基于稀疏表示的聲納圖像識(shí)別及超分辨率重建.pdf

1、聲納圖像的識(shí)別和超分辨率重建是未來船舶與海洋工程的兩項(xiàng)關(guān)鍵技術(shù)，其發(fā)展無論是在民用上或是在軍事上都有重要意義。近年來，稀疏表示方法受到研究人員的追捧，已經(jīng)應(yīng)用到圖像壓縮、圖像去噪和圖像復(fù)原等諸多領(lǐng)域。本文結(jié)合水下的復(fù)雜環(huán)境和聲納圖像的自身特點(diǎn)，研究了基于稀疏表示的聲納圖像識(shí)別及超分辨率重建方法。主要研究?jī)?nèi)容如下：
　　 綜述了國內(nèi)外聲納圖像識(shí)別、超分辨重建以及稀疏表示方法的發(fā)展現(xiàn)狀，將稀疏表示方法引入到了聲納圖像識(shí)別和超分辨率重

2、建中。研究了稀疏表示方法中壓縮傳感的三個(gè)重要組成部分：稀疏基、觀測(cè)矩陣和重構(gòu)算法。聲納圖像含有大量噪聲，在聲納圖像的預(yù)處理中，選擇合適的去噪方法，去除聲納圖像的噪聲，并對(duì)聲納圖像進(jìn)行規(guī)范化處理。
　　 考慮到前視聲納圖像中目標(biāo)局部特征的重要性，引入了非負(fù)矩陣分解方法(Non-negative Matrix Factorization，NMF)。在壓縮傳感方法中，為了減小測(cè)量矩陣與稀疏基矩陣的相關(guān)性以確保重建的精確，對(duì)NMF進(jìn)行改

3、進(jìn)，將改進(jìn)后的NMF與稀疏表示的分類方法相結(jié)合構(gòu)成壓縮傳感識(shí)別方法，該方法具有較好的識(shí)別效果。
　　 前視聲納圖像中常會(huì)受到氣泡、水泡和遮擋物等影響，使得識(shí)別效果迅速下降。稀疏表示方法可以通過添加閉塞字典來有效去除閉塞部分，但特征提取后的閉塞字典的原子數(shù)量巨大，使得識(shí)別時(shí)間增長(zhǎng)。針對(duì)上述問題，通過字典學(xué)習(xí)的方法，設(shè)計(jì)出新的閉塞字典，大大減少了字典中的原子數(shù)量，提高了聲納圖像識(shí)別的實(shí)時(shí)性，且與原閉塞字典方法的識(shí)別率相當(dāng)。
　

4、　 針對(duì)側(cè)掃聲納圖像中含有重要紋理信息，而單一灰度信息不能表達(dá)紋理的問題，引入了灰度-梯度共生矩陣特征提取方法，比較了Roberts和Sobel兩種算子求解梯度的效果。將灰度-梯度共生矩陣提取的紋理數(shù)字特征替代灰度信息特征構(gòu)成稀疏基矩陣進(jìn)行稀疏表示的識(shí)別，取得了很好的識(shí)別效果，且具有旋轉(zhuǎn)不變的性質(zhì)。
　　 對(duì)于聲納圖像來說，噪聲對(duì)其影響很大，圖像的光滑成分的表示不容忽視，將聲納圖像分為光滑、邊緣和紋理三種成分，分別利用離散平穩(wěn)