论文部分内容阅读
声纳是水下机器人开展探测的重要设备,近年来随着高分辨率前视声纳的发展与应用,基于声纳图像的水下探测技术受到国内外学者的普遍关注。然而,载体的自由漂移运动容易导致声纳图像出现不同程度的灰度变化和几何形变。相比于光学图像,声纳图像仅具有较弱的纹理特征。本文针对水下探测任务中两个典型的工程应用问题,从声纳成像原理出发构建了描述二维声纳图像与载体三维微分运动关系的声纳图像运动模型,结合海底场景声纳图像特点研究了基于特征点分布概率模型的图像匹配方法,并实现了序列声纳图像的运动参数估计,采用方向性小波融合方法分析了水中大目标声纳图像,基于方向性滤波器和形态学理论提出了两种适合声纳图像的融合方法。声纳图像运动模型是利用载体三维微分运动来描述二维声纳图像中特征点运动关系的模型。模型的构建以声纳成像原理为基础,包括近似描述三维载体运动的声纳图像二维目标运动模型、可描述水下载体6自由度运动的声纳图像三维运动模型、以及用原始声纳数据描述载体运动的波束图像三维运动模型。同时,本文研究了三维运动模型中未知的仰角信息的估算方法,并重建了水池场景的三维高度图信息。此外,利用声纳图像运动模型对运动参数进行了分析和估计,并进一步结合波束图像和图像的阴影运动解析了运动参数的估计方法。利用声纳图像运动模型研究了海底场景声纳图像的匹配与运动参数估计方法。本文结合声纳图像的特点构建了图像匹配的原理框架,并展开了具体研究。首先,分析并补偿了声纳图像不一致的灰度分布,并将梯度阈值和灰度阈值与目标阴影关系相结合,提出了稳定点特征和感兴趣区域特征的提取方法;其次,用稳定的概率模型替代光学匹配中常规的灰度分布模型,研究了基于特征点位置分布的区域高斯概率描述方法,有效地将离散的特征点表示为分段连续的概率模型;最后,基于声纳图像运动模型推导了关于特征点和运动参数的匹配模型,通过构建区域概率模型的最优化问题求解图像的变换矩阵或运动参数,并研究了匹配问题的快速求解方法。为验证声纳图像的匹配和运动参数估计的精度,本文开展了模拟海底场景的水池实验研究,用多种方法匹配了构成闭环运动的多帧声纳图像,并分析了特征点匹配和运动参数的累积误差。根据水下机器人对图像后处理单元的需求,本文设计了一种嵌入式智能声探测平台,为后续算法实现打下基础。为融合大型目标表面和结构的声纳图像优势细节信息,本文研究了方向性多尺度声纳图像融合方法。首先,讨论了多种方向性多尺度小波在声纳图像融合中的应用,包括脊波变换、曲波变换和轮廓波变换。其次,结合声纳图像和非下采样的轮廓波变换的特点,提出基于NSCT与形态学决策的声纳图像融合方法(NSCTMM)。最后,将方向性滤波器理论与形态小波相结合,提出基于方向性分析的形态小波声纳图像融合方法(MWTD)。本文开展了凸型钢板的表面探测实验,分别用典型的沉底石油平台声纳图像和实验图像对各融合方法进行分析,结果表明本文提出的NSCTMM方法保留了源图像更多的细节信息,目标区域连贯性好,灰度级更加丰富。而MWTD方法融合细节信息的能力略有下降,但同样有效获得了声纳图像的优势信息,并具有一定的抑制噪声能力。这对未来的目标探测与识别具有重要的现实意义。