基于聲納圖像多分辨率處理的目標(biāo)檢測(cè)與跟蹤.pdf

1、伴隨著海洋礦產(chǎn)資源開發(fā)、海洋工程、海洋開發(fā)等領(lǐng)域的日新月異的發(fā)展,工作在水下機(jī)器人、遙控潛水器等多種載體上的聲納系統(tǒng)除了需要?jiǎng)偃螛O端環(huán)境下的工作外,還需要高分辨率的成像、目標(biāo)識(shí)別能力以及多個(gè)聲納圖像的匹配及識(shí)別能力,以滿足區(qū)域的高分辨率地形地貌測(cè)量、準(zhǔn)確分辨海底起伏劇烈區(qū)域以及沉底小目標(biāo)和水中目標(biāo)的探測(cè)等需求。由于聲納設(shè)備成像的非線性和水下聲場(chǎng)環(huán)境的復(fù)雜性,所采集到的水下聲納圖像具有背景噪聲包含的灰度級(jí)比較豐富,聲納圖像的目標(biāo)區(qū)域灰度級(jí)

2、相對(duì)較少等特點(diǎn),這些特點(diǎn)對(duì)后續(xù)的聲納圖像目標(biāo)檢測(cè)與定位跟蹤等工作帶來了很大的難度。多分辨率分析屬于多尺度細(xì)化分析,通過基函數(shù)的平移、伸縮等運(yùn)算對(duì)信號(hào)進(jìn)行局域時(shí)頻分析,從信號(hào)中能有效地提取信息,是信號(hào)處理的研究熱點(diǎn)和前沿課題,是目前國際公認(rèn)的信號(hào)與信息處理領(lǐng)域的高新技術(shù)。它在信號(hào)濾波、圖像去噪、圖像分割、圖像識(shí)別等領(lǐng)域的應(yīng)用越來越多地受到人們的重視。
　　 本論文主要研究多分辨率分析及其在2D聲圖像及3D序列處理中的應(yīng)用,主要在聲

3、納圖像的去噪增強(qiáng)等預(yù)處理、圖像區(qū)域分割、運(yùn)動(dòng)目標(biāo)分割、目標(biāo)及敏感區(qū)域特征提取、目標(biāo)跟蹤定位和多聲納場(chǎng)景目標(biāo)匹配等方面進(jìn)行了研究。
　　 首先,對(duì)常用的多分辨率變換方法及傳統(tǒng)的圖像去噪方法進(jìn)行了概括性的介紹與分析。闡述了聲納的成像機(jī)理及水下目標(biāo)聲圖像的統(tǒng)計(jì)特性。針對(duì)水下目標(biāo)聲納圖像不易判別邊緣及細(xì)節(jié)、對(duì)比度差等特點(diǎn),提出了三種基于多分辨率工具的聲圖像去噪方法,其中包括基于抽樣矩陣的Surfacelet變換水下目標(biāo)聲圖像去噪方法、水

4、下目標(biāo)聲圖像分塊自適應(yīng)降噪方法、基于三維上下文模型的水下目標(biāo)聲圖像降噪方法。這些方法具有平移不變性,多向性,圖像及序列的空域與時(shí)域相關(guān)信息利用率高,并且通過仿真實(shí)驗(yàn),驗(yàn)證了這些去噪方法的優(yōu)越性和有效性。
　　 其次,對(duì)經(jīng)典的圖像分割方法進(jìn)行了概括性的介紹與分析。針對(duì)高分辨聲納圖像富含大量隨機(jī)噪聲、目標(biāo)區(qū)域的邊緣不清且斷續(xù)等特點(diǎn),基于多分辨率工具以邊緣檢測(cè)算法進(jìn)行聲圖像區(qū)域識(shí)別及修復(fù),提出了基于雙邊濾波和Surfacelet的邊緣

5、檢測(cè)的聲圖像分割方法。分割實(shí)驗(yàn)表明本文算法能有效去除混響等噪聲區(qū)域的同時(shí),顯著地提高了圖像的視覺效果,尤其是在邊緣、細(xì)節(jié)保持方面有一定程度的提高。與馬爾科夫隨機(jī)場(chǎng)(MRF)模型分割方法、小波聚類分割方法比較,獲得了更為準(zhǔn)確的分割結(jié)果。
　　 再次,對(duì)傳統(tǒng)的基于圖像及圖像序列的運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤技術(shù)方法進(jìn)行了概括性的介紹與分析。針對(duì)高分辨聲納圖像特點(diǎn),提出了靜態(tài)背景下基于LIP模型及光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法、復(fù)雜背景下基于Surf

6、acelet的聲圖像序列運(yùn)動(dòng)目標(biāo)檢測(cè)算法、基于可變圖像模版匹配及Surfacelet變換的聲圖像序列目標(biāo)跟蹤算法。實(shí)驗(yàn)表明本文算法在聲圖像存在較多混響等噪聲區(qū)域的條件下,能有效檢測(cè)序列中運(yùn)動(dòng)目標(biāo)?；诳勺儓D像模版匹配及Surfacelet變換的聲圖像序列目標(biāo)跟蹤算法,與mean shift跟蹤算法、SIFT特征匹配的跟蹤算法比較,獲得了更為準(zhǔn)確的跟蹤結(jié)果。在匹配穩(wěn)定的情況下,能夠及時(shí)利用尺度不變特征估計(jì)目標(biāo)尺度變化,克服傳統(tǒng)的基于核的跟

7、蹤方法不能有效估計(jì)目標(biāo)的尺度及旋轉(zhuǎn)量的缺陷。
　　 最后,對(duì)常用的多攝像機(jī)圖像目標(biāo)匹配方法進(jìn)行了概括性的介紹與分析。針對(duì)高分辨聲納圖像序列富含大量信道噪聲、散射噪聲,不易判別邊緣及細(xì)節(jié)、對(duì)比度差等特點(diǎn),依據(jù)人眼視覺系統(tǒng)在圖像的不同空間頻率及不同區(qū)域敏感度特性,提出了基于區(qū)域SIFT描述子及Surfacelet的聲納目標(biāo)匹配算法。實(shí)驗(yàn)表明,本文算法能有效提取聲圖像目標(biāo)SIFT描述子特征,能夠?qū)崿F(xiàn)多聲納場(chǎng)景目標(biāo)匹配。與全局應(yīng)用SIF

8、T描述子進(jìn)行聲圖像目標(biāo)匹配方法相比,基于區(qū)域SIFT描述子及Surfacelet的多聲納場(chǎng)景目標(biāo)匹配算法SIFT描述子數(shù)據(jù)總量(SIFT特征點(diǎn)數(shù)及SIFT描述子維數(shù))較低,計(jì)算復(fù)雜度有較大降低,并且具有較高的匹配精度。
　　 綜上所述,本文研究了基于多分辨率方法在2D聲圖像及.3D序列處理中的應(yīng)用,并針對(duì)目前該領(lǐng)域中存在的不足及需求,設(shè)計(jì)相應(yīng)算法進(jìn)行改進(jìn)與功能實(shí)現(xiàn)。仿真實(shí)驗(yàn)證實(shí),本文所提出的改進(jìn)方案和應(yīng)用的算法,均能夠獲得很好的