侧扫声纳数据的格式转换及应用

通过读取Qmips和XTF两种声纳数据格式 ,将其转换成通用的图像格式 ,用于图像的显示、分析和处理。介绍了声纳数据格式转换为Tiff及GeoTiff的方法 ,以及与数据格式相关的地理信息内容的获取 ,转换后的图像因其格式的头信息不同而显示结果不同。

基于回波时间的多波束测深与声纳数据匹配方法

以多波束精确的水深数据为参照源,采用原始回波时间对多波束测深数据与其同源声纳数据进行匹配,从而获得高精度和高分辨率的海底影像数据,并避免了传统声纳图像处理过程中斜距改正所带来的几何形变。匹配结果采用光照图输出,并与三维水深图、原始声纳图像和CARIS处理后的声纳图像进行比较分析。该方法有效地提高了多波束数据的利用率,增强了对海底地形的探测分辨率。

海底声纳数据的可视化去噪算法仿真

海底声纳图像是海底探测中目标回波的数据可视化结果,海底声纳图像的去噪结果对后期目标识别具有重要作用。但是采用当前方法进行海底声纳数据去噪时,存在海底声纳数据边缘细节损失严重的问题,为此提出一种基于最小二乘自适应的海底声纳数据的可视化去噪算法。上述算法首先利用最小二乘自适应算法对一维海底声纳图像信号进行去噪处理,通过多次迭代获得滤波器参数,构成滤波掩模,再对二维海底声纳图像进行滤波,对含噪声的海底声纳二维图像进行NSCT分解,获得具有不同方向信息的高低频海底声纳图像,采用中值算法对海底声纳图像高频部分进行滤波,并采用非局部均值滤波处理海底声纳图像低频部分,综合滤波后的高低频海底声纳图像的噪声情况选取阈值,对不同区域的阈值利用不同的因子进行调整完成对海底声纳数据的可视化去噪。仿真证明,所提算法能够有效提高海底声纳数据的去噪效果,且具有较好的可视化效果。

基于改进CNN-BP的多波束声纳高程数据预测研究

为了建立精准的多波束声纳高程数据预测模型,解决人工鱼礁空方量预测准确性的问题,提出了一种基于改进卷积神经网络(Convolutional Neural Network,CNN)和BP神经网络组合模型的多波束声纳高程数据预测方法。首先,利用改进CNN对高程数据进行全卷积操作提取地形趋势特征,再输入到BP中进一步挖掘内部地形趋势变化规律,从而实现多波束声纳高程数据的预测。然后以某海底牧场的多波束声纳高程数据进行实验,并利用人工鱼礁的空方量进行交叉验证。最后,与传统克里金、BP、GA-BP、PSO-BP模型进行比较。结果表明:改进CNN-BP模型在多波束声纳高程数据和人工鱼礁空方量上的预测结果表现最优,验证了该方法的可行性、可靠性和精度高。

基于改进EZW算法的声纳图像数据压缩研究

本文提出了一种基于整数提升小波变换的声纳图像数据压缩方法。首先,小波变换后图像的主要能量集中在低频子带,将低频部分经过调整后直接存储;其次,将高频部分进行改进的嵌入式零树编码(EmbeddedZero-tree Wavelet,EZW),即在主扫描的过程中输出当前数据的类型码之后,继续输出重要系数的幅值码,取消辅表及辅扫描;最后,将低高频数据合并,从而实现声纳数据的压缩。实验结果表明了该方法的有效性值得借鉴。

基于FPGA的声纳系统数据编码模块设计与研究

本文介绍了声纳系统数据进行以太网传输时编码模块的基本原理。重点阐述了以太网数据传输时CRC编码模块的设计方法,从理论上分析了CRC校验码的产生过程,并给出了在现场可编程门阵列(FPGA)上实现CRC校验码的仿真结果,从而根据以太网帧协议对声纳系统数据进行组帧,通过光纤传输至信号处理模块。本方案能够满足声纳系统数据通信的高速性、可靠性要求,具有广泛的模块化应用背景。

提高水雷探测效果的声纳图像增强算法

对灭雷具系统中显控台对高分辨率图像声纳信号进行转换的计算机辅助探测算法进行了探索,重点介绍了一种能够增强声纳图像中目标信号显示效果的先进算法。从而可以使声纳对目标扫描后的图像更加清晰,与背景对比效果更加明显。为便于理解和比较,同时还引用了已经被国外普遍应用的三种其它算法。

基于D-S信息融合的水下机器人地图构建

针对未知动态环境中自治水下机器人(Autonomous Underwater Vehicle,AUV)的路径规划问题,给出一种基于D-S(Shafer-Dempster)信息融合的水下栅格地图构建算法。首先通过建立一个声纳传感器模型,将声纳数据转换成栅格的信度函数分配值;接着应用D-S证据理论信息融合算法更新地图数据,从而构建出水下动态栅格地图;最后通过真实地图与融合构建地图比较,说明D-S融合算法在地图构建中的可行性。

Multi-beam Sonar and Side-scan Sonar Image Co-registering and Fusing

Multi-beam Sonar and Side-scan Sonar compensate each other. In order to fully utilize all information, it is necessary to fuse two kinds of image and data. And the image co-registration is an important and complicated job before fusion. This paper suggests combining bathymetric data with intensity image, obtaining the characteristic points through the minimal angles of lines, and then deciding the corresponding image points by the maximal correlate coefficient in searching space. Finally, the second order polynomial is applied to the deformation model. After the images have been co-registered, Wavelet is used to fuse the images. It is shown that this algorithm can be used in the flat seafloor or the isotropic seabed. Verification is made in the paper with the observed data.