版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、聲納是水下機(jī)器人開展探測的重要設(shè)備,近年來隨著高分辨率前視聲納的發(fā)展與應(yīng)用,基于聲納圖像的水下探測技術(shù)受到國內(nèi)外學(xué)者的普遍關(guān)注。然而,載體的自由漂移運(yùn)動容易導(dǎo)致聲納圖像出現(xiàn)不同程度的灰度變化和幾何形變。相比于光學(xué)圖像,聲納圖像僅具有較弱的紋理特征。本文針對水下探測任務(wù)中兩個典型的工程應(yīng)用問題,從聲納成像原理出發(fā)構(gòu)建了描述二維聲納圖像與載體三維微分運(yùn)動關(guān)系的聲納圖像運(yùn)動模型,結(jié)合海底場景聲納圖像特點(diǎn)研究了基于特征點(diǎn)分布概率模型的圖像匹配方
2、法,并實(shí)現(xiàn)了序列聲納圖像的運(yùn)動參數(shù)估計(jì),采用方向性小波融合方法分析了水中大目標(biāo)聲納圖像,基于方向性濾波器和形態(tài)學(xué)理論提出了兩種適合聲納圖像的融合方法。
聲納圖像運(yùn)動模型是利用載體三維微分運(yùn)動來描述二維聲納圖像中特征點(diǎn)運(yùn)動關(guān)系的模型。模型的構(gòu)建以聲納成像原理為基礎(chǔ),包括近似描述三維載體運(yùn)動的聲納圖像二維目標(biāo)運(yùn)動模型、可描述水下載體6自由度運(yùn)動的聲納圖像三維運(yùn)動模型、以及用原始聲納數(shù)據(jù)描述載體運(yùn)動的波束圖像三維運(yùn)動模型。同時,本文
3、研究了三維運(yùn)動模型中未知的仰角信息的估算方法,并重建了水池場景的三維高度圖信息。此外,利用聲納圖像運(yùn)動模型對運(yùn)動參數(shù)進(jìn)行了分析和估計(jì),并進(jìn)一步結(jié)合波束圖像和圖像的陰影運(yùn)動解析了運(yùn)動參數(shù)的估計(jì)方法。
利用聲納圖像運(yùn)動模型研究了海底場景聲納圖像的匹配與運(yùn)動參數(shù)估計(jì)方法。本文結(jié)合聲納圖像的特點(diǎn)構(gòu)建了圖像匹配的原理框架,并展開了具體研究。首先,分析并補(bǔ)償了聲納圖像不一致的灰度分布,并將梯度閾值和灰度閾值與目標(biāo)陰影關(guān)系相結(jié)合,提出了穩(wěn)定
4、點(diǎn)特征和感興趣區(qū)域特征的提取方法;其次,用穩(wěn)定的概率模型替代光學(xué)匹配中常規(guī)的灰度分布模型,研究了基于特征點(diǎn)位置分布的區(qū)域高斯概率描述方法,有效地將離散的特征點(diǎn)表示為分段連續(xù)的概率模型;最后,基于聲納圖像運(yùn)動模型推導(dǎo)了關(guān)于特征點(diǎn)和運(yùn)動參數(shù)的匹配模型,通過構(gòu)建區(qū)域概率模型的最優(yōu)化問題求解圖像的變換矩陣或運(yùn)動參數(shù),并研究了匹配問題的快速求解方法。為驗(yàn)證聲納圖像的匹配和運(yùn)動參數(shù)估計(jì)的精度,本文開展了模擬海底場景的水池實(shí)驗(yàn)研究,用多種方法匹配了構(gòu)
5、成閉環(huán)運(yùn)動的多幀聲納圖像,并分析了特征點(diǎn)匹配和運(yùn)動參數(shù)的累積誤差。根據(jù)水下機(jī)器人對圖像后處理單元的需求,本文設(shè)計(jì)了一種嵌入式智能聲探測平臺,為后續(xù)算法實(shí)現(xiàn)打下基礎(chǔ)。
為融合大型目標(biāo)表面和結(jié)構(gòu)的聲納圖像優(yōu)勢細(xì)節(jié)信息,本文研究了方向性多尺度聲納圖像融合方法。首先,討論了多種方向性多尺度小波在聲納圖像融合中的應(yīng)用,包括脊波變換、曲波變換和輪廓波變換。其次,結(jié)合聲納圖像和非下采樣的輪廓波變換的特點(diǎn),提出基于NSCT與形態(tài)學(xué)決策的聲納圖
6、像融合方法(NSCTMM)。最后,將方向性濾波器理論與形態(tài)小波相結(jié)合,提出基于方向性分析的形態(tài)小波聲納圖像融合方法(MWTD)。本文開展了凸型鋼板的表面探測實(shí)驗(yàn),分別用典型的沉底石油平臺聲納圖像和實(shí)驗(yàn)圖像對各融合方法進(jìn)行分析,結(jié)果表明本文提出的NSCTMM方法保留了源圖像更多的細(xì)節(jié)信息,目標(biāo)區(qū)域連貫性好,灰度級更加豐富。而MWTD方法融合細(xì)節(jié)信息的能力略有下降,但同樣有效獲得了聲納圖像的優(yōu)勢信息,并具有一定的抑制噪聲能力。這對未來的目標(biāo)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 運(yùn)動模糊圖像的參數(shù)估計(jì)及分割技術(shù)研究.pdf
- 聲納圖像融合技術(shù)研究.pdf
- 基于運(yùn)動模糊圖像的多目標(biāo)參數(shù)估計(jì)研究.pdf
- 運(yùn)動模糊圖像的運(yùn)動參數(shù)估計(jì)及復(fù)原研究.pdf
- 基于參數(shù)估計(jì)的RFID定位技術(shù)研究.pdf
- 基于頻譜參數(shù)估計(jì)和遺傳算法的運(yùn)動模糊圖像恢復(fù)研究.pdf
- 基于參數(shù)估計(jì)的運(yùn)動圖像分割算法的研究與應(yīng)用.pdf
- 運(yùn)動模糊圖像恢復(fù)與參數(shù)估計(jì).pdf
- ISAR目標(biāo)運(yùn)動參數(shù)估計(jì)及成像技術(shù)研究.pdf
- 機(jī)載SAR多普勒參數(shù)估計(jì)及運(yùn)動補(bǔ)償技術(shù)研究.pdf
- 運(yùn)動模糊圖像恢復(fù)的參數(shù)估計(jì)與算法研究.pdf
- MIMO雷達(dá)參數(shù)估計(jì)技術(shù)研究.pdf
- 基于TDOA參數(shù)估計(jì)的LTE定位技術(shù)研究.pdf
- 基于Copula理論的雷達(dá)目標(biāo)參數(shù)估計(jì)技術(shù)研究.pdf
- 聲納圖像配準(zhǔn)與融合技術(shù)研究.pdf
- 遙感圖像的車輛目標(biāo)檢測與運(yùn)動參數(shù)估計(jì).pdf
- 基于LMS算法的PSF估計(jì)的圖像復(fù)原及直線運(yùn)動模糊參數(shù)估計(jì)研究.pdf
- 雷達(dá)目標(biāo)微動參數(shù)估計(jì)技術(shù)研究.pdf
- 運(yùn)動模糊圖像恢復(fù)的參數(shù)估計(jì)與算法研究(1)
- 圖像降晰參數(shù)估計(jì)和復(fù)原方法的研究.pdf
評論
0/150
提交評論