隨著當(dāng)代科學(xué)技術(shù)的快速發(fā)展,人們對(duì)未知領(lǐng)域的探索越來(lái)越強(qiáng)烈,已經(jīng)開(kāi)始加大對(duì)太空和海洋的研究。海洋中的豐富自然資源在陸地自然資源的不斷消耗的情況下顯得更加珍貴,另一方面,世界各國(guó)的軍事競(jìng)爭(zhēng)中,海洋戰(zhàn)略也占據(jù)著極其重要的地位,所以各國(guó)都加大了對(duì)海洋的勘測(cè)和開(kāi)發(fā)。由于海洋復(fù)雜的環(huán)境,常規(guī)的光學(xué)儀器無(wú)法在海洋環(huán)境中正常使用,目前對(duì)海底地形和目標(biāo)的探測(cè)主要依靠聲吶系統(tǒng)來(lái)完成,因?yàn)槁晠认到y(tǒng)利用聲波完成對(duì)海底的探測(cè),受海洋環(huán)境影響小。本文利用側(cè)掃聲吶系統(tǒng)獲取海底聲吶圖,通過(guò)對(duì)聲吶圖像的分析完成對(duì)海底信息的提取。文章主要從側(cè)掃聲吶數(shù)據(jù)解析處理、聲吶圖像的特征提取和聲圖特征的匹配三方面進(jìn)行研究,主要的研究過(guò)程如下:首先對(duì)側(cè)掃聲吶系統(tǒng)工作原理進(jìn)行介紹,將獲取的掃描數(shù)據(jù)進(jìn)行解析,以獲得待處理的側(cè)掃聲吶圖像。由于掃描聲波在水中會(huì)受到海洋復(fù)雜環(huán)境的影響,使最終的聲吶圖中含有較多的噪聲,針對(duì)這種情況,采用多種濾波方法對(duì)聲吶圖進(jìn)行預(yù)處理,對(duì)比分析濾波之后的圖像效果,完成聲吶圖像的去噪。其次對(duì)預(yù)處理后的聲吶圖像進(jìn)行特征提取。本文從特征點(diǎn)和直線特征兩方面來(lái)研究,采用魯棒性較好SIFT算法完成聲吶圖像的特征點(diǎn)提取,并構(gòu)造... 

【文章來(lái)源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

實(shí)驗(yàn)結(jié)果對(duì)比

用于計(jì)算障礙物的位置、大小和重心（CoG）。將優(yōu)化算法作用于前視聲吶圖像中進(jìn)行驗(yàn)證，結(jié)果如圖1.2。(a)無(wú)增強(qiáng)提取結(jié)果 (b)利用自適應(yīng)閾值化結(jié)果 (c)采用方法結(jié)果圖 1.2 實(shí)驗(yàn)結(jié)果對(duì)比英國(guó)華威大學(xué)在 2011 年對(duì)聲吶圖像的分割中[3]，提出了一種新的無(wú)監(jiān)督算法用于分割有關(guān)海底的側(cè)掃聲吶圖像。所提出算法對(duì)需要處理的側(cè)掃聲吶圖像性質(zhì)不作任何先驗(yàn)性的假設(shè)。該算法首先使用前向和反向未抽樣離散小波變換（UDWT）構(gòu)造一個(gè)輸入圖像的多分辨率表述；然后使用內(nèi)部分辨率和數(shù)據(jù)間的分辨率對(duì)每個(gè)像素提取一個(gè)特征向量，用主成分分析（PCA）來(lái)減少每個(gè)特征向量的維數(shù)，最后使用 k 均值聚類把所有特征向量聚類成不相交的聚類。將這種新的無(wú)監(jiān)督算法作用在聲吶圖像中驗(yàn)證，結(jié)果表明了算法的有效性，如圖 1.3。

圖 1.3 聚類分割結(jié)果下設(shè)備在海底進(jìn)行作業(yè)時(shí)需要構(gòu)建全景的拼接來(lái)對(duì)水下環(huán)境進(jìn)與仿生技術(shù)國(guó)際會(huì)議上 Sanming Song 和 J. Michael Herrmann 提特征跟蹤的聲吶序列配準(zhǔn)方法[4]。該方法首先從非結(jié)構(gòu)化海床環(huán)形狀特征。為了實(shí)現(xiàn)前視聲吶圖像的拼接，通過(guò)粒子濾波跟蹤計(jì)運(yùn)動(dòng)參數(shù)。通過(guò)使用多個(gè) ROI 來(lái)估計(jì)旋轉(zhuǎn)參數(shù)。對(duì)感興趣的它在 AUV 的視野中消失，然后按照相同的過(guò)程選擇另一個(gè)感興果表明：對(duì)感興趣區(qū)域進(jìn)行特征跟蹤來(lái)完成對(duì)前視聲吶圖像拼工程大學(xué)的李曙光在 2014 年基于脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）的，設(shè)計(jì)了基于多波束聲吶圖像的 PCNN 網(wǎng)絡(luò)[5]。并根據(jù)該網(wǎng)絡(luò)中以鄰域神經(jīng)元激活率以及群離散率為基礎(chǔ)的特征提取方式。激活近的像素點(diǎn)在空間位置上的分布情況，反應(yīng)的是紋理特征信息。會(huì)照顧到像素值的相似區(qū)域，還會(huì)考慮到像素 8 鄰域的方向梯度普通紋理提取特征的方法，與相關(guān)方法相比，建立在 PCNN 網(wǎng)絡(luò)方法更加高效。

【參考文獻(xiàn)】：
期刊論文
[1]SURF與RANSAC組合圖像拼接算法[J]. 赫更新,馬嘉文,張西克,潘大為,陳亮.  應(yīng)用科技. 2018(04)
[2]基于改進(jìn)SIFT算法的無(wú)人機(jī)圖像拼接研究[J]. 張曉璐.  西昌學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(03)
[3]結(jié)合區(qū)域分塊的快速BRISK圖像拼接算法[J]. 趙婷,康海林,張正平.  激光與光電子學(xué)進(jìn)展. 2018(03)
[4]基于三維VR技術(shù)的小區(qū)域目標(biāo)重建研究[J]. 郭亮.  現(xiàn)代電子技術(shù). 2017(19)
[5]基于A-KAZE特征的圖像無(wú)縫拼接算法[J]. 瞿中,卜瑋,劉玲.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(09)
[6]基于多視圖三維重建技術(shù)的無(wú)人機(jī)數(shù)據(jù)處理工藝研究[J]. 王勇.  測(cè)繪通報(bào). 2017(S1)
[7]基于XTF格式的側(cè)掃聲納數(shù)據(jù)解碼及可視化[J]. 郭軍,馬金鳳,王愛(ài)學(xué).  測(cè)繪工程. 2016(11)
[8]應(yīng)用TBD的多波束聲吶圖像序列SIFT特征追蹤[J]. 李海森,高玨,徐超,盧為選,曹天宇,付麗嘉.  哈爾濱工程大學(xué)學(xué)報(bào). 2016(08)
[9]基于數(shù)學(xué)形態(tài)學(xué)的側(cè)掃聲吶圖像輪廓自動(dòng)提取[J]. 羅進(jìn)華,蔣錦朋,朱培民.  海洋學(xué)報(bào). 2016(05)
[10]基于互信息和相關(guān)比算法的聲吶圖像配準(zhǔn)[J]. 宋樹(shù)軍,侯雪,唐秋華.  海岸工程. 2015(04)

碩士論文
[1]面向水下三維重建的光視覺(jué)特征提取與匹配方法研究[D]. 李文莉.沈陽(yáng)理工大學(xué) 2017
[2]基于相關(guān)點(diǎn)與幾何約束的直線匹配方法研究[D]. 黃勇.南昌航空大學(xué) 2016
[3]基于水下地形圖像匹配的輔助導(dǎo)航技術(shù)研究[D]. 吳遠(yuǎn)峰.哈爾濱工程大學(xué) 2016
[4]基于直線特征的異源景象匹配技術(shù)研究[D]. 王力.中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所) 2015
[5]基于多波束測(cè)深系統(tǒng)的海底地形匹配導(dǎo)航技術(shù)研究[D]. 岳增陽(yáng).東南大學(xué) 2015
[6]SLAM技術(shù)中聲吶圖像的特征提取[D]. 傅超.哈爾濱工程大學(xué) 2015
[7]基于水下地貌的匹配導(dǎo)航算法研究[D]. 孫明琦.哈爾濱工程大學(xué) 2015
[8]基于共生擴(kuò)展八鄰域矩陣的紋理識(shí)別方法[D]. 呂秋麗.西安電子科技大學(xué) 2014
[9]基于特征點(diǎn)的側(cè)掃聲吶圖像拼接技術(shù)研究[D]. 金廣.哈爾濱工程大學(xué) 2015
[10]水下環(huán)境中圖像匹配算法的研究[D]. 王鑫.太原理工大學(xué) 2014



本文編號(hào)：3507778