水下目标搜索与识别技术

《水下目标搜索与识别技术》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、水下目标搜索与识别技术水下目标搜索与识别系统一般分为光视觉系统和声视觉系统，当距离物体十米以内，一般采用光视觉系统，当距离物体大于十米以上时则用声视觉系统。当前流行的趋势是采用激光的方式来进行目标搜索与识别。一．光视觉系统传统的光视觉系统包括水下摄像机、照明等设备用来满足获取光学图像和视频信息等基本的要求。而现在的光视觉系统不仅要求满足上述要求，还要求具备对图像和视频信息进行处理、特征提取以及分类识别的功能。总之，只能水下机器人中光视觉系统的使命是：快速、准确德获取水下目标的相关信息，并对信息进行实时处理，将处理结果反馈给计算机，从而指导机器人进行正确的作业。1.光视觉系统框

2、架水下光视觉系统主要分为三大块：(1)底层模块:图像采集系统，包括专用水下CCD感光摄像头和图像采集卡，这部分属于硬件部分；(2)中层模块：图像处理，包括图像预处理、图像分割、特征提取、根据目标模型进行学习，形成知识库和逻辑推理机制，得到单幅图像的初步理解和评价。(3)高层模块：分类是水下目标识别最为核心的技术，也是最终实现部分。1.1硬件组成光视觉系统硬件包括光视觉计算机、水下CCD摄像头、云台和辅助照明灯。光视觉计算机完成视觉建模、高层视觉信息处理和理解、与机器人主控计算机的网络通讯，实时监控系统每个时间节拍的运行状态与处理参数。1.2软件体系水下光视觉系统的软件体系涵盖

3、了两个部分：中层模块和高层模块。中层模块主要负责图像处理工作(图像处理一般包括图像预处理、图像分割和特征提取三方面)。高层模块是水下目标识别系统的最终实现部分，一般采用的是神经网络识别算法进行识别分类。二．声视觉系统理想的声视觉系统作为智能水下机器人的传感设备，应该具备灵敏度高、空间分辨率高、隐蔽性好、抗干扰能力强、自主调节和全天候作业等特点，能适合探测弱目标和鉴别多目标的需要。同时它能在比较复杂的人为干扰和自然干扰下，实现对目标的自动识别和跟踪选择。声视觉系统最终要完成的任务是目标的自动定位、分类识别以及对运动目标实现跟踪，而完成这一任务的核心和前提条件是拥有一台高分辨率水

4、声探测设备。目前较常用的是多波束声纳系统。2.1声纳成像技术随着科学技术的进步，声纳技术得到了突飞猛进的发展。成像声纳的发展速度也很快，已有了接近光学质量的声全息成像实验系统、声透镜成像系统等。尽管这些成像系统的声成像质量较好，但实用性较差。目前技术比较成熟、使用也较多的成像声纳为侧扫声纳和扇扫声纳(前视声纳)。侧扫声纳是探测海洋的重要工具之一。侧扫声纳为一高频拖曳声纳，其换能器阵一般安装在水下拖曳体的两侧。由母船拖曳在距海底15米左右的距离上工作，波束探测方向与舰体行进方向垂直。由于工作频率高，因而具有较高的解像度，可对海底地形地貌及沉没船只、飞机的残骸进行清晰的解读。扇扫

5、声纳的研究开展较晚，但发展很快，现已广泛应用于探雷、定位、避障等水下作业中。目前国际上己经用在水下机器人上的扇扫声纳主要分三大类:(1)单波束机械扫描声纳：它由机械旋转的单波束形成全方位或某固定扇面内的扫描来完成探测。结构简单，价格便宜，但成像速率较低；(2)多波束预成电子扫描声纳：具有较高的成像速度，但由于旁瓣的作用，图像质量略逊于单波束机械扫描声纳。(3)三维成像声纳：它能够获得距离、水平、垂直三维空间的目标信息。前两类声纳都只在距离和角度方向具有分辨能力，因而仅能获得目标的二维信息。2.2水声图像处理技术随着声纳技术成像和数字成像技术的发展，水声图像处理的研究也随之进入

6、了新的阶段。其主要研究方向包括:(1)图像的增强：改善图像的视觉效果，加强图像的有用信息，削弱干扰和噪声；(2)图像的恢复：把退化模糊的图像复原；(3)图像的编码：简化图像的表示，压缩表示图像的数据，以便于存储和传输。(4)图像的重建：由二维图像重建三维图像；(5)图像的分析：对图像中的不同对象进行分割分类识别和描述解释等。此外，声纳图像本身分辨率不高，噪声严重，也给水下目标探测带来了很大的困难。因此在实际应用中，我们有必要寻找到适合水声图像物理背景的处理方法。近年来，国内外陆续开展了成像声纳的研制和水声图像处理的研究工作。水声图像处理的研究主要集中在侧扫声纳和扇扫声纳的单帧

7、图像处理和序列图像处理方面。(1)侧扫声纳图像处理随着多波束高分辨率侧扫声纳技术的日趋成熟，国外己有侧扫声纳方面的产品问世。目前侧扫声纳图像处理应用的技术有阴影技术、纹理分析技术、数学形态学方法和神经网络分类技术等。(2)扇扫声纳图像处理随着声纳技术和信号处理技术的发展，扇扫声纳从早期的单波束机械扫描声纳发展到目前的预成多波束电子扫描声纳。这提高了成像速度和分辨率。目前己有扇扫声纳方面的产品问世，如SeaBat6012等。扇扫声纳图像的预处理通常采用光学图像处理技术，图像识别采用的方法有基于模板的投票法