AUV前视声纳成像和目标特征提取方法的研究.pdfVIP

AUV前视声纳成像与目标特征提取方法研究 摘 要 随着海洋探测与开发的不断深入，具有自主导航能力的水下航行器的需求越 来越大。在复杂的水下环境中，声纳传感器是自主水下机器人(AUV)重要的感 知设备，水下环境探测、目标特征提取与目标识别也是AUV领域中的核心问题， 与传统声纳系统不同，AUV的声视觉系统必须具备环境感知、信息获取、声图生 成与构建、目标特征提取与目标识别等功能。因此，这方面的研究具有重要的意 义。 本论文依托国家863项目——基于声纳和水下视觉的深海复杂环境下AUV 组合导航系统关键技术，主要工作就是对AUV的水声探测及导航系统进行进一 步的研究，寻找适合AUV声纳图像处理及目标特征提取与识别的相关技术。 DST频数字 在声纳成像方面，本文介绍了利用Tritech公司的SuperSeaking 机械扫描前视声纳作为组合导航主要的传感器，连续发送并接收环境中反馈的回 波数据，将得到的固定范围内的回波数据通过有效的选择和处理后，使其可视化 显示，即生成实际环境的原始声纳图像。 在声纳图像预处理方面，本文首先介绍和分析了脉冲耦合神经网络(PCNN) 与交叉皮层神经元(ICM)模型的结构模型、基本原理以及在图像处理中的应用， 其中进行了对比分析，而后，在ICM神经元模型的基础上对声纳图像进行了对比 度变换、图像分割等预处理，增加了预处理与特征提取阶段的连续性、实时性、 有效性等。 在目标特征提取方面，本文首先介绍了经典的几何不变特征，以及具有旋转、 平移和比例不变性的矩特征，作为描述目标的特征向量。在此，研究了一种改进 的图像几何特征提取的计算框架，该框架结合顶点链码与离散格林，优化了特征 向量的计算，能够快速地计算目标特征向量，同时可以有效地应用于后续的目标 分类识别与跟踪工作。同时，针对水下环境中返回相对要平缓的闭合斑块，对比 分析了最小二乘基本理论，以及对于区域目标进行椭圆拟合的应用，同样地，采 用该计算框架计算矩特征值，表征并提取区域斑块椭圆特征。最后，结合前几章 中总结的图像特征提取和识别技术，以及声纳图像的特点，以AUV为出发点，提 出并实现了具体的声纳图像处理与目标特征提取方法。 关键词：At／V；声纳成像；脉冲耦合；交叉皮层神经元；顶点链码：特征提取 Ⅱ ResearchOnI Bui I di andFeaturesExtracti on mage ng of ooki MethodAUVForward。。I Sonar ng Abstract Withthe ofocean of vehicle demandunderwater developmentexploration,the 晰mthe ofautonomous is the capability navigation growing．Incomplex underwater sonarsensoris as of environment,the perceivedimportantequipment autonomousunderwater cIlvironmental vehicle(AUV)．Unde刑atcr