【摘要】：隨著聲吶技術(shù)的發(fā)展,研究學者發(fā)現(xiàn)通過其獲取的圖像中包含了較為豐富的底質(zhì)特征信息,據(jù)此可以了解底質(zhì)類型,并作為水下勘測、反演地貌和軍事作戰(zhàn)的新型輔助手段。本課題基于聲吶成像基本原理及影響因素,針對其特征,研究分析了多種去噪增強、特征提取及分類識別技術(shù)。根據(jù)方法優(yōu)缺點及仿真結(jié)果選出合適的處理方法,形成一個基于海底底質(zhì)聲吶圖像處理與分析的完整體系,對于海底研究具有深遠的意義和價值。首先,簡單介紹了本課題研究海底底質(zhì)聲吶圖像處理和分類的目的及意義,分析了國內(nèi)外對海底底質(zhì)聲吶探測及圖像分類的研究現(xiàn)狀和進展,并結(jié)合探測系統(tǒng)工作原理闡述聲吶圖像生成過程,以及本課題所用樣本數(shù)據(jù)集的來源。其次,考慮影響海底底質(zhì)聲吶圖像分辨率的主要因素以及噪聲來源和性質(zhì),針對性地分析研究適用于聲吶圖像的多種預(yù)處理方法,通過分析研究及仿真效果對比,選用排序自適應(yīng)中值濾波算法對其進行降噪處理。同時考慮圖像分辨率低、對比度較差等情況,采用基于Curvelet變換域的自適應(yīng)增強方法再對其進行處理,在提高紋理細節(jié)特征及整體對比度方面有明顯優(yōu)勢。再次,為了提高圖像識別分類的精準度,需要在此之前進行有效的特征提取處理,根據(jù)海底底質(zhì)聲吶圖像特有的邊緣、紋理及統(tǒng)計信息,本文先后引用尺度不變特征轉(zhuǎn)換、灰度共生矩陣及改進的灰度-基元共生矩陣三種方法進行研究及仿真。方法一簡潔方便,提取速度較快,方法二提取的特征矩陣更能代表不同底質(zhì),本文提出的方法三應(yīng)用并結(jié)合Canny邊緣提取算法與灰度-基元共生矩陣法,將邊緣形狀統(tǒng)計特征與灰度相關(guān)性有機結(jié)合,更準確地提取特征信息。三種方法從多方面入手,有利于匹配不同類型分類器以達到更好的分類識別效果。最后,本文引用SVM、BP、CNN三種分類算法對海底底質(zhì)聲吶圖像進行分類研究,并針對性地匹配了較合適的特征提取方法。通過分析對比,CNN模型獲得準確率較高,更適用于海底底質(zhì)聲吶圖像分類處理,故選用其作為最終分類方法。通過參數(shù)動態(tài)調(diào)節(jié),將分類準確率提升至98.1%,最后借助Tensorboard展示出模型框架組成及準確率可視化曲線,效果良好,驗證了CNN模型在海底底質(zhì)聲吶圖像識別分類上具有較高應(yīng)用價值和研究意義。
【圖文】：

C分辨元 2.1 側(cè)掃聲吶換能器工作簡圖及示意收發(fā)合置原理，每次發(fā)射聲波完成后波[17]。隨著船的航行，在水下載體不時利用計算機連續(xù)記錄返回的數(shù)據(jù)信脈沖的幅度。這些幅值與每一點的回錄數(shù)值越大對應(yīng)回波強度越大。側(cè)掃譜上灰暗或者明亮的區(qū)域表示聲波從海行逐 ping 拼接，生成二維聲吶圖像并聲波頻率范圍是 100kHz 至 800kHZ，會變窄，所以頻率的設(shè)置可根據(jù)需求聲吶圖像，中間最亮的線稱為發(fā)射線各有一條距離較穩(wěn)定的海面線和一條灰度強弱的變化代表了回波強度大小一般不產(chǎn)生回波。

提升信息準確性；外圍輔助模塊主要塊將最終成果以各類產(chǎn)品形式進行輸出，，并輸出相統(tǒng)是由單波束聲吶演變而來，相比后者，前者在一海底探測點信息。新型的多波束聲吶系統(tǒng)一般兼容 Mills 交叉技術(shù)，不僅能獲取海底點的深度，還可性、精準性著稱[20]。單波束多波束圖 2.3 單波束、多波束聲波散射示意圖
【學位授予單位】：哈爾濱工程大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;U666.7

【相似文獻】

相關(guān)期刊論文 前10條

1 董雷;曾鋒;郭曉明;劉峰;劉德鑄;;基于自適應(yīng)生長的聲吶圖像增強算法[J];電聲技術(shù);2014年06期

2 黃松威;朱兆彤;胡友峰;;基于粒子濾波的聲吶圖像目標跟蹤算法研究[J];艦船科學技術(shù);2019年03期

3 陳堯;林平;;基于聲吶圖像去噪算法的應(yīng)用分析[J];水雷戰(zhàn)與艦船防護;2012年01期

4 田曉東;劉忠;;基于自適應(yīng)迭代閾值的聲吶圖像增強算法[J];艦船電子工程;2006年02期

5 金磊磊;梁紅;楊長生;;基于顯著性檢測的聲吶圖像快速降噪研究[J];西北工業(yè)大學學報;2019年01期

6 趙海旭;吳培榮;王小雯;聶良春;;一種基于關(guān)聯(lián)處理的聲吶圖像去噪技術(shù)[J];聲學技術(shù);2016年06期

7 張健;卞紅雨;;非下采樣輪廓波變換的前視聲吶圖像融合[J];哈爾濱工程大學學報;2017年09期

8 辛光紅;楊波;;基于聲吶圖像處理的船用水下目標識別技術(shù)研究[J];艦船科學技術(shù);2018年04期

9 郭戈;王興凱;徐慧樸;;基于聲吶圖像的水下目標檢測、識別與跟蹤研究綜述[J];控制與決策;2018年05期

10 劉光宇;卞紅雨;沈鄭燕;石紅;;形態(tài)小波域聲吶圖像譜聚類去噪算法研究[J];傳感器與微系統(tǒng);2011年10期

相關(guān)會議論文 前5條

1 栗寶鵑;安偉;趙宇鵬;靳衛(wèi)衛(wèi);;基于聲吶圖像紋理特征的海底沉油識別方法及應(yīng)用研究[A];中國聲學學會2017年全國聲學學術(shù)會議論文集[C];2017年

2 周敬;劉強;謝曉梅;陳敏;;基于低秩分解和引導濾波的水聲圖像去噪[A];2018年全國聲學大會論文集 C水聲工程和水聲信號處理[C];2018年

3 郭海濤;楊志民;陳軍鋒;梁超;高小艷;韓輝;;利用模糊聚類的海底小目標聲吶圖像分割[A];中國儀器儀表學會第九屆青年學術(shù)會議論文集[C];2007年

4 郭海濤;王連玉;田坦;厚宇德;;模糊數(shù)學在海底小目標聲吶圖像平滑中的應(yīng)用[A];中國海洋學會2005年學術(shù)年會論文匯編[C];2005年

5 郭海濤;王連玉;劉頡;梁捷;;基于粗集理論的聲吶圖像增強[A];中國聲學學會2005年青年學術(shù)會議[CYCA'05]論文集[C];2005年

相關(guān)碩士學位論文 前10條

1 劉晶晶;基于GA-BP神經(jīng)網(wǎng)絡(luò)的聲吶圖像拼接方法研究[D];東北電力大學;2019年

2 趙歡;多尺度多特征融合的聲吶圖像目標檢測[D];西安理工大學;2019年

3 付楠;基于聲吶圖像特征的海底底質(zhì)類型分類方法研究[D];哈爾濱工程大學;2019年

4 張凱;聲吶圖像分割的偏微分方程方法[D];內(nèi)蒙古大學;2019年

5 趙曉燕;基于小波分析的聲吶圖像邊緣檢測算法[D];內(nèi)蒙古大學;2019年

6 楊宇航;基于馬爾科夫場的海底聲吶圖像濾波與分割[D];內(nèi)蒙古大學;2019年

7 薛利敏;基于粗糙集的聲吶圖像分割[D];內(nèi)蒙古大學;2019年

8 趙春宇;基于卷積神經(jīng)網(wǎng)絡(luò)的超聲圖像分割[D];東北電力大學;2019年

9 楊崇智;基于偏微分方程改進模型的聲吶圖像增強方法研究[D];哈爾濱工程大學;2018年

10 葉方躍;聲吶圖像處理的多分辨分析方法研究[D];南京信息工程大學;2018年

本文編號：2699765