水下聲納圖像目標檢測技術(shù)研究.pdf

1、隨著成像聲納系統(tǒng)的不斷發(fā)展和完善，以及水下智能機器人的出現(xiàn)，開展基于水下聲納的自主目標檢測與識別技術(shù)的研究，在軍事和民用領(lǐng)域都具有重要的意義和價值。本論文在通過對不同的目標檢測和分割算法進行大量實驗的基礎(chǔ)上，對水下目標檢測識別系統(tǒng)中的圖像數(shù)據(jù)預處理、聲納圖像分割和聲納圖像的特征提取技術(shù)進行了研究和實驗分析。并在此基礎(chǔ)上開發(fā)出了相應的實時目標檢測方法。主要工作如下：
　　首先，通過在聲納圖像的預處理中對聲納圖像特征的分析，得知聲納圖

2、像普遍噪聲污染嚴重?；诖耍瑢λ侣暭{圖像的空間域去噪和頻率域去噪方法進行了分析與實驗。著重將基于多分辨率的高斯金字塔濾波方法應用于聲納圖像的預處理中，取得了一定的效果。
　　其次，針對聲納圖像的特點，設(shè)計了一種新的基于MRF的非監(jiān)督聲納圖像分割方法。在聲納圖像的海底混響區(qū)服從Gamma分布的情況下，通過一種快速有效的高斯金字塔模型對聲納圖像進行預處理，使得處理后的聲納圖像的海底混響區(qū)服從高斯分布。在此基礎(chǔ)上構(gòu)造了一個自動確定聲納

3、圖像分類個數(shù)的模型。并通過該模型結(jié)合一種局部能量極值化的方法對馬爾科夫模型的初始化參數(shù)進行估計，從而形成一種完全自動的聲納圖像分割模型。然后利用該模型對聲納圖像數(shù)據(jù)進行了分割實驗，并和其他典型的分割算法進行了比較，驗證了該方法的有效性及快速性。
　　再次，在分析聲納圖像的紋理特征、形狀特征和聲納圖像特征提取技術(shù)的基礎(chǔ)之上，著重對一種新的基于類 Haar特征的聲納圖像特征提取技術(shù)進行了實驗分析與介紹。實驗結(jié)果表明，采用該方法提取聲納

4、圖像特征的效果較為明顯。
　　最后，基于以上技術(shù)的研究，針對Klein5000側(cè)掃聲納和BlueView前視聲納，分別設(shè)計出了與之適應的實時目標檢測方法。此外，對基于類Haar特征的目標檢測方法也進行了相應地研究。針對BlueView前視聲納目標檢測方法中同一檢測算法不能適用于所有幀的目標，而使得某些幀的圖像目標有漏檢的情況，本文采用了基于卡爾曼預測相關(guān)聯(lián)的目標檢測技術(shù)，即，將先前的目標檢測結(jié)果和基于卡爾曼的目標預測結(jié)果進行綜合，