基于声图特征提取的水下目标检测识别研究

发布时间：2023-11-11 11:58

　　水下声纳探测是国内外海洋远距离探测的主要方式,而水下成像后的处理一直是目前具有应用价值和挑战性的研究热点。声学成像后的图像本身就不如传统光学图像分辨率高,水下环境复杂多变带来的声学成像质量更差,存在伪影和复杂的背景噪声,传统的目标检测识别的算法处理效果不尽人意。因此本课题针对水下声图的特征进行研究,提出多种适用于处理声纳图像的改进算法。水下声图的降噪预处理是声纳图像目标检测识别的前提,由于声图存在的噪声复杂,一般光学图像降噪的经典方法对其处理效果有限。本课题中采用非下采样轮廓波变换对声图进行分解得到高低频子带,在其基础上对脉冲耦合神经网络模型进行参数简化和改进并进行高、低频图像融合,经过反变换重构后的声图保留了声图的边缘信息的同时,较好的去除了斑点噪声。即使在噪声水平逐步添加时,本文提出的方法平均信噪比相比于频域降噪,双树双密度降噪,Lee滤波分别提高了34.8%,14.5%,9.4%,有较高的抗噪性能。广阔水域下的声纳探测传回的大量数据为目标识别带来一定困难,在声图目标识别匹配前,先判断声图的目标有无可以有效避免后期的冗余计算。本课题运用二维经验模态分解对声纳图像分解重构,对提取的差...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究的背景与意义
    1.2 国内外的研究现状
        1.2.1 降噪预处理
        1.2.2 目标检测识别
    1.3 本文研究的主要内容
    1.4 论文结构安排
第二章 基于NSCT-PCNN算法的水下声纳图像降噪
    2.1 引言
    2.2 水下声纳图像噪声分析
    2.3 传统降噪方法
    2.4 Lee滤波算法
    2.5 基于改进型的PCNN-NSCT图像融合
        2.5.1 NSCT原理
        2.5.2 脉冲耦合神经网络模型及原理
        2.5.3 NSCT-PCNN算法流程
    2.6 实验结果分析
    2.7 本章小结
第三章 基于BEMD的水下目标检测
    3.1 引言
    3.2 经验模态分解算法原理
        3.2.1 一维经验模态分解
        3.2.2 二维经验模态分解
    3.3 包络提取分析
        3.3.1 希尔伯特变换包络提取
        3.3.2 数学形态学包络提取
        3.3.3 差分极值点包络提取
    3.4 长短时窗目标检测
    3.5 实验结果分析
    3.6 本章小结
第四章 融合特征点与环状域检测的水下声纳目标匹配
    4.1 引言
    4.2 SURF算法特征点检测
    4.3 恒虚警检测技术
        4.3.1 恒虚警基本思想
        4.3.2 改进的恒虚警算法
    4.4 环状域统计特征匹配
    4.5 实验结果分析
    4.6 本章小结
第五章 基于Python的水下声纳目标检测识别系统的实现
    5.1 引言
    5.2 环境搭建
        5.2.1 Anaconda介绍
        5.2.2 Open CV介绍
        5.2.3 PyQt介绍
    5.3 系统实现
        5.3.1 系统登录模块
        5.3.2 水下声纳图像目标检测模块
        5.3.3 水下声纳图像目标匹配模块
    5.4 本章小结
第六章 总结与展望
    6.1 论文总结
    6.2 未来工作展望
致谢
参考文献
作者简介
攻读硕士期间发表论文
攻读硕士期间参与项目



本文编号：3862550