐、侧扫声呐、合成孔径声呐、多波束测深仪、干涉合成孔径声呐和前视三维声呐等。接下来,系统地审视了二维和三维声呐图像水下目标识别方法,比较了不同算法的优劣,还讨论了声呐图像序列的关联识别方法。最后,总结了当前领域的主要挑战,展望了未来研究方向,旨在促进水下声呐目标识别领域的发展。

基于主动识别声呐的养殖塘南美白对虾探测与初步分析

为实现高效、快速和准确的虾类识别和行为观测,提出一种基于主动识别声呐(DIDSON)的养殖塘南美白对虾探测和行为分析方法。该方法利用无人艇搭载主动识别声呐(DIDSON)对养殖塘设置的8个观测点进行连续定点观测,利用基于ECHOVIEW构建的虾类识别计数模型对采集的图像数据进行识别提取,通过目标识别、目标提取、通量分析以及方向分析等方法获得养殖塘南美白对虾的初步行为特征。试验在8个观测点观测的虾群数量极值分别为251只和208只,均值为234只,单位时间内的虾群通量区间为[108,131]只/(min·m^(2)),不同点位虾群正向游塘的占比均大于85%,通量变化较小。结果显示,该方法可以观测到养殖塘内虾群存在规律性的游塘行为,相较于传统的水下视觉观察和被动声呐调查,有效解决了养殖塘中虾群行为观测的难题,为制定更加高效的虾塘饲养和管理方案提供科学的数据支持。

点云投影结合轻量化卷积神经网络实现三维成像声呐快速目标分类

三维成像声呐的成像结果是三维点云,基于点云的三维成像声呐目标分类方法具有网络结构复杂、计算量大的特点。针对这一问题提出了一种将三维成像声呐成像结果从三维点云投影至二维图像的方法,并且使用轻量化卷积神经网络实现了三维成像声呐快速目标分类。该方法首先对三维成像声呐波束形成后的波束域数据进行最大值滤波和阈值滤波,以降低点云数据维度;接着,依据三维成像声呐的波束方向,将点云投影为深度图和强度图,分别保存点云的位置信息和强度信息;然后,利用深度图和强度图分别作为第一个通道和第二个通道构建混合通道图,将混合通道图作为目标分类网络的输入,从而将三维点云的目标分类问题转换为二维图像的目标分类问题;最后使用MobileNetV2网络实现了三维成像声呐快速目标分类。实验结果表明,提出的投影方法可以用二维图像分类网络完成三维成像声呐点云的目标分类任务;而且训练过程中混合通道图比单独的深度图和强度图收敛速度更快,结合目标分类网络可以实时进行目标分类,在真实数据集上分类正确率达到了91.13%。

基于谱残差法的主动声呐疑似目标自动拾取

针对主动声呐干扰遍布的B显画面上目标亮点难以拾取的问题,本文提出一种基于谱残差法视觉显著性处理的疑似目标自动拾取方法。在主动声呐图像的概念之下,研讨了自然图像中视觉显著体的发现与主动声呐图像中疑似目标拾取的相似机理,依此进而说明了本文方法的机理、核心框架以及关键处理环节,包括预处理声呐图像、生成显著图、估算拾取阈值以及标定疑似目标等。海试数据处理结果表明:相较于基于局部相对能量分析的对照方法,本文方法对已知目标具有更低的漏报率,同时亮点拾取数量减少约40%,且处理耗时减少约37%。

基于视觉显著性的主动声呐背景均衡方法

针对主动声呐检测输出中的混响与辐射噪声泄漏等干扰抑制问题,提出了一种基于视觉显著性检测的背景均衡方法。首先,建立起主动声呐图像的概念,从视觉显著性统计规律上研讨其与自然图像的相似性;然后,在图像处理框架下提出一种基于二维频谱残差显著性检测的主动声呐背景均衡新方法,并引入图像熵作为均衡效果的评价依据。经海试数据验证,该方法能有效抑制混响片状干扰与辐射噪声条带状干扰,增强回波亮点,相较于常规的加权二维均值背景均衡方法图像熵值降低约2/3,运算速度提高约一个数量级。

基于法线微分的3维声呐点云自适应简化方法

在不损失原始点云数据质量的前提下,大幅约简点云数据量是减少存储空间、降低后期计算强度的重要预处理步骤。针对这一需求,提出了针对水下3维声呐点云数据的自适应简化方法。首先,定义法线微分算子来识别点云中几何尺度的骤变,从而实现原始点云中边界部分点云和主体部分点云的分割。其次,对于点云的边界部分,应用移动最小二乘法来对边界点进行优化,降低噪点的影响,并保持其曲面的几何一致性;基于体素栅格结构,在边界上使用八叉树进行降采样,并在此基础上实施局部最远点采样,在实现均匀简化的同时保证已简化点云的边界部分具有各向同性,有效保留边界部分点云的几何特征信息。再次,对于点云的主体部分,为保持简化后点云整体的各向同性,使用体素中心采样法来减少数据量。然后,通过高斯滤波平滑点云表面,最后,整合简化后的边界点云和主体点云,得到简化结果。实验结果表明,提出的简化方法计算成本低、处理速度快,在与现行典型算法保持一致简化率的情况下,对水下点云数据的简化速度提高了约32%。另外,通过表面密度对比与几何失真分析,证明了提出方法对水下3维点云边界点及整体分布的优化作用。综上,此方法能提高水下作业目标探测效率,得到保留重要几何特征信息并具有各向同性的水下任务目标点云简化结果。

多子阵合成孔径声呐6阶方位空变运动补偿快速算法

为解决6自由度运动误差存在情形下的多子阵合成孔径声呐快速运动补偿与成像问题,本文提出一种多子阵合成孔径声呐6阶方位空变运动补偿快速算法。在考虑6自由度运动误差随方位时间6阶空变特性的基础上,对双根号形式距离历程进行泰勒级数展开并保留至6阶项,进而推导得到严格解析的点目标响应二维谱,通过对传统四阶模型的距离多普勒算法进行改进,同时实现了6自由度运动误差的快速补偿和图像重建。仿真分析和实测数据成像结果表明了所提算法的有效性和高效率,可为大场景宽测绘带多子阵合成孔径声呐快速运动补偿和高分辨成像提供理论依据。

多源干扰下侧扫声呐图像复原的综合校正研究

为了减少因海洋环境以及侧扫声呐工作机理等干扰所造成的声呐图像畸变,提出多源干扰下侧扫声呐图像复原的综合校正方法。针对辐射图像明暗区域差异明显、轮廓特征模糊等问题,基于双伽马函数和Retinex理论设计辐射均衡化和轮廓清晰化算子,实现了图像辐射校正;针对环境干扰及工作机理所造成的图像水柱区及图像压缩等问题,设计了海底点检测因子并通过获取实际平距实现斜距校正;针对AUV速度波动造成的图像异常拖拽和压缩等问题,基于经纬度设计航行速度,并通过校正比例系数复原图像块来实现速度校正。实验测试结果表明,相较于其它方法,文中综合校正方法不仅使校正图像具有均衡性好、特征轮廓清晰、水柱区基本消除和两舷图像衔接平滑的优点,而且SNR指标平均提升了6.060%、ENT指标平均降低了16.583%、SD指标平均降低了49.904%、ENL指标平均增加了78.347%,有效实现了侧扫声呐图像的复原。

融合航迹和磁罗经信息的侧扫声呐瞬时航向修正

为了消除航向偏差引起的侧扫声呐成图几何畸变,提高侧扫声呐镶嵌成图的质量,本文充分考虑了航迹推估航向和磁罗经航向趋势的一致性、拖鱼磁罗经航向相较船体运动的滞后性、磁罗经偏差的不稳定性等航向数据特点,提出了一种利用航迹推估航向低频信息修正磁罗经瞬时航向的方法。该方法包括航向序列小波分析、峰谷匹配、磁罗经偏差修正模型构建等内容,并通过实测数据处理和应用验证了该方法的有效性,采用修正后的磁罗经航向进行条带图像编码镶嵌,目标形状完整、轮廓过渡自然,相邻条带共视目标特征一致性显著提高。本文工作对提高传统侧扫声呐成图质量、挖掘侧扫声呐图像定量分析潜力具有重要意义。

声呐渗流测试技术之质疑

介绍了近年来新出现的用声呐法测试渗流速度和渗流方向这一技术的核心内容,包括测试装置、测试原理和计算方法等。从理论和实践上对其提出了4方面的质疑:测试原理的理论基础、渗流速度计算方法、渗流方向确定和流场畸变。通过理论分析、公式的推导和数据的可靠性分析后认为:声呐测试渗流的原理缺乏理论解释;计算渗流速度的公式反映的只是孔内垂向流速度,实际还是由测量误差产生的伪垂向流速度,且该公式本身就推导不成立;无论垂向流是向上流动或向下流动,探头上部的水声器发射的声波到达下部平面对称分布的6个水声器的时间在理论上是相等的,因而也无法通过合成法求得渗流方向,所提供的渗流方向实际是由指数级时间误差计算得到的伪流向;即声呐法无法获得渗流速度,包括水平向渗流速度和垂直向流动速度,也无法获得水平向渗流方向。

利用前视和测高声呐的UUV地形跟踪动态路径生成方法

保持对海底地形的定高跟踪航行是无人水下航行器(UUV)执行海洋勘测和水下目标搜索任务时常采用的一种运动形式,其核心是UUV如何对未知起伏的海底地形进行实时探测,并基于探测信息在线、动态地生成跟踪路径,以实现对地形的定高跟踪航行,同时避免与地形发生碰撞。针对上述问题,提出了一种基于前视声呐探测地形信息、基于多项式拟合动态生成跟踪路径的方法。首先,UUV利用前视声呐对海底地形进行实时探测,对获得的地形探测数据进行仿射处理后,得到具有离散特性的定高仿射数据。然后,采用基于最小二乘准则的三次多项式方法对仿射数据进行拟合,生成基于多项式函数描述的UUV地形跟踪航行路径。最后,设计了一种包含声呐探测、数据仿射、路径生成和跟踪控制的动态执行框架,实现UUV的实时地形跟踪航行任务。文中所提出的跟踪路径生成和动态执行框架通过对典型的海底“上坡”地形和“山地”地形跟踪的仿真验证,证明了其有效性和可行性。

声呐流量计技术综述

声呐流量计是一种基于声呐阵列波束形成技术的新型高端流量测量仪表,本文阐述了声呐流量计的测量原理和应用场景。首先,介绍了声呐流量计的发展现状;其次,阐述了测量介质流速的对流技术,主要包括湍流漩涡的移动速度和校准公式,以及测量介质声速的声学技术主要包括管道一维声波、GVF含气率和管道声速衰减公式,重点是在波数-频率(k-ω)域所形成的“对流脊”和“声学脊”;然后,与传统流量计比较分析了声呐流量计在衬里、HDPE、积垢、铁磁矿方面的应用优势和不足;最后,从纸浆和油砂行业应用列举了声呐流量计的技术特点。声呐流量计在准确度和可靠性方面有显著的技术优势,具有广阔的市场应用前景。

结合Lee滤波的NL-Means声呐图像滤波方法

声呐图像中存在的散斑噪声不仅极大地影响了图像质量,还对图像的后续分割、增强、边缘检测等增加了很多负面影响.针对这一问题,提出了结合Lee滤波的NL-Means算法:先用Lee滤波算法对声呐图像进行一次滤波,再用滤波后的图像计算NL-Means算法中的权重部分的权值,最后用NL-Means算法结合该权重进行滤波.改进的滤波方法避免了权重计算过程中由于噪声的影响而使导致权重偏小的问题,精确了NL-Means算法中的权重分配.实验证明,改进方法对声呐图像的散斑噪声不仅有更好的抑制效果,还提升了图像的质量.

反蛙人声呐的相控波束稳定

吊放式反蛙人声呐的水下姿态不稳定性对设备性能带来不利影响,声呐湿端姿态倾斜会使各波束主瓣平面偏离水平面,导致水平面内的发射声波强度损失以及海底、海面混响反射强度的增加,姿态旋转则会造成声呐接收方位失真。文章在推导给出湿端陀螺坐标系与大地坐标系之间姿态变换关系的基础上,基于大地坐标系内的姿态和横滚角,以相控俯仰实现导引方位上的发射波束稳定,在纵倾6°情况下,于波束导引方位可获得2.7 dB的波束稳定增益;以湿端横滚角补偿进行接收波束的方位修正,弥补陀螺航向角修正的精度误差,在纵倾6°情况下,能克服最大0.56°的方位修正误差;将仿真结果和有关试验数据进行了分析比较,验证了相控波束稳定方法的工程可行性。

排水管道声呐成像检测中换能器阻抗匹配技术研究

针对目前声呐检测信号易震荡拖尾、电声能量互换效率低和排水管道声呐检测图像难以分辨等问题,着重研究导致这些问题的收发一体声呐换能器阻抗匹配核心技术,从声呐换能器等效电路建模、阻抗匹配网络设计和电路实现并测试三个方面进行了详细分析。对加入阻抗匹配电路前后的声呐换能器测试结果进行了对比分析,结果表明,所设计的阻抗匹配电路简单有效,声呐成像图像清晰,并且声呐成像检测结果定量分析误差率低,被测试物体长度、宽度和对角线距离的声呐检测量误差率分别为1.04%、1.71%和1.37%,符合最新的行业技术标准。研究成果能够提升排水管道病症检测的能力,对城市内涝灾害防治具有重要意义。

基于背景抑制与改进多尺度LSD的声呐小目标检测算法

针对声呐小目标检测由于水下环境复杂、目标回波信号弱等因素造成虚警率和误检率较高的问题,文章提出基于背景抑制和改进直线分割检测(Line Segment Detection,LSD)的检测算法。首先对原始声呐数据截取序列片段,构建多周期累积历程图,凸显运动目标轨迹线特征;其次设计边缘滤波算子,有效滤除部分背景噪声,并结合投影变换进行线特征增强,不仅实现了断裂直线重连,还抑制了剩余噪声;然后基于图像金字塔改进了多尺度LSD直线分割检测算法,有效缓解了过检测问题,大幅增加了直线平均长度;最后为了合并冗余检测信息,利用运动轨迹时空一致性特征设计后处理模块,提高了检测定位精度。通过多组无人遥控潜水器(Remotely Operated Vehicle,ROV)、潜水员、空心球靶小目标序列的湖试、海试数据的定量与可视化结果定性分析,实验结果显示,文中算法与传统LSD相比,误检率和漏检率分别降低了11.2和3.9个百分点,定位误差下降了1.495个像素。结果表明,文中所提算法大幅提高了声呐小目标检测精度,为后续水下目标识别、跟踪等任务奠定重要基础。

DOST在声呐图像滤波中的应用

声呐图像的滤波作为图像预处理的首要环节极其重要。但声呐图像具有存在对比度低、灰度值范围小且有用信息不明显的缺陷,传统滤波方法在声呐图像滤波中不能得到良好的效果。故本文将DOST应用于声呐图像的滤波中。通过小波阈值方法确定阈值,再用硬阈值函数去除高频DOST系数,最后进行逆变换,得到滤波后的图像。文中还用多种评价指标对比了多种滤波方法,并用真实声呐图像进行了分析,证明了其的实用性。

基于计算机图形的声呐图像生成关键技术研究

为提高水下目标探测的图像质量,研究一种基于计算机图形的声呐图像生成(Computer Graphics-based Sonar Image Generation,CG-SIG)方法。该方法结合声学物理建模、计算机图形渲染、深度学习优化技术。实验结果表明,CG-SIG方法生成的声呐图像在峰值信噪比(Peak Signal to Noise Ratio,PSNR)、结构相似性(Structural Similarity,SSIM)、平均主观得分(Mean Opinion Score,MOS)指标上均优于传统方法,为水下目标探测提供了可靠的图像支持。

基于改进Canny算子的声呐图像边缘检测

目标的识别与解译是声呐图像处理中的一项重要任务。受到海底混响噪声和复杂背景的干扰,声呐图像有对比度差、分辨率低、噪声严重的问题,给声呐图像的目标识别带来了显著的挑战。为此,本文提出了一种改进的Canny算子边缘检测方法。通过LEE滤波器去除噪声,其次用OTSU阈值法划分高低阈值,最后运用Laplacian算子检测离群点并将其去除。本文将该方法命名为Canny-Laplacian算子(C-L算子)。本文使用多种边缘检测方法与改进的方法对真实声呐图像进行了处理,并在连续性、完整性和准确性上进行了对比。本文使用多种评价指标进行定量分析,证明了本文方法在声呐图像的边缘检测上有更好的效果。

基于主被动联合工作声呐探测信息的UKF目标运动要素解算方法

目标运动要素作为水下作战的重要信息,其解算结果会对目标命中概率产生较大影响,进而影响打击决策。目前传统的水面舰反潜目标运动要素解算方法信息来源为主动声呐。由于主动声呐采用固定送数周期,在连续跟踪过程部分时间段目标信息存在空隙,导致目标运动要素解算结果误差大、收敛速度慢。为了更加快速、准确地获得目标运动要素,文中将被动声呐观测信息加入到滤波过程中,使用无迹卡尔曼滤波方法对只采用主动声呐探测信息方式及主被动声呐联合探测信息方式进行仿真研究,并对结果进行对比分析。仿真结果表明,在其他条件相同的情况下,与传统方法相比,文中方法可明显提高收敛精度和速度,使速度解算精度平均提升33.55%,方位角解算精度平均提升38.99%,航向解算精度平均提升35.29%,验证了该方法的有效性。