正态分布转换算法在声纳图像处理中的应用

根据声纳图像匹配处理的实时性需求,研究了正态分布转换算法。该方法基于对图像中目标点的概率分布进行匹配,不需要提取图像的几何特征或灰度特征,可有效缩短匹配时间。通过对均值滤波法、中值滤波法、小波去噪法、形态学平滑法4种图像去噪和迭代阈值法、最大熵法、一维Otsu法和二维Otsu法4种分割算法,进行仿真并对比,选出符合实时性处理的方法,即中值滤波法和一维Otsui法。基于美国德州仪器公司的数字信号处理芯片,将图像去噪、分割和匹配算法在硬件上实现,硬件实现结果和仿真结果一致,实现了声纳图像匹配的实时处理。

多波束声纳图像处理关键技术的研究

海底地形地貌探测是海洋资源开发和工程建设的基础,多波束声纳图像是反映水下地形地貌的重要手段,对其处理技术的研究具有重要意义。文中介绍了多波束声纳图像的形成原理及其特点,分析了影响多波束声纳图像的主要因素,从回波强度数据修正、声纳图像的生成和声纳图像改正三个方面,对多波束声纳图像处理的关键技术进行了详细介绍。总结和分析了目前国内外多波束声纳图像主要处理技术的研究现状和发展趋势,提出了研究多波束声纳图像处理技术的若干建议。

同步码字优化降噪的声纳图像多目标检测方法

针对海底侧扫声纳图像分辨率低、噪声污染严重导致水下目标检测不准确的问题,提出一种结合同步码字优化降噪的水下声纳图像目标检测方法。利用同步码字优化对声纳图像中的乘性噪声进行降噪处理,从而使图像中的水下目标物获得更好的视觉与检测效果,同时对声纳图像进行相应的数据集扩充。最后利用适合本文方法的YOLO系列中的YOLOv7对降噪后声纳图像中的目标物体进行检测,并在其特征网络中加入了卷积块注意模块,从而加强对目标的特征提取。仿真结果分析得出,同步码字优化降噪与YOLOv7相结合的目标检测方法,可使目标置信度达到79%,相较于降噪前的目标检测置信度提高16%,对于目标较小的物体,能更好地改善漏检与误检情况。

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。

基于三维成像声纳技术的AUV前视避障方法

针对自主式水下航行器(AUV)在水下自主航行过程中的避障问题,提出了一种基于三维成像声纳技术的前视避障方法。该方法使用三维成像声纳探测目标,通过声纳目标图像处理提取目标,完成目标的运动状态分析和轨迹预测。通过设置碰撞区域,建立避障模型和设计避障规则,实现了AUV的智能化避障。借助于其他传感器,这些关联模块构成了一个集目标探测、目标提取、轨迹预测、避障与路线回归等功能于一体的闭环系统。

基于成像声纳的水下管线跟踪方法

针对传统光学传感器易受海水浑浊度影响,采用成像声纳作为自主水下机器人的信息输入,研究如何对水下管线进行跟踪控制。由于声纳图像噪声大、分辨率低,采用了相应的图像处理方法。首先通过多尺度膨胀滤波算法增强管线特征,然后进行Canny边缘检测,最后利用Hough变换提取管线。水下管线跟踪分为搜索和跟踪两个阶段,针对管线位置大体已知和未知的两种情况分别采用随机和往复搜索方式;跟踪阶段提出了基于行为的控制算法,即将跟踪任务分为找到管线、接近管线、跟随管线和管线丢失等四个子任务,在不同的子任务内执行不同的控制策略。将图像处理算法进行了实验验证,管线识别率达到90%以上,并将搜索和跟踪算法在三维仿真环境中进行了仿真验证,表明该算法具有较好的有效性和实时性。