[go: up one dir, main page]

CN117557894A - 一种基于声呐图像特征的海底位置检测与跟踪方法 - Google Patents

一种基于声呐图像特征的海底位置检测与跟踪方法 Download PDF

Info

Publication number
CN117557894A
CN117557894A CN202311354964.1A CN202311354964A CN117557894A CN 117557894 A CN117557894 A CN 117557894A CN 202311354964 A CN202311354964 A CN 202311354964A CN 117557894 A CN117557894 A CN 117557894A
Authority
CN
China
Prior art keywords
data
detection
ping
initial
window
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202311354964.1A
Other languages
English (en)
Other versions
CN117557894B (zh
Inventor
刘顺发
王常乐
杨昺崧
贺新程
刘兴华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongke Tanhai Shenzhen Marine Technology Co ltd
Original Assignee
Zhongke Tanhai Shenzhen Marine Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhongke Tanhai Shenzhen Marine Technology Co ltd filed Critical Zhongke Tanhai Shenzhen Marine Technology Co ltd
Priority to CN202311354964.1A priority Critical patent/CN117557894B/zh
Publication of CN117557894A publication Critical patent/CN117557894A/zh
Application granted granted Critical
Publication of CN117557894B publication Critical patent/CN117557894B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/66—Sonar tracking systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/05—Underwater scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于声呐图像特征的海底位置检测与跟踪方法，包括如下步骤，S1:初始底位置区间自动检测：在启动时，通过多周期累积的方式进行分析和处理，估计底部区域的位置。这一步骤能够自动检测初始的底位置区间，为后续的底部检测提供准确的起点；S2:在初始位置，声呐保持静止状态，积累多ping数据，记作Si(i＝1,2,...,M)，M为累积的数据个数；S3:对上述数据进行处理，可使用探底传感器的数据，或者使用声学数据计算,假定获取的海底位置为Ii(i＝1,2,...,M)，通过初始底位置区间自动检测、底部检测、底检测数据质量评估和海底位置跟踪与预测等步骤，能够有效地解决声学图像噪声、底质回波差异和水中悬浮目标的干扰等难点问题。

Description

一种基于声呐图像特征的海底位置检测与跟踪方法
技术领域
本发明涉及声呐图像特征的海底位置检测技术领域，尤其涉及一种基于声呐图像特征的海底位置检测与跟踪方法。
背景技术
目前，海底位置的准确检测和跟踪对于海洋资源开发、海底管线敷设等工作具有重要意义。然而，由于声学图像存在噪声干扰以及不同底质回波强度的差异，以及水中悬浮目标的干扰，传统的海底位置检测和跟踪方法存在一定的困难。
传统海底位置检测和跟踪存在的主要问题包括：
(1)声学图像噪声大：由于海底环境的复杂性，声学图像中存在大量噪声，影响海底位置的准确检测和跟踪。
(2)不同底质回波强度差异大：不同的海底底质会产生不同的回波强度，导致海底位置的检测和跟踪结果出现误差。
(3)水中悬浮目标的干扰：水中悬浮的物体会引起声学图像中的回波干扰，进而影响海底位置的准确性。
综上所述，迫切需要提供一种能够有效解决上述问题的海底位置检测与跟踪方法。
发明内容
针对现有技术的不足，本发明提供了一种基于声呐图像特征的海底位置检测与跟踪方法，以解决现有技术中“(1)声学图像噪声大：由于海底环境的复杂性，声学图像中存在大量噪声，影响海底位置的准确检测和跟踪；(2)不同底质回波强度差异大：不同的海底底质会产生不同的回波强度，导致海底位置的检测和跟踪结果出现误差；(3)水中悬浮目标的干扰：水中悬浮的物体会引起声学图像中的回波干扰，进而影响海底位置的准确性”的技术问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种基于声呐图像特征的海底位置检测与跟踪方法，包括如下步骤，
S1:初始底位置区间自动检测：在启动时，通过多周期累积的方式进行分析和处理，估计底部区域的位置。这一步骤能够自动检测初始的底位置区间，为后续的底部检测提供准确的起点；
S2:在初始位置，声呐保持静止状态，积累多ping数据，记作Si(i＝1,2,...,M)，M为累积的数据个数；
S3:对上述数据进行处理，可使用探底传感器的数据，或者使用声学数据计算,假定获取的海底位置为Ii(i＝1,2,...,M)，则初始海底位置为：
S4:开始声呐运动，进行连续成像，对连续的单Ping数据进行处理；
S5:使用三种特征提取方法进行底部检测，识别出海底的位置；
S6:中值滤波，对上述5中多方法计算出的底位置，记作I1，I2，I3，I4。考虑到海底是缓慢变化的，因此引入上一ping的数据记作I0，初始计算第一Ping数据时，
I0＝Iorg
对其进行中值滤波，去除波动较大点。计算方法如下
记作Imid为5个值的中值，对I1，I2，I3，I4进行判断
其中IΔ为设定阈值；
S7:加权平均，对上述6中保留的I进行加权平均，得到真正的底位置。
其中ai为权重，加入上一ping的底位置I0以保证结果的稳定性；
S8：底基线平滑，对上述计算完成的底位置记作In(n＝1,2,3,...)，n为Ping编号。
对结果进一步平滑，以去除噪声点。最终计算出的底位置为
窗口宽度为2w。
作为本发明的优选技术方案，海底回波到达时，前后的能量特征理有很大的差异，可利用这种特征来进行底部检测。单Ping数据为一个一维数组，其下标表示时间先后，数值表示声强。对其处理时，设定一个时窗(长度)，将时窗等分成前后两个部分，计算时窗前后两部分能量的区别；假定时窗长度为2k，时窗前半部分的能量记作P1，后半部分能力记作P2，采用不同的方法来评价窗口能量差异。
作为本发明的优选技术方案，所述不同方法,包括：进行窗口滑动计算，查找P最大的位置，记作底位置，其中，
y表示该Ping数据中的一个元素。
作为本发明的优选技术方案，所述不同方法还包括：进行窗口滑动计算，查找P最大的位置，记作底位置，其中，/>y表示该Ping数据中的一个元素。
作为本发明的优选技术方案，所述不同方法还包括：进行窗口滑动计算，查找P最大的位置，记作底位置，其中，
y表示该Ping数据中的一个元素。
作为本发明的优选技术方案，所述不同方法还包括：P＝P2-P1，进行窗口滑动计算，查找P最大的位置，记作底位置，其中
y表示该Ping数据中的一个元素。
本发明提供了一种基于声呐图像特征的海底位置检测与跟踪方法，具备以下
有益效果：
本发明提出了一种基于图像声呐特征的海底位置检测与跟踪方法，通过初始底位置区间自动检测、底部检测、底检测数据质量评估和海底位置跟踪与预测等步骤，能够有效地解决声学图像噪声、底质回波差异和水中悬浮目标的干扰等难点问题。
附图说明
图1为本发明提出的一种基于声呐图像特征的海底位置检测与跟踪方法的流程示意图。
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例用于说明本发明，但不能用来限制本发明的范围。
实施例一
参考图1，一种基于声呐图像特征的海底位置检测与跟踪方法，包括如下步骤:
S1:初始底位置区间自动检测：在启动时，通过多周期累积的方式进行分析和处理，估计底部区域的位置。这一步骤能够自动检测初始的底位置区间，为后续的底部检测提供准确的起点；
S2:在初始位置，声呐保持静止状态，积累多ping数据，记作Si(i＝1,2,...,M)，M为累积的数据个数；
S3:对上述数据进行处理，可使用探底传感器的数据，或者使用声学数据计算,假定获取的海底位置为Ii(i＝1,2,...,M)，则初始海底位置为：
S4:开始声呐运动，进行连续成像，对连续的单Ping数据进行处理；
S5:使用三种特征提取方法进行底部检测，识别出海底的位置；
S6:中值滤波，对上述5中多方法计算出的底位置，记作I1，I2，I3，I4。考虑到海底是缓慢变化的，因此引入上一ping的数据记作I0，初始计算第一Ping数据时，
I0＝Iorg
对其进行中值滤波，去除波动较大点。计算方法如下
记作Imid为5个值的中值，对I1，I2，I3，I4进行判断
其中IΔ为设定阈值；
S7:加权平均，对上述6中保留的I进行加权平均，得到真正的底位置。
其中ai为权重，加入上一ping的底位置I0以保证结果的稳定性；
S8：底基线平滑，对上述计算完成的底位置记作In(n＝1,2,3,...)，n为Ping编号。
对结果进一步平滑，以去除噪声点。最终计算出的底位置为
窗口宽度为2w。
其中，当海底回波到达时，前后的能量特征理有很大的差异，可利用这种特征来进行底部检测。单Ping数据为一个一维数组，其下标表示时间先后，数值表示声强。对其处理时，设定一个时窗(长度)，将时窗等分成前后两个部分，计算时窗前后两部分能量的区别；假定时窗长度为2k，时窗前半部分的能量记作P1，后半部分能力记作P2，采用评价窗口能量差异的方法为：进行窗口滑动计算，查找P最大的位置，记作底位置，其中，
y表示该Ping数据中的一个元素。
实施例二
一种基于声呐图像特征的海底位置检测与跟踪方法，包括如下步骤:
S1:初始底位置区间自动检测：在启动时，通过多周期累积的方式进行分析和处理，估计底部区域的位置。这一步骤能够自动检测初始的底位置区间，为后续的底部检测提供准确的起点；
S2:在初始位置，声呐保持静止状态，积累多ping数据，记作Si(i＝1,2,...,M)，M为累积的数据个数；
S3:对上述数据进行处理，可使用探底传感器的数据，或者使用声学数据计算,假定获取的海底位置为Ii(i＝1,2,...,M)，则初始海底位置为：
S4:开始声呐运动，进行连续成像，对连续的单Ping数据进行处理；
S5:使用三种特征提取方法进行底部检测，识别出海底的位置；
S6:中值滤波，对上述5中多方法计算出的底位置，记作I1，I2，I3，I4。考虑到海底是缓慢变化的，因此引入上一ping的数据记作I0，初始计算第一Ping数据时，
I0＝Iorg
对其进行中值滤波，去除波动较大点。计算方法如下
记作Imid为5个值的中值，对I1，I2，I3，I4进行判断
其中IΔ为设定阈值；
S7:加权平均，对上述6中保留的I进行加权平均，得到真正的底位置。
其中ai为权重，加入上一ping的底位置I0以保证结果的稳定性；
S8：底基线平滑，对上述计算完成的底位置记作In(n＝1,2,3,...)，n为Ping编号。
对结果进一步平滑，以去除噪声点。最终计算出的底位置为
窗口宽度为2w。
其中，当海底回波到达时，前后的能量特征理有很大的差异，可利用这种特征来进行底部检测。单Ping数据为一个一维数组，其下标表示时间先后，数值表示声强。对其处理时，设定一个时窗(长度)，将时窗等分成前后两个部分，计算时窗前后两部分能量的区别；假定时窗长度为2k，时窗前半部分的能量记作P1，后半部分能力记作P2，采用评价窗口能量差异的方法为：进行窗口滑动计算，查找P最大的位置，记作底位置，其中，y表示该Ping数据中的一个元素。
实施例三
一种基于声呐图像特征的海底位置检测与跟踪方法，包括如下步骤:
S1:初始底位置区间自动检测：在启动时，通过多周期累积的方式进行分析和处理，估计底部区域的位置。这一步骤能够自动检测初始的底位置区间，为后续的底部检测提供准确的起点；
S2:在初始位置，声呐保持静止状态，积累多ping数据，记作Si(i＝1,2,...,M)，M为累积的数据个数；
S3:对上述数据进行处理，可使用探底传感器的数据，或者使用声学数据计算,假定获取的海底位置为Ii(i＝1,2,...,M)，则初始海底位置为：
S4:开始声呐运动，进行连续成像，对连续的单Ping数据进行处理；
S5:使用三种特征提取方法进行底部检测，识别出海底的位置；
S6:中值滤波，对上述5中多方法计算出的底位置，记作I1，I2，I3，I4。考虑到海底是缓慢变化的，因此引入上一ping的数据记作I0，初始计算第一Ping数据时，
I0＝Iorg
对其进行中值滤波，去除波动较大点。计算方法如下
记作Imid为5个值的中值，对I1，I2，I3，I4进行判断
其中IΔ为设定阈值；
S7:加权平均，对上述6中保留的I进行加权平均，得到真正的底位置。
其中ai为权重，加入上一ping的底位置I0以保证结果的稳定性；
S8：底基线平滑，对上述计算完成的底位置记作In(n＝1,2,3,...)，n为Ping编号。
对结果进一步平滑，以去除噪声点。最终计算出的底位置为
窗口宽度为2w。
其中，当海底回波到达时，前后的能量特征理有很大的差异，可利用这种特征来进行底部检测。单Ping数据为一个一维数组，其下标表示时间先后，数值表示声强。对其处理时，设定一个时窗(长度)，将时窗等分成前后两个部分，计算时窗前后两部分能量的区别；假定时窗长度为2k，时窗前半部分的能量记作P1，后半部分能力记作P2，采用评价窗口能量差异的方法为：进行窗口滑动计算，查找P最大的位置，记作底位置，其中，
y表示该Ping数据中的一个元素。
实施例四
一种基于声呐图像特征的海底位置检测与跟踪方法，包括如下步骤:
S1:初始底位置区间自动检测：在启动时，通过多周期累积的方式进行分析和处理，估计底部区域的位置。这一步骤能够自动检测初始的底位置区间，为后续的底部检测提供准确的起点；
S2:在初始位置，声呐保持静止状态，积累多ping数据，记作Si(i＝1,2,...,M)，M为累积的数据个数；
S3:对上述数据进行处理，可使用探底传感器的数据，或者使用声学数据计算,假定获取的海底位置为Ii(i＝1,2,...,M)，则初始海底位置为：
S4:开始声呐运动，进行连续成像，对连续的单Ping数据进行处理；
S5:使用三种特征提取方法进行底部检测，识别出海底的位置；
S6:中值滤波，对上述5中多方法计算出的底位置，记作I1，I2，I3，I4。考虑到海底是缓慢变化的，因此引入上一ping的数据记作I0，初始计算第一Ping数据时，
I0＝Iorg
对其进行中值滤波，去除波动较大点。计算方法如下
记作Imid为5个值的中值，对I1，I2，I3，I4进行判断
其中IΔ为设定阈值；
S7:加权平均，对上述6中保留的I进行加权平均，得到真正的底位置。
其中ai为权重，加入上一ping的底位置I0以保证结果的稳定性；
S8：底基线平滑，对上述计算完成的底位置记作In(n＝1,2,3,...)，n为Ping编号。
对结果进一步平滑，以去除噪声点。最终计算出的底位置为
窗口宽度为2w。
其中，当海底回波到达时，前后的能量特征理有很大的差异，可利用这种特征来进行底部检测。单Ping数据为一个一维数组，其下标表示时间先后，数值表示声强。对其处理时，设定一个时窗(长度)，将时窗等分成前后两个部分，计算时窗前后两部分能量的区别；假定时窗长度为2k，时窗前半部分的能量记作P1，后半部分能力记作P2，采用评价窗口能量差异的方法为：P＝P2-P1，进行窗口滑动计算，查找P最大的位置，记作底位置，其中
y表示该Ping数据中的一个元素。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

Claims (6)

1.一种基于声呐图像特征的海底位置检测与跟踪方法，其特征在于，包括如下步骤，
S1:初始底位置区间自动检测：在启动时，通过多周期累积的方式进行分析和处理，估计底部区域的位置，这一步骤能够自动检测初始的底位置区间，为后续的底部检测提供准确的起点；
S2:在初始位置，声呐保持静止状态，积累多ping数据，记作Si(i＝1,2,...,M)，M为累积的数据个数；
S3:对上述数据进行处理，可使用探底传感器的数据，或者使用声学数据计算,假设获取的海底位置为Ii(i＝1,2,...,M)，则初始海底位置为：
S4:开始声呐运动，进行连续成像，对连续的单Ping数据进行处理；
S5:使用三种特征提取方法进行底部检测，识别出海底的位置；
S6:中值滤波，对上述5中多方法计算出的底位置，记作I1，I2，I3，I4。考虑到海底是缓慢变化的，因此引入上一ping的数据记作I0，初始计算第一Ping数据时，
I0＝Iorg
对其进行中值滤波，去除波动较大点。计算方法如下：
记作Imid为5个值的中值，对I1，I2，I3，I4进行判断
其中IΔ为设定阈值；
S7:加权平均，对上述6中保留的I进行加权平均，得到真正的底位置：
其中ai为权重，加入上一ping的底位置I0以保证结果的稳定性；
S8：底基线平滑，对上述计算完成的底位置记作In(n＝1,2,3,...)，n为Ping编号。
对结果进一步平滑，以去除噪声点，最终计算出的底位置为：
窗口宽度为2w。
2.根据权利要求1所述的一种基于声呐图像特征的海底位置检测与跟踪方法，其特征在于，海底回波到达时，前后的能量特征理有很大的差异，利用这种特征来进行底部检测，单Ping数据为一个一维数组，其下标表示时间先后，数值表示声强，对其处理时，设定一个时窗(长度)，将时窗等分成前后两个部分，计算时窗前后两部分能量的区别；假定时窗长度为2k，时窗前半部分的能量记作P1，后半部分能力记作P2，采用不同的方法来评价窗口能量差异。
3.根据权利要求2所述的一种基于声呐图像特征的海底位置检测与跟踪方法，其特征在于，所述不同方法,包括：进行窗口滑动计算，查找P最大的位置，记作底位置，其中，
y表示该Ping数据中的一个元素。
4.根据权利要求2所述的一种基于声呐图像特征的海底位置检测与跟踪方法，其特征在于，所述不同方法还包括：进行窗口滑动计算，查找P最大的位置，记作底位置，其中，/>y表示该Ping数据中的一个元素。
5.根据权利要求2所述的一种基于声呐图像特征的海底位置检测与跟踪方法，其特征在于，所述不同方法还包括：进行窗口滑动计算，查找P最大的位置，记作底位置，其中，
y表示该Ping数据中的一个元素。
6.根据权利要求2所述的一种基于声呐图像特征的海底位置检测与跟踪方法，其特征在于，所述不同方法还包括：P＝P2-P1，进行窗口滑动计算，查找P最大的位置，记作底位置，其中
y表示该Ping数据中的一个元素。
CN202311354964.1A 2023-10-19 2023-10-19 一种基于声呐图像特征的海底位置检测与跟踪方法 Active CN117557894B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311354964.1A CN117557894B (zh) 2023-10-19 2023-10-19 一种基于声呐图像特征的海底位置检测与跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311354964.1A CN117557894B (zh) 2023-10-19 2023-10-19 一种基于声呐图像特征的海底位置检测与跟踪方法

Publications (2)

Publication Number Publication Date
CN117557894A true CN117557894A (zh) 2024-02-13
CN117557894B CN117557894B (zh) 2025-02-11

Family

ID=89817489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311354964.1A Active CN117557894B (zh) 2023-10-19 2023-10-19 一种基于声呐图像特征的海底位置检测与跟踪方法

Country Status (1)

Country Link
CN (1) CN117557894B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001311770A (ja) * 2000-04-27 2001-11-09 Hitachi Ltd 水中音響映像処理装置
CN111443344A (zh) * 2020-04-07 2020-07-24 中国人民解放军军事科学院国防科技创新研究院 一种侧扫声呐海底线自动提取方法及装置
WO2021243743A1 (zh) * 2020-06-04 2021-12-09 青岛理工大学 基于深度卷积神经网络的沉底油声呐探测图像识别方法
CN115187666A (zh) * 2022-07-14 2022-10-14 武汉大学 深度学习和图像处理结合的侧扫声呐海底高程探测方法
CN116597141A (zh) * 2023-05-17 2023-08-15 东南大学 一种基于声呐图像语义分割的海底电缆检测跟踪方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001311770A (ja) * 2000-04-27 2001-11-09 Hitachi Ltd 水中音響映像処理装置
CN111443344A (zh) * 2020-04-07 2020-07-24 中国人民解放军军事科学院国防科技创新研究院 一种侧扫声呐海底线自动提取方法及装置
WO2021243743A1 (zh) * 2020-06-04 2021-12-09 青岛理工大学 基于深度卷积神经网络的沉底油声呐探测图像识别方法
CN115187666A (zh) * 2022-07-14 2022-10-14 武汉大学 深度学习和图像处理结合的侧扫声呐海底高程探测方法
CN116597141A (zh) * 2023-05-17 2023-08-15 东南大学 一种基于声呐图像语义分割的海底电缆检测跟踪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
严俊;张红梅;赵建虎;孟俊霞;: "多波束声呐后向散射数据角度响应模型的改进算法", 测绘学报, no. 11, 15 November 2016 (2016-11-15) *
张济博;潘国富;丁维凤;: "基于LOG算子的侧扫声呐海底线检测", 海洋通报, no. 03, 15 June 2010 (2010-06-15) *

Also Published As

Publication number Publication date
CN117557894B (zh) 2025-02-11

Similar Documents

Publication Publication Date Title
Handegard et al. Avoidance behaviour in cod (Gadus morhua) to a bottom-trawling vessel
CN110458055B (zh) 一种障碍物检测方法及系统
CN111476120B (zh) 一种无人机智能船舶水尺识别方法及装置
CN105427342B (zh) 一种水下小目标声呐图像目标检测跟踪方法和系统
CN110542904B (zh) 一种基于水声目标方位历程图的目标自动发现方法
CN105842687A (zh) 基于rcs预测信息的检测跟踪一体化方法
Nosal et al. Track of a sperm whale from delays between direct and surface-reflected clicks
CN111443344B (zh) 一种侧扫声呐海底线自动提取方法及装置
CN115187666A (zh) 深度学习和图像处理结合的侧扫声呐海底高程探测方法
CN107993219A (zh) 一种基于机器视觉的船板表面缺陷检测方法
Poupard et al. Real-time passive acoustic 3d tracking of deep diving cetacean by small non-uniform mobile surface antenna
CN117557894B (zh) 一种基于声呐图像特征的海底位置检测与跟踪方法
CN112083390A (zh) 一种时空关联下雷达杂波的动态抑制方法及装置
CN107967452B (zh) 一种基于视频的深海矿物分布识别方法及系统
CN113848209A (zh) 一种基于无人机与激光测距的堤坝裂缝检测方法
CN117214398B (zh) 一种深层地下水体污染物检测方法及系统
Simard et al. Acoustic detection and localization of whales in Bay of Fundy and St. Lawrence estuary critical habitats
CN116051885A (zh) 用于海洋中尺度涡样本数据的处理及中尺度涡识别方法
JP7215108B2 (ja) イメージ又はマトリクスデータにおける関心のある部分の検出
CN119251482B (zh) 声纳图像的弱目标检测方法、系统和计算装置
CN112697299A (zh) 一种基于自回归模型的光纤测温系统警报风险预测方法
CN113920283A (zh) 基于聚类分析和特征过滤的红外图像尾迹检测及提取方法
JPWO2022050026A5 (ja) 測定データ処理装置、測定データ処理方法及びプログラム
Yu et al. An Underwater Gas Leakage Measurement Method Based on Object Detection
Caudal et al. Stochastic Matched Filter outperforms Teager-Kaiser-Mallat for tracking a plurality of sperm whales

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant