高分辨率成像聲納圖像識(shí)別技術(shù)研究.pdf

1、本論文是在“十五”預(yù)研項(xiàng)目——智能水下機(jī)器人“水下目標(biāo)聲探測(cè)與識(shí)別技術(shù)”的基礎(chǔ)上進(jìn)行的。論文以工程中的實(shí)際問(wèn)題為著眼點(diǎn)，深入研究了機(jī)器人聲視覺(jué)系統(tǒng)的構(gòu)建與設(shè)計(jì)、側(cè)掃聲納和前視聲納的圖像預(yù)處理、特征提取與識(shí)別等技術(shù)。主要內(nèi)容包括： (1)綜述了國(guó)內(nèi)外水下智能機(jī)器人、水下目標(biāo)識(shí)別技術(shù)的研究現(xiàn)狀與基于聲納圖像的水下目標(biāo)識(shí)別的主要設(shè)備和方法；詳細(xì)的介紹了當(dāng)前圖像識(shí)別系統(tǒng)的組成和主要技術(shù)手段。 (2)綜述了目前國(guó)際上先進(jìn)的高分辨率

2、成像聲納——高分辨?zhèn)葤呗暭{、聲透鏡聲納和三維成像聲納的技術(shù)特點(diǎn)與性能；以軍用智能水下機(jī)器人中“水下目標(biāo)聲探測(cè)與識(shí)別技術(shù)”課題中聲視覺(jué)系統(tǒng)的主要任務(wù)為基礎(chǔ)，設(shè)計(jì)了一種新的聲視覺(jué)系統(tǒng)構(gòu)建方式和工作過(guò)程，使水下智能機(jī)器人能夠同時(shí)探測(cè)前方和下方海域，并具備了在遠(yuǎn)距離上粗略的目標(biāo)分類能力和近距離的精確目標(biāo)識(shí)別能力，能夠更有效的完成水下目標(biāo)探測(cè)和識(shí)別的任務(wù)。 (3)分析了聲納圖像在成圖過(guò)程中所受到的噪聲干擾。深入研究了脈沖耦合神經(jīng)網(wǎng)絡(luò)(PC

3、NN)的相關(guān)理論，設(shè)計(jì)了一種在PCNN簡(jiǎn)化模型基礎(chǔ)上，結(jié)合形態(tài)學(xué)與中值濾波的噪聲抑制算法。該方法在不損失圖像邊緣信息的前提下，能夠同時(shí)有效的去除圖像中的高斯和脈沖噪聲，并且由于PCNN內(nèi)在的并行實(shí)現(xiàn)性，更加適合實(shí)時(shí)的圖像處理。 (4)介紹了水下智能機(jī)器人攜帶的側(cè)掃聲納圖像的主要應(yīng)用范圍。綜述了利用側(cè)掃聲納圖像的海底底質(zhì)分類研究領(lǐng)域的最新進(jìn)展，提出了將包含圖像結(jié)構(gòu)細(xì)節(jié)信息的相位譜與狄度共生矩陣相結(jié)合的海底底質(zhì)紋理表示方法，并應(yīng)用主

4、分量分解提取了特征向量。由于將統(tǒng)計(jì)和結(jié)構(gòu)信息有機(jī)的融合起來(lái)，從而提高了識(shí)別精度。 (5)根據(jù)不同圖像其相同灰度值的空間分布不同的特點(diǎn)，利用PCNN簡(jiǎn)化模型得到對(duì)應(yīng)于不同灰度值的二值序列圖像，作為原圖像的紋理表示。計(jì)算每幅圖像的方差，將序列圖像轉(zhuǎn)化為一維特征矢量，用于側(cè)掃聲納圖像和自然紋理圖像的識(shí)別中，可以獲得很高的圖像識(shí)別率。 (6)在海底目標(biāo)檢測(cè)中，針對(duì)側(cè)掃聲納圖像受海底混響干擾嚴(yán)重的缺點(diǎn)，提出了將高階譜中雙譜的譜峰值

5、大小作為圖像中目標(biāo)是否存在判斷方法。利用高階譜可以抑制了圖像背景中不相關(guān)噪聲，使目標(biāo)高階相關(guān)性增強(qiáng)的性質(zhì)，可以有效的檢測(cè)出具有不同參數(shù)的側(cè)掃聲納系統(tǒng)圖像中的目標(biāo)存在，更具有普遍適用性。 (7)在海底目標(biāo)提取中，提出了將自適應(yīng)狄度規(guī)整與Otsu’s閾值分割方法結(jié)合的海底目標(biāo)區(qū)域分割方法。該方法能夠進(jìn)行自動(dòng)閾值選擇，得到的分割結(jié)果有更好的區(qū)域均勻性和對(duì)比度。 (8)分析了高分辨率前視聲納圖像的特點(diǎn)，針對(duì)其所受干擾大和回波不均

6、勻造成的內(nèi)部孤立點(diǎn)問(wèn)題，提出了一種形態(tài)學(xué)邊緣檢測(cè)算法。該方法對(duì)噪聲不敏感，并且較好的消除了聲納圖像中目標(biāo)內(nèi)部由于回波信號(hào)的強(qiáng)弱變化導(dǎo)致的灰度突變，使其中的孤立點(diǎn)得到抑制，所以提取出的邊緣輪廓較完整。 (9)針對(duì)水下機(jī)器人在作業(yè)過(guò)程中的運(yùn)動(dòng)會(huì)造成圖像中目標(biāo)的旋轉(zhuǎn)、平移和比例變化問(wèn)題，深入研究了圖像識(shí)別中的視覺(jué)不變量理論。提出了一種基于圖像邊緣Radon變換的聲納圖像不變性特征提取方法。在圖像目標(biāo)尺度歸一化的基礎(chǔ)上，利用Radon變

7、換將二維邊緣信息投影到一維空問(wèn)，構(gòu)造了此空間中的旋轉(zhuǎn)、平移和比例不變矩。根據(jù)不同階數(shù)的不變矩組合矩陣，利用奇異值分解(SVD)方法提取目標(biāo)不變特征。該特征表示方法只利用了目標(biāo)的邊緣信息，計(jì)算量小，運(yùn)算速度快，魯棒性強(qiáng)并具有較好的圖像分類效果。 (10)綜述了三維目標(biāo)識(shí)別技術(shù)，重點(diǎn)介紹了三維目標(biāo)的表達(dá)和目標(biāo)識(shí)別方法。分析了三維聲納成像的原理，并以此為依據(jù)，借鑒工業(yè)和醫(yī)學(xué)上斷層成像系統(tǒng)的三維重建和處理方法，闡述了三維成像聲納目標(biāo)識(shí)別