基于前视声呐图像的AUV目标识别与跟踪

声呐图像由于水体不均匀、边界不规则以及声呐设备本身性能的限制,导致图像噪声明显、亮度不均、分辨率低,使得水下AUV装备在使用前视声呐进行水下目标检测时难度较大。针对该问题,基于m750d声呐探测获得的AUV声呐数据,进行了数据提取、高斯滤波处理、扇形映射处理,并采用Jet映射对声呐灰度图像进行了伪彩色映射提高数据标注速度和精度,制作获得了4组2 500张声呐图像的AUV目标检测数据集;采用YOLOv4-tiny目标检测算法开展AUV目标检测研究,研究结果表明该方法在该数据集上表现优秀,mAP@0.50达到94.17%,FPS在22帧左右,说明该轻量级网络在水下AUV目标识别与跟踪应用上具有较好的应用价值。     

基于声呐图像处理的船用水下目标识别技术研究

水下目标自动识别技术不论在军事领域还是商业领域都具有广泛的应用,具体包括水下军事目标的监测、渔业资源勘测、海底地形勘探等。声呐信号处理是船舶水下目标探测的关键环节,可以分为声呐系统回声信号处理和声呐图像处理2种,本文主要研究的是声呐图像处理类型。本文充分利用基于小波变换的图像滤波技术、图像分割技术、特征提取技术等,改善了船用水下目标识别技术的工作效率和工作精度。     

基于前视声呐信息的AUV避障策略

针对欠驱动型AUV水平面避障问题,考虑其非线性运动特性及障碍物运动状态,提出基于前视声呐信息的避障方法,有效解决了水平面避障问题。首先利用前视声呐获得的障碍物各时刻的位置信息,使用最小二乘法得到障碍物二阶非线性运动信息,建立AUV与障碍物相对运动关系;然后采用时间系数分层控制策略时时调整AUV的期望首向和速度;最后进行仿真试验,试验结果验证了该方法的有效性。     

基于统计量的声呐图像目标检测算法

水下声呐图像目标检测问题是一项重要而困难的工作,采用滑动窗计算图像中各像素点处邻域像素灰度的统计量,利用最大熵图像分割算法确定检测阈值,并利用均值、标准差、偏态和峰度等统计量对算法进行了仿真验证,对声呐图像中的目标回波区和阴影区域均可实现较好的检测效果。结果表明,该方法具有原理简单、运算效率高、实时性好等特点,具有较强的工程应用价值。     

SVM在合成孔径雷达图像目标识别中的应用

提出一种采用Zernike矩和支持向量机SVM结合对SAR图像中的舰船目标类型进行分类识别的算法。此算法首先对SAR舰船切片图像进行预处理,再采用Zernike矩提取SAR舰船图像切片的旋转不变特征算子;然后,利用支持向量机的方法对目标样本进行训练构造分类器,并采用"一对一"多类方式实现多类舰船目标的识别。最后,仿真建立3类舰船三维模型,并利用本文算法进行分类识别,实验结果表明本文算法能够有效识别舰船目标。     

复杂背景下小样本声呐图像目标检测

水下目标检测具有重要意义,在军事和民用领域都发挥着重要作用。实际场景中可以获得的声呐图像非常有限,且声呐图像的信噪比较低,无法得到较好的检测结果。因此,本文引入小样本学习,基于Faster RCNN两阶段目标检测算法,选择不同的策略对模型进行优化,得到了较好的检测结果并验证了小样本目标检测在声呐图像领域的可行性。根据混响对声呐图像的影响进行仿真实验,得到不同混响背景下的声呐图像,对比分析了不同数据集下训练模型的检测性能。实验结果表明,在训练样本中增加混响信号可以提高低信噪比条件下的目标检测精度。     

多种代数特征抽取方法下的图像分类算法研究

文中分别用主成分分析、独立成分分析以及线性鉴别分析方法对图像进行特征抽取,同时采用K近邻算法和支持向量机算法进行人脸图像分类.通过在YALE人脸图像库上实验,结果表明:多种特征抽取方法下的图像分类算法是有效的.     

基于粒子滤波的声呐图像目标跟踪算法研究

声呐图像目标跟踪技术在水下UUV作战系统中具有重要意义,由于水声环境复杂,噪声干扰严重,导致声呐目标跟踪效果欠佳。本文针对UUV声呐成像特点,首先给出一种改进的Curvelet变换图像增强方法,可以有效降低声呐图像噪声并在一定程度上增强目标图像的边缘。并此基础上,提出一种基于粒子滤波的声呐目标跟踪算法以获得更为准确的目标跟踪效果。仿真结果表明,相较于传统声呐目标跟踪,该方法具有更好的目标跟踪精度以及鲁棒性。     

基于几何特征的声呐图像人造目标检测算法

针对高频声呐图像目标检测问题,基于数学形态学算子,提出了一种新的快速目标检测算法.该算法通过定义多尺度多形状的形态结构元素,对各像素点进行形态开闭运算,并采用阈值评判方法实现目标检测.仿真结果表明,该算法具有实时性好、准确度高的特点,并且可有效地克服背景中岩石等自然景物的影响,实现人造目标的准确提取.     

Underwater sonar image recognition based on gray-spatial histograms

A new gray-spatial histogram is proposed, which incorporates spatial information with gray compositions without sacrificing the robustness of traditional gray histograms. The purpose is to consider the representation role of gray compositions and spatial information simultaneously. Each entry in the gray-spatial histogram is the gray frequency and corresponding position information of images. In the experiments of sonar image recognition, the results show that the gray-spatial histogram is effective in practical use.     

基于K最近邻决策的支持向量机分类算法及仿真

将基于支持向量机(SVM)的分类方法和最近邻法(NN)相结合,提出了一种SVM-KNN的分类方法。通过SVM算法对训练样本进行训练并找出支持向量,在进行待识别样本判断时,当其与最优分类面距离大于某一给定阈值时采用SVM决策模型,否则运用K最近邻法决策其类别,从而减少SVM算法的误判概率。仿真实验结果显示,运用该算法无论对于合成数据还是真实数据,在分类精度上比单独的SVM都有较明显的提高。     

舰船宽带连续谱特征监测技术

舰船辐射噪声是多年来水声学领域研究的重要对象,对其特征的监测可以发现处于亚健康状态下的舰船,对舰船的维护和保养具有重要意义.本文从宽带连续谱的角度出发,制定特征监测方案.在实现各功能模块的基础上,将其进行整体联调.运用舰船在海上的实测信号对整个方案进行验证,并在多种特征提取方法和相似度计算方法中得到最优组合.     

基于单矢量水听器的海洋环境噪声方向性分析方法研究

海洋环境噪声场方向性是信号处理中背景噪声抑制的基础.本文基于矢量水听器研究了海洋环境噪声方向性分析方法以及各向异性的表征方法,分析了背景噪声方向性与矢量水听器对背景噪声抑制能力的关系,并利用北黄海海域单矢量水听器获取的海洋环境噪声数据,对海洋环境噪声方向性分析方法进行了试验验证.结果表明:不同频段的海洋环境噪声场水平各向异性程度差异显著;海洋环境噪声水平方向性在特定频段内具有显著的不均匀性,且其方向性与航船分布情况一致.     

基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法.利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类.算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实.实验结果表明,该方法平均识别正确率达到93.6％,可以很好地实现船舶识别.     

SAR图像舰船目标长宽特征提取技术

SAR图像特征提取是目标识别中的关键步骤,直接影响目标识别的结果。长度类特征因其简单直观、效率高、易于提取等优势,常被作为船只类型的初始判定,针对 SAR图像舰船目标长宽特征提取问题,本文提出一种新的方法。首先通过水平集分割获得目标轮廓,其次采用区域消除方法滤除杂波,获得预处理后的目标图像;其次通过最小外接矩形拟合目标,获取舰船目标切片的长轴、旋转的角度;再次采用最小二乘法椭圆拟合获取舰船目标短轴;最后得到舰船目标的长宽特征。通过实测SAR图像处理结果表明,本文方法能够在背景杂波干扰下,抑制相干斑噪声的影响,提高了长宽提取的精度,是一种有效的舰船目标长宽特征提取方法。     

基于粒子群优化的SAR图像舰船目标特征选择

SAR图像特征提取和分类器设计是进行目标识别的关键,通常情况下分类器性能与特征数量之间并不存在线性关系,相反过度冗余的特征甚至会导致分类器性能严重下降,因此特征选择成为必要。提出一种粒子群优化与Wrapper策略相结合的特征选择方法,针对包含待识别舰船目标的SAR图像,提取其3类共16个典型特征,利用本文所提算法筛选出最佳的特征组合。实验结果表明,将本文所提取的特征组合用于目标识别,分类精度提高了22%,分类时间缩短了2.16 s。     

基于FPGA的高速图像处理技术

随着现代科学技术的发展,图像处理技术取得了巨大进步,在舰船等交通领域得到广泛应用。由于舰船航行条件一般都比较复杂,拍摄出的图像不够清晰,所以需要利用图像处理技术对图像进行处理。本文针对目前舰船图像处理存在的问题,研究基于FPGA图像处理的算法,在现有冒泡算法和一般快速排序算法的基础上,提出一种适用于舰船图像处理的基于横向拓展的新快速滤波算法,并通过QUARTUS9软件和Matlab仿真实验验证。结果表明,新算法在执行速度和图像处理效果上都优于前2种算法,有效提高了FPGA处理图像数据的速度,可以方便地应用于舰船图像处理。