文摘

为了获得海底地貌的测量参数或水下对象,第一步在旁侧扫描声纳(SSS)图像处理检测。由于海洋环境的复杂性,声学信号接收到瑞士通常由噪音污染,影响图像质量,使图像特征的提取困难。为了解决这个问题,本研究提出了一种自动检测方法对海洋的底线是基于实际实验收购瑞士图像,这是应该支持自主水下航行器(AUV)智能目标检测和分类。该方法包括四个主要步骤。首先,原始的瑞士数据分析获得灰度图像,并获得图像的盲区域边界使用阈值方法。然后,图像的噪声特性进行了分析和去噪算法能够有效地去除高频噪声进行了优化。接下来,时空匹配计算在每个执行ping港口和右舷数据,和第一个底部的准确坐标返回通过极值检测。最后,自动、准确检测的底线是实现根据坐标序列的平滑处理的第一个底部的回报。实验证明该方法的有效性。方法不需要人工干预操作期间在调整参数,该方法与一个特定的时间窗口对图像采集时将适合AUV任务SSS时确定。

1。介绍

旁侧扫描声纳(SSS)是一个主动声纳系统,主要由传感器阵列、外围辅助传感器,实时数据采集处理模块。传感器阵列是瑞士的核心组件,通常设计为receive-transmit结合线阵列(1]。瑞士使用回声测深法的原则来记录从海底散射回波强度和生成声纳图像根据回波强度(1- - - - - -3]。SSS图像可以用来观察变化的参数,比如海底地貌,障碍,和类型的海底底物,及其特性在海洋科学研究等领域有着重要的应用,海洋工程和海洋军事。在瑞士的形象,有明显的结线之间的水柱地区和海底图像区域叫做大海底线,这是距离瑞士的海底和海底地貌的重要参数的测量或水下对象,倾斜范围修正,和瑞士图像灰度均衡1,2,4,5]。

拉威等。2]提出两个底部检测方法:一个瑞士回波数据的对数和使用三次样条拟合回归算法和其他过滤SSS数据通过滑动平均滤波在一定时间窗口。基于数据处理的使用这两个方法,水的中心轨迹线列地区检测到,然后,第一个底部返回每个Ping的数据是使用阈值方法获得。Zhang et al。6)解决了这个问题的弱回声海底线实际的SSS数据通过引入高斯函数的拉普拉斯算子,由商业SSS底部与检测数据处理软件。然而,当水的声音相当强劲,噪音也会错误地提取海底线,很难获得准确的检测结果,为高斯平滑滤波器只能消除强度变化的尺度小于平滑因子。鉴于瑞士的干扰图像的水柱地区发射脉冲,海面回波,之后,大面积悬浮物,赵et al。7,8)提出了峰值检测方法的底线。进一步解决与平中经常存在的数据丢失和萍观测异常瑞士测量,赵提出了一种基于卡尔曼滤波的海底线修复方法,它使用海底的渐近性质变异和海底线对称双方在瑞士。Ku et al。9)测量了单波束测深法和实时拖体深度使用GPS时间同步,然后,底线是通过结合这两种数据通过插值和平滑。利用实测数据,这种方法相比,该方法的优点提出了赵et al。7,8)被证实。此外,相对较少的深度测量法测量方法受环境影响,精度更高。根据连续的空间特征和密度分布的底线,王et al。10)建造了一个点集包括底部点沿着大致平行的方向追踪,然后在链式集群人口分布沿轨道的“density-based空间聚类的应用程序与噪声(DBSCAN)”链搜索算法来提取海洋底线。与传统的底部检测方法相比,该方法还具有良好的稳定性和抗干扰能力相对复杂的环境中。燕et al。11)一维卷积神经网络用于遍历和识别SSS的后向散射强度序列数据,建立了一个完整的处理方法实时海底线检测和跟踪,现场测试环境中具有较强的鲁棒性。

自主水下航行器(AUV)是能够携带检测设备自动完成任务,比如海洋调查和海底映射(12- - - - - -14]。由于其高自主性和低风险的优势,水下机器人正逐渐被广泛使用,及其组合的SSS水下操作将变得更加频繁,瑞士在目标定位和识别的优越性可以充分利用2,12,14- - - - - -16]。然而,一些出版的研究已经成熟的工程应用自动检测底在瑞士图像适合AUV任务。

本研究的主要目标之一是开发一个自动底在瑞士图像检测方法适合AUV任务。本文的其余部分安排如下。部分1简要介绍了瑞士的特征图像和详细分析了底部的发表的研究和结果检测。节2,当前的问题检测SSS形象AUV任务中底。部分3阐述了提出底检测方法并验证其有效性使用瑞士实际测试数据在一个水下机器人。部分4总结了本研究。

2。预赛和问题陈述

AUV任务,有两个主要缺陷在当前研究SSS底检测。(1)假设下小,可以忽略或没有盲目区之间的端口和右舷声纳换能器阵列,安装SSS总是作为一个理想的几何形状。然而,在实际工作环境中,双方声纳换能器发射声波,所以在声纳图像有一个盲区,和占用的空间盲区的声纳图像不应该被忽略。为了避免破坏海床的真实几何图像,有必要考虑消除盲人的影响区水体区域。(2)发表研究结果通过复杂的后处理过程7- - - - - -9为AUV(在线)或高计算能力10,11]。此外,由于影响因素复杂的瑞士图像,人工干预往往需要根据情况,设置初始值和最成熟的SSS图像处理软件,如Triton和棱镜,只能实现可靠的半自动检测(底部7,10,12,17]。

3所示。自动SSS底检测

3.1。自动底检测过程

图1显示了瑞士设计自动底检测过程适合AUV任务。四个主要步骤。描述的过程

3.1.1。步骤1。根据瑞士获得盲人区边界参数

针对几何部分中描述的问题2,首先,它是必要的来计算的参数盲区。

由于盲目区是位于瑞士正下方,每个ping的回波强度突变的盲区外,数值急剧下降(见图2)。根据这个特性,盲目区边界检测可以实现。一般来说,回声直接低于瑞士强烈积极的辐射波,所以可以使用一个阈值检测盲区边界检测。

给定一个瑞士,萍数据格式是固定的(即。,8、16或32位)。如果ping SSS的数据位N盲人,那么阈值区域边界检测可以确定根据测量环境如下:

从盲目区以外,第一个回波强度的端口上的每个萍和右舷侧小于阈值被表示为K_左和K_正确的,分别。随着传感器阵列安装对称的港口和右舷侧AUV的中心轴,每个ping的盲人带的宽度,K_米左右对称的原则,确定如下:

对于每一个ping, AUV的最大采样数字左和右回波数据K_leftmax和K_rightmax,分别。因此,左边回波数据(K_米,K_leftmax)和对回波数据(K_米,K_rightmax]的ping,这意味着海底图像区域,可以获得。

3.1.2。步骤2。消除异常的瑞士港口和右舷海底图像区域

中值滤波算法可以用来删除异常瑞士回波数据,也就是说,高频噪声和离群值(6,9]。,异常在港口和右舷SSS回波数据与一种改进的中值滤波消除算法,及其计算流程如下:(1)计算每个采样回波的强度值在每一个平的港口和右舷SSS数据。(2)计算每个采样回波的绝对强度偏差在每一个平并确定相应的采样回波的强度值基于它的绝对强度偏差。当绝对强度偏差大于设置值,表示采样回波的强度值作为其新的强度值。否则,不执行删除异常和强度值表示采样回波采样测量值。上面的设置值是基于回波强度的计算值采样值在每个平。

例如,SSS港口回波数据(K_米,K_leftmax),让搞笑ydF4y2Ba,j)指定的索引j回声的抽样测量搞笑ydF4y2Bath萍,让我_ij和P_马克斯表示的强度值(搞笑ydF4y2Ba,jth港口回波数据和瑞士ping,总数。然后,对所有搞笑ydF4y2Ba,j1)组合满足<搞笑ydF4y2Ba<P_马克斯和K_米≤j<K_leftmax进行以下处理:(1)计算强度值Z_ij使用(搞笑ydF4y2Ba−1j−1],[搞笑ydF4y2Ba−1j],[搞笑ydF4y2Ba−1j+ 1],[搞笑ydF4y2Ba,j−1],[搞笑ydF4y2Ba,j],[搞笑ydF4y2Ba,j+ 1],[搞笑ydF4y2Ba+ 1,j−1],[搞笑ydF4y2Ba+ 1,jth, (搞笑ydF4y2Ba+ 1,j+ 1]th抽样测量强度值在港口回波数据,以及绝对强度偏差E_ij= abs (我_ij−Z_ij)。很明显从上面的例子中,相邻ping和相邻回波采样的数量措施在每一个平都是根据实际需要确定。也是如此的数值计算每个采样回波的强度值在每一个平的右舷瑞士数据,随后描述。(2)决定绝对强度偏差E_ij(18):如果E_ij> 9.78 + 1.44×我_ij−8.86×10⁻⁴×+ 2.95×10⁻⁷×−3.26×10⁻¹¹× ,然后Z_ij作为新的强度值搞笑ydF4y2Ba,j]th回波采样测量在瑞士港口数据;否则,不执行删除异常。

SSS右舷回波数据(K_米,K_rightmax),让搞笑ydF4y2Ba,l)指定的索引l回声的抽样测量搞笑ydF4y2Bath萍,让我_伊尔表示的强度值(搞笑ydF4y2Ba,j]th右舷回波数据。然后,对所有搞笑ydF4y2Ba,l1)组合满足<搞笑ydF4y2Ba<P_马克斯和K_米≤l<K_rightmax进行以下处理:(1)计算强度值Z_伊尔使用(搞笑ydF4y2Ba−1l−1],[搞笑ydF4y2Ba−1l],[搞笑ydF4y2Ba−1l+ 1],[搞笑ydF4y2Ba,l−1],[搞笑ydF4y2Ba,l],[搞笑ydF4y2Ba,l+ 1],[搞笑ydF4y2Ba+ 1,l−1],[搞笑ydF4y2Ba+ 1,lth, (搞笑ydF4y2Ba+ 1,l+ 1]th抽样测量强度值在右舷回波数据,以及绝对强度偏差E_伊尔= abs (我_伊尔−Z_伊尔)。(2)决定绝对强度偏差E_伊尔:如果E_伊尔> 9.78 + 1.44×我_伊尔−8.86×10⁻⁴×+ 2.95×10⁻⁷×−3.26×10⁻¹¹× ,然后Z_伊尔作为新的强度值搞笑ydF4y2Ba,l]th回波采样测量SSS右舷数据;否则,不执行删除异常。

3.1.3。步骤3:计算坐标的第一底部的回报

据大海的左右对称的原则底线,第一个底部返回传感器阵列接收到的港口和右舷的瑞士直接来自低于AUV,距离第一底部返回的回声是相等的,并且发现海底线两边是对称的AUV跟踪(7,9- - - - - -11]。上述原则允许更好的海底线检测。

的坐标,计算第一底部返回包括以下流程:(1)两个时空回波采样测量序列在每个ping的瑞士港口和右舷数据匹配和对齐。不平等的最大数量的问题,K_leftmax和K_rightmax、港口和右舷回波采样措施在一个平的结果在不同的时间和空间隐含的信息我_ij和我_伊尔当l=j。最大化的使用的左右对称的原则底线,实现港口和右舷措施之间的综合比较,上述问题必须首先解决消除尽可能多的悬浮物的影响。在这项研究中,检测主要集中在水柱底部区域数据和海底的突变部分区域水体的数据区域。因此,为了保持底部检测方法的鲁棒性,SSS端口和右舷回波数据在每一个平可视为两个时空序列匹配和对齐。当执行匹配对齐,突变的时空信息的一致性的水柱区域海床区域应保持。因此,动态时间规整(DTW)算法用于实现这一目标(19),其中包括以下过程:(一)为搞笑ydF4y2Ba平,有两个时空序列,端口{回波采样措施我_ij,K_米≤j≤K_leftmax{},右舷回波采样措施我_伊尔,K_米≤l≤K_rightmax}。把两个序列的一个回声从每个计算欧氏距离D(我_ij,我_伊尔他们之间),K_米≤j≤K_leftmax,K_米≤l≤K_rightmax。通过计算所有回声的欧几里得距离两个序列,可以构造欧几里得距离表,如表所示1。(b)寻找最短路径在上面的欧几里得距离表。在上面的表中,动态规划是用来寻找节点的最短路径D(我_iKm,我_iKm)节点D(我_{本土知识leftmax},我_{本土知识rightmax})。必须满足条件的最短路径,如果当前节点D(我_ij,我_伊尔),那么必须选择下一个节点D(我_{ij+ 1},我_伊尔),D(我_ij,我_{伊尔+ 1}),D(我_{ij+ 1},我_{伊尔+ 1}),选择路径必须是最短的。(c)根据最短路径上的节点通过欧氏距离表,两个离散序列可以获得一致的回波采样测量双序列长度相同的记录K_马克斯。(2)做对数变换的匹配和对齐的港口和右舷回波采样措施每平;也就是说,以10为底的对数。(3)计算标准偏差的对数序列端口和右舷回波采样措施每平,并使用它们来构造复合序列的平。设置一个窗口W值尽可能小,以避免洪水的突变特性第一底部返回。经验,W可以计算如下: 通过计算标准差的对数序列端口和右舷回波采样措施每平,两个标准偏差序列表示,{l_智商1≤问≤K_马克斯−W+1}和{l_是1≤年代≤K_马克斯−W+1},获得序列长度K_马克斯−W+ 1。在瑞士回波数据,可能会有回声异常在水柱地区,这将引起大的波动在其标准偏差的计算顺序,反过来,会影响后续的极值检测的准确性。因此,最大化的使用的左右对称的原则底线,我们进一步采取港口和右舷对数序列的最小值标准偏差的平。因此,对于任何年代=问1≤问≤K_马克斯−W+ 1,≤1年代≤K_马克斯−W+1,l_搞笑= min (l_智商,l_是),复合序列搞笑ydF4y2Bath萍{l_搞笑1≤≤K_马克斯−W+1}。(4)执行复合序列的极值检测每个萍得到极端点坐标。基于SSS的特征数据,大海底线包括第一强大的海底回波在港口和右舷。因此,水柱的回波强度的变异区域海床区域将导致的第一个最大值组合序列{l_搞笑1≤≤K_马克斯−W+ 1}。因此,极端点坐标,表示 ,可以通过执行获得极值检测。(5)港口和右舷第一底部的坐标返回了使用以上极端点坐标。

的坐标问_b和年代_b的标准偏差的对数序列对应端口和右舷回波采样获得的措施可以获得使用极端点坐标 。反过来,回波强度我_b左对应的坐标问_b+W−1和我_b正确的对应的坐标年代_b+W−1匹配的和一致的港口和右舷抽样测量获得的序列是通过搜索算法:

{我_ij,K_米≤j≤K_leftmax{},右舷回波采样措施我_伊尔,K_米≤l≤K_rightmax}。

对于每一个平,通过搜索序列{港我_ij,K_米≤j≤K_leftmax},找到第一个回波强度值等于我_b左,第一个底部返回是派生的协调j_b。同样,通过搜索序列{港我_伊尔,K_米≤l≤K_rightmax},找到第一个回波强度值等于我_b正确的,第一个底部返回是派生的协调l_b。

3.1.4。步骤4:提取海洋底线

考虑到海底的渐近性质变化,精确的海底线可以通过滑动平均滤波检测端口第一底部的坐标返回{j_b}和右舷第一底部的坐标返回{l_b}的ping通过上述计算(2]。

3.2。实验结果和讨论

在这个实验中,大海扫描®弧童子军二从海军声波技术使用的是安装在一个水下机器人。瑞士的主要操作参数将萍900 kHz的频率和倾斜范围的10米。收集原始数据的ping通过实际测量在海上测试。

瀑布的情节SSS回波数据反向图像的显示如图256灰度级水平3。相应的单独的端口和右舷侧SSS图像盲区域所示的数据4(一)和4 (b)。

瀑布的情节相当大的回波数据截获后萍开始在图3如图5A1, A2, A3、A4和A5表明海底线,海面,盲目区,水柱地区,分别和海底图像区域。可以看出明显的深颜色,回波强度越强,,相反,(光明)颜色更白,回声强度越弱。

回波采样测量单个平如图2。后删除盲人区根据步骤1节3.1:独立的瑞士港口和右舷侧的图像没有显示盲区,如图6。

在图6,可以看出有很多异常的回波数据,可能会干扰检测的底线,甚至导致错误的检测在复杂的环境中,如水体中悬浮物的地区。这些回声异常基本上是高频噪声和离群值,可以有效地从图像中删除数据处理过程中根据一种改进的中值滤波算法在步骤2部分3.1,如图7。

单独的SSS港口和右舷侧的图像没有盲人带高频噪声和离群值过滤后如图7。对比图6水柱地区,回声异常可以在一定程度上消除。

处理步骤3和步骤4节3.1,发现海底线分别在港口和右舷侧没有显示盲区如图8,而海底线标志着瀑布的SSS图像没有显示盲区如图9。

4所示。结论

在这项研究中,瑞士图像的底部自动检测方法提出了AUV任务。的存在盲区的瑞士形象考虑,盲目区边界的SSS图像基于SSS参数方便地计算。SSS的异常图像有效地消除使用一种改进的中值滤波算法。进一步,进行极值检测根据大海的左右对称的原则底线,瑞士港口和右舷回波数据序列在每个平保留使用对数的时空align-matched数据。因此,一个精确的海底线是通过滑动平均滤波器坐标序列的第一个底部返回。实验结果表明,网上没有人工干预来设置初始值,该方法可以克服强烈的噪声干扰,实现检测精度高和良好的详细的连续性在海底线检测的过程。

数据可用性

底层数据支持我们的研究结果可以发现https://www.researchgate.net/profile/Huapeng_Yu。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究受到了中国国家自然科学基金项目(批准号61803381)。