基于聲納圖像多分辨率處理的目標檢測與跟蹤.pdf

1、伴隨著海洋礦產(chǎn)資源開發(fā)、海洋工程、海洋開發(fā)等領域的日新月異的發(fā)展,工作在水下機器人、遙控潛水器等多種載體上的聲納系統(tǒng)除了需要勝任極端環(huán)境下的工作外,還需要高分辨率的成像、目標識別能力以及多個聲納圖像的匹配及識別能力,以滿足區(qū)域的高分辨率地形地貌測量、準確分辨海底起伏劇烈區(qū)域以及沉底小目標和水中目標的探測等需求。由于聲納設備成像的非線性和水下聲場環(huán)境的復雜性,所采集到的水下聲納圖像具有背景噪聲包含的灰度級比較豐富,聲納圖像的目標區(qū)域灰度級

2、相對較少等特點,這些特點對后續(xù)的聲納圖像目標檢測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化分析,通過基函數(shù)的平移、伸縮等運算對信號進行局域時頻分析,從信號中能有效地提取信息,是信號處理的研究熱點和前沿課題,是目前國際公認的信號與信息處理領域的高新技術。它在信號濾波、圖像去噪、圖像分割、圖像識別等領域的應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序列處理中的應用,主要在聲

3、納圖像的去噪增強等預處理、圖像區(qū)域分割、運動目標分割、目標及敏感區(qū)域特征提取、目標跟蹤定位和多聲納場景目標匹配等方面進行了研究。
　　 首先,對常用的多分辨率變換方法及傳統(tǒng)的圖像去噪方法進行了概括性的介紹與分析。闡述了聲納的成像機理及水下目標聲圖像的統(tǒng)計特性。針對水下目標聲納圖像不易判別邊緣及細節(jié)、對比度差等特點,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變換水下目標聲圖像去噪方法、水

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

5、檢測的聲圖像分割方法。分割實驗表明本文算法能有效去除混響等噪聲區(qū)域的同時,顯著地提高了圖像的視覺效果,尤其是在邊緣、細節(jié)保持方面有一定程度的提高。與馬爾科夫隨機場(MRF)模型分割方法、小波聚類分割方法比較,獲得了更為準確的分割結(jié)果。
　　 再次,對傳統(tǒng)的基于圖像及圖像序列的運動目標檢測及跟蹤技術方法進行了概括性的介紹與分析。針對高分辨聲納圖像特點,提出了靜態(tài)背景下基于LIP模型及光流法的運動目標檢測算法、復雜背景下基于Surf

6、acelet的聲圖像序列運動目標檢測算法、基于可變圖像模版匹配及Surfacelet變換的聲圖像序列目標跟蹤算法。實驗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,能有效檢測序列中運動目標。基于可變圖像模版匹配及Surfacelet變換的聲圖像序列目標跟蹤算法,與mean shift跟蹤算法、SIFT特征匹配的跟蹤算法比較,獲得了更為準確的跟蹤結(jié)果。在匹配穩(wěn)定的情況下,能夠及時利用尺度不變特征估計目標尺度變化,克服傳統(tǒng)的基于核的跟

7、蹤方法不能有效估計目標的尺度及旋轉(zhuǎn)量的缺陷。
　　 最后,對常用的多攝像機圖像目標匹配方法進行了概括性的介紹與分析。針對高分辨聲納圖像序列富含大量信道噪聲、散射噪聲,不易判別邊緣及細節(jié)、對比度差等特點,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的聲納目標匹配算法。實驗表明,本文算法能有效提取聲圖像目標SIFT描述子特征,能夠?qū)崿F(xiàn)多聲納場景目標匹配。與全局應用SIF

8、T描述子進行聲圖像目標匹配方法相比,基于區(qū)域SIFT描述子及Surfacelet的多聲納場景目標匹配算法SIFT描述子數(shù)據(jù)總量(SIFT特征點數(shù)及SIFT描述子維數(shù))較低,計算復雜度有較大降低,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序列處理中的應用,并針對目前該領域中存在的不足及需求,設計相應算法進行改進與功能實現(xiàn)。仿真實驗證實,本文所提出的改進方案和應用的算法,均能夠獲得很好的