無人智能潛器水下目標探測跟蹤技術(shù)研究.pdf

1、隨著國際海洋開發(fā)力度的加大,無人智能潛器越來越多的用于海洋勘探。作為無人智能潛器的重要傳感器之一的前視聲納,對于避障、導(dǎo)航、路徑規(guī)劃、環(huán)境探測等都有著突出的意義。然而聲學(xué)圖像的低分辨率導(dǎo)致很多一般性的圖像處理和目標跟蹤技術(shù)不能有效的達到目的,因此針對該問題進行深入的學(xué)習(xí)和研究。
　　深入研究前視聲納的成像特點、圖像處理技術(shù)在聲納圖像分割中的應(yīng)用并分析對比了各自的特點。研究結(jié)合信息論中熵的概念和閾值分割理論構(gòu)建一維最大熵、二維最大熵

2、閾值法,接著結(jié)合模糊理論建立了二維模糊熵閾值分割算法,并在聲納圖像分割實驗中針對該算法提出了兩種改進。針對聲納圖像中運動目標的分割檢測問題,把傳統(tǒng)的幀間差分法與熵閾值法結(jié)合起來,建立時空直方圖,分別提出了二維時空熵閾值算法、二維時空模糊熵閾值算法,利用兩種算法對前視聲納圖像序列進行運動目標分割檢測。并對比著研究分析了由二維模糊熵閾值法提出的改進算法、區(qū)域生長法、二維時空模糊熵法這三種算法,結(jié)果表明最后一種算法不僅能夠分割檢測出完整的運動

3、目標,同時還能有效地抑制背景噪聲。
　　結(jié)合圖像分析技術(shù)和前視聲納的成像特性,研究分析水下目標圖像序列的目標區(qū)域特征的表示方法,以及各特征對應(yīng)的反映目標物體的哪些物理特征,并計算其中連續(xù)三幀圖像的各個特征值。分析不同樣本圖像中,典型目標各特征隨目標運動的變化規(guī)律,比較不同特征間的變化差異。深入研究GRNN,建立起網(wǎng)絡(luò)結(jié)構(gòu),比較分析不同特征組合對運動過程中目標區(qū)域的描述分類結(jié)果,選取出最優(yōu)特征組合。
　　深入研究卡爾曼濾波及其