高分辨率成像声纳图像识别技术研究

论文摘要

本论文是在“十五”预研项目——智能水下机器人“水下目标声探测与识别技术”的基础上进行的。论文以工程中的实际问题为着眼点，深入研究了机器人声视觉系统的构建与设计、侧扫声纳和前视声纳的图像预处理、特征提取与识别等技术。主要内容包括：(1)综述了国内外水下智能机器人、水下目标识别技术的研究现状与基于声纳图像的水下目标识别的主要设备和方法；详细的介绍了当前图像识别系统的组成和主要技术手段。(2)综述了目前国际上先进的高分辨率成像声纳——高分辨侧扫声纳、声透镜声纳和三维成像声纳的技术特点与性能；以军用智能水下机器人中“水下目标声探测与识别技术”课题中声视觉系统的主要任务为基础，设计了一种新的声视觉系统构建方式和工作过程，使水下智能机器人能够同时探测前方和下方海域，并具备了在远距离上粗略的目标分类能力和近距离的精确目标识别能力，能够更有效的完成水下目标探测和识别的任务。(3)分析了声纳图像在成图过程中所受到的噪声干扰。深入研究了脉冲耦合神经网络(PCNN)的相关理论，设计了一种在PCNN简化模型基础上，结合形态学与中值滤波的噪声抑制算法。该方法在不损失图像边缘信息的前提下，能够同时有效的去除图像中的高斯和脉冲噪声，并且由于PCNN内在的并行实现性，更加适合实时的图像处理。(4)介绍了水下智能机器人携带的侧扫声纳图像的主要应用范围。综述了利用侧扫声纳图像的海底底质分类研究领域的最新进展，提出了将包含图像结构细节信息的相位谱与灰度共生矩阵相结合的海底底质纹理表示方法，并应用主分量分解提取了特征向量。由于将统计和结构信息有机的融合起来，从而提高了识别精度。(5)根据不同图像其相同灰度值的空间分布不同的特点，利用PCNN简化模型得到对应于不同灰度值的二值序列图像，作为原图像的纹理表示。计算每幅图像的方差，将序列图像转化为一维特征矢量，用于侧扫声纳图像和自然纹理图像的识别中，可以获得很高的图像识别率。(6)在海底目标检测中，针对侧扫声纳图像受海底混响干扰严重的缺点，提出了将高阶谱中双谱的谱峰值大小作为图像中目标是否存在判断方法。利用高阶谱可以抑制了图像背景中不相关噪声，使目标高阶相关性增强的性质，可以有效的检测出具有不同参数的侧扫声纳系统图像中的目标存在，更具有普遍适用性。(7)在海底目标提取中，提出了将自适应灰度规整与Otsu’s阈值分割方法结合的海底目标区域分割方法。该方法能够进行自动阈值选择，得到的分割结果有更好的区域均匀性和对比度。(8)分析了高分辨率前视声纳图像的特点，针对其所受干扰大和回波不均匀造成的内部孤立点问题，提出了一种形态学边缘检测算法。该方法对噪声不敏感，并且较好的消除了声纳图像中目标内部由于回波信号的强弱变化导致的灰度突变，使其中的孤立点得到抑制，所以提取出的边缘轮廓较完整。(9)针对水下机器人在作业过程中的运动会造成图像中目标的旋转、平移和比例变化问题，深入研究了图像识别中的视觉不变量理论。提出了一种基于图像边缘Radon变换的声纳图像不变性特征提取方法。在图像目标尺度归一化的基础上，利用Radon变换将二维边缘信息投影到一维空间，构造了此空间中的旋转、平移和比例不变矩。根据不同阶数的不变矩组合矩阵，利用奇异值分解(SVD)方法提取目标不变特征。该特征表示方法只利用了目标的边缘信息，计算量小，运算速度快，鲁棒性强并具有较好的图像分类效果。(10)综述了三维目标识别技术，重点介绍了三维目标的表达和目标识别方法。分析了三维声纳成像的原理，并以此为依据，借鉴工业和医学上断层成像系统的三维重建和处理方法，阐述了三维成像声纳目标识别的实现过程，介绍了其中的关键技术并对实际中的困难进行了分析。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景
• 1.2 研究目的和意义
• 1.3 国内外声纳图像识别研究现状
• 1.4 图像识别概述
• 1.4.1 图像预处理
• 1.4.2 特征提取与选择
• 1.4.3 分类识别
• 1.5 论文的内容与结构
• 第2章 智能水下机器人声视觉系统设计
• 2.1 引言
• 2.2 声视觉系统组成
• 2.2.1 高分辨率侧扫声纳
• 2.2.2 声透镜成像声纳
• 2.2.3 三维成像声纳
• 2.3 水下机器人声视觉系统任务与工作过程设计
• 2.4 本章小结
• 第3章 图像预处理
• 3.1 引言
• 3.2 图像噪声抑制
• 3.2.1 传统滤波方法
• 3.2.2 现代滤波方法
• 3.2.3 PCNN网络模型
• 3.2.4 PCNN图像去噪
• 3.2.5 实验结果与分析
• 3.3 图像规整处理
• 3.3.1 图像尺寸规整
• 3.3.2 图像灰度规整
• 3.4 本章小结
• 第4章 侧扫声纳图像特征提取与识别
• 4.1 引言
• 4.2 侧扫声纳图像在海底底质分类研究中的应用
• 4.2.1 纹理分析方法
• 4.2.2 灰度共生矩阵与相位谱
• 4.2.3 基于邻域灰度—相位共生矩阵的海底底质分类
• 4.2.4 基于PCNN输出序列图像的海底底质分类
• 4.3 海底目标探测
• 4.3.1 海底目标存在判断的高阶统计量方法
• 4.3.2 海底目标提取
• 4.3.3 实验结果与分析
• 4.4 本章小结
• 第5章 前视声纳图像特征提取与识别
• 5.1 引言
• 5.2 高分辨前视声纳图像特点
• 5.3 图像形状特征描述
• 5.3.1 概述
• 5.3.2 形状表示方法
• 5.4 边缘检测
• 5.4.1 图像边缘定义
• 5.4.2 经典边缘检测算法
• 5.4.3 形态学边缘检测算法
• 5.5 不变量特征提取
• 5.5.1 概述
• 5.5.2 矩不变量
• 5.5.3 投影变换
• 5.5.4 离散Radon矩不变量
• 5.6 三维声纳图像目标识别技术
• 5.6.1 三维目标识别概述
• 5.6.2 三维成像声纳原理
• 5.6.3 三维声纳图像目标识别关键技术
• 5.7 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文和取得的科研成果
• 致谢
• 附录 声纳图像去噪效果图