论文部分内容阅读
随着声纳技术的发展和图像声纳的出现，基于声纳图像处理的目标识别技术得到了各国学者的关注和重视。本文着重研究管道检测声纳探测成像及图像处理技术，通过声纳对被测管道内壁进行探测扫描，将采集的数据进行寻峰处理和相位变换，得到一系列点距离的集合，然后将点距离转化为二维曲线，通过坐标变换，形成三维声图像，实现声纳系统的三维成像，通过概率统计学对缺陷进行定性和定量分析，提高探测系统的正确性。
本文通过建立相位移理论的数学模型，基于特征分解的空间谱估计技术，形成阵相移波束，将采集的数据进行信号数字化处理和误差修正，通过相位变化得到不同距离的声纳信息。将处理后的声纳信息进行寻峰处理，得到一维的距离点数据。将同一平面的信号形成一系列二维的曲线数据，实现数据的从一维到二维的转化。通过梯度法、Marr边缘检测算法、小波算法对二维平面数据进行边界检测和处理。通过坐标变换和线性摄像机模型将信息恢复成三维的图象，实现声纳信号的三维成像。考虑线性或非线性的畸变补偿，利用校正后的模型进行三维重建。针对成像后数据的缺陷识别，通过概率统计学理论对缺陷进行识别和辨别，通过多元非线性回归方法和主成份分析方法对缺陷进行缺陷长度、宽度、深度的统计识别。缺陷参数识别的实验中选用三层神经网络，使用LM算法，神经元传递函数是sigmnid型可微函数，输出神经元采用线性传递函数。通过实验证明了该声纳检测、三维成像以及目标识别的实用性和有效性，取得了良好的效果。