水下目標聲圖像多分辨率分析及識別研究.pdf

1、水下聲成像探測近年來應用范圍越來越廣泛,軍事目標識別、海底地形測繪、海底石油探測、橋梁建設、碼頭建設等。由于水下聲場環(huán)境的復雜性和聲納設備成像的非線性,所采集到的水下聲納圖像具有對比度低、成像質(zhì)量差、目標物與背景之間對比度低等特點,這些特點對后續(xù)的聲納圖像目標檢測與識別分析等工作帶來了很大的難度。多分辨率分析通過基函數(shù)的伸縮、平移等運算對信號進行多尺度細化分析,能有效地從信號中提取信息,是目前國際公認的信號與信息處理領域的高新技術,是信

2、號處理的前沿課題和研究熱點。它在信號濾波、圖像去噪、圖像融合、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圖像處理中的應用,主要在基陣信號降噪以及聲圖像去噪、融合、識別四個方面進行了研究。
　　 首先,對水下聲成像設備前端傳感器聲學陣列的工作原理進行了概括性敘述與分析。由于背景噪聲復雜,接收到的信號往往會被噪聲污染,嚴重影響目標檢測與分類結(jié)果的有效性和可靠性,提出基于表面波變換的

3、水下多傳感器陣列信號降噪方法。對實際水聲信號的降噪處理實驗表明,實現(xiàn)了基陣信號的并行處理,得到了較為滿意的降噪效果。此方法不僅利用了水下基陣信號間的相關性等統(tǒng)計特性,又利用了表面波變換的移不變性,使水下目標信號的檢測、識別更準確。表明該降噪方法對艦船信號進行降噪處理是一種行之有效的方法。
　　 其次,對常用的多分辨率變換的概念及去噪方法進行了概括性的介紹與分析。闡述了水下目標聲圖像的成像機理及聲圖像的統(tǒng)計特性。針對聲納圖像對比度

4、差、不易判別邊緣及細節(jié)的特點,提出了兩種基于多分辨率的聲納圖像去噪方法。他們分別為:基于NSCT循環(huán)抽樣聲納圖像去噪方法、基于Surfacelet和多向Cycle Spinning的圖像去噪方法。這些方法具有多向性,平移不變性,圖像信息并行處理,信息利用率高,并且通過仿真實驗,驗證了這些去噪方法的有效性和優(yōu)越性。
　　 再次,為了將多波束聲納的數(shù)字信息與側(cè)掃聲納的數(shù)字信息相融合,提出了基于Surfacelet的聲圖像融合方法。該

5、方法利用Surfacelet變換的系數(shù)特點,有效準確地提取圖像邊界和細節(jié)區(qū)域,融合過程將系數(shù)分類,分別在不同頻率上采用不同的融合方法,可以有效利用待融合圖像中的有價值信息。低頻子帶采用線性平均進行融合;帶通邊緣分細節(jié)區(qū),非細節(jié)區(qū),采用不同的融合規(guī)則;高頻部分參考窗口能量值融合。此方法不僅提高了融合后聲納圖像中的信息量和清晰度,而且充分利用了Surfacelet變換的平移不變性,融合過程中的相應運算不會令輸出結(jié)果局部失真?；赗etine

6、x模型對聲納圖像分解后進行融合處理,有效利用了聲納圖像暗區(qū)信息。將提出的方法應用于MBES聲圖像和SSS聲圖像融合,效果好于基于最大值、拉普拉斯、對比度融合以及基于離散小波變換的融合方法。
　　 最后,對常用的圖像特征提取技術及模式識別方法進行了概括性的介紹與分析。針對高分辨率聲納圖像可以提供豐富的海底紋理信息的特點,基于多分辨率工具以紋理作為底質(zhì)特征采取適當?shù)淖R別算法進行聲圖像識別。提出了基于Retinex模型和Surface