地球上擁有廣闊的海域,豐富的海洋資源成為人們賴以生存的重要條件,如何利用和保護這一資源逐漸成為人們關(guān)注的焦點。水下人工目標(biāo)的檢測是保護水資源的一個重要部分,與之相關(guān)的聲吶圖像分析引起了越來越多國內(nèi)外學(xué)術(shù)界的關(guān)注。目前已有相關(guān)檢測算法提出,然而,這些算法有的擁有復(fù)雜和大量的計算,有的僅利用到有限的數(shù)據(jù)信息,仍有一定的提升空間。因此,水下人工目標(biāo)檢測方法仍需進一步的探索。本文針對水下人工目標(biāo),研究了基于分形理論的孤立森林水下人工目標(biāo)檢測的方法,實現(xiàn)了對聲吶圖像中人工目標(biāo)的快速、準(zhǔn)確的檢測。主要研究工作如下:（1）根據(jù)聲吶圖像中人工目標(biāo)的聲學(xué)特征,將分形理論與孤立森林算法結(jié)合,研究一種水下人工目標(biāo)的檢測算法。首先,通過分形理論計算聲吶圖像中數(shù)據(jù)點所有維度的分形維數(shù),找到人工目標(biāo)數(shù)據(jù)點聲學(xué)特征較為明顯的維度,并將其分形維數(shù)相結(jié)合,提取數(shù)據(jù)點的分形特征;其次,對聲吶數(shù)據(jù)進行抽采樣,在保證原有數(shù)據(jù)分布特征和降低大量數(shù)據(jù)對檢測過程的影響。同時,實現(xiàn)分離樹的快速構(gòu)建;然后,利用分離樹對聲吶數(shù)據(jù)進行分離并確定每個數(shù)據(jù)點在分離樹上的位置;最后,依據(jù)數(shù)據(jù)點在分離樹中的位置,計算每個數(shù)據(jù)點的異常值,并最終實現(xiàn)... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

聲吶圖像成像系統(tǒng)

本文組織結(jié)構(gòu)

西安理工大學(xué)碩士學(xué)位論文8圖2-1聲吶設(shè)備成像原理示意圖Fig.2-1Schematicdiagramofsonarequipmentimagingprinciple最終將聲波中所載有的目標(biāo)信息通過控制器或顯示系統(tǒng)顯示出來。聲吶設(shè)備成像原理示意圖如圖2-1所示。除了通過顯示系統(tǒng)顯示成像之外，聲吶設(shè)備還會將聲波所載有的信息，如發(fā)射聲波所記載的空間位置信息以及反射聲波的強度等，都會以文件的方式保存下來。z2.2.2聲吶圖像特點傳統(tǒng)圖像通過光學(xué)設(shè)備獲取，其中包含著像素點的平面信息以及相應(yīng)的像素值。此外，傳統(tǒng)圖像中每個像素點的位置信息是連續(xù)的。因此，傳統(tǒng)圖像能夠?qū)⒐鈱W(xué)設(shè)備所掃描到的物體幾何特征完整的保存下來。而聲吶圖像與傳統(tǒng)圖像有著明顯的差別，主要體現(xiàn)在四個方面。第一，聲吶圖像中包含的信息比傳統(tǒng)圖像更多，即數(shù)據(jù)維度更高。聲吶圖像的數(shù)據(jù)維度是四維的，其中，聲吶圖像所掃描得到的目標(biāo)位置信息是三維的，即空間信息X，Y，Z。AUV在距離水底一定高度的水面上進行掃描，聲波是以一定的角度發(fā)射出去的，與此同時，聲吶設(shè)備記錄著聲波的發(fā)射時間以及接收時間。通過聲波在水中的傳播速度以及傳播時間可以得到水下目標(biāo)的具體方位和空間位置信息。還有一個數(shù)據(jù)維度表示聲吶設(shè)備所接收到的反射聲波強度，即維度I。第二，聲吶圖像與傳統(tǒng)圖像的表現(xiàn)形式不同。傳統(tǒng)圖像是由一個個像素所組成，在RGB三色通道中，每個像素都含有三個顏色的通道。而聲吶圖像是由一個個連續(xù)且分散的數(shù)據(jù)點組成的。如圖2-3所示，聲吶圖像中每個數(shù)據(jù)點在X，Y兩個維度上是均勻分布的。由于水下機器人在水面上是勻速行駛的，因此數(shù)據(jù)點在Y維度上是等差分布的。另外，由于聲吶設(shè)備是以一定等差角度發(fā)射聲波的，所以數(shù)據(jù)點在X維度上也是等差分布的。而在空間的第三個維度Z上，由于水底的起伏以及水下環(huán)

【參考文獻】：
期刊論文
[1]水下目標(biāo)探測與跟蹤關(guān)鍵技術(shù)研究[J]. 邢陽陽.  科學(xué)技術(shù)創(chuàng)新. 2019(14)
[2]基于改進YOLO和遷移學(xué)習(xí)的水下魚類目標(biāo)實時檢測[J]. 李慶忠,李宜兵,牛炯.  模式識別與人工智能. 2019(03)
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的紅外船只目標(biāo)檢測方法[J]. 王文秀,傅雨田,董峰,李鋒.  光學(xué)學(xué)報. 2018(07)
[4]一種基于反向K近鄰的孤立點檢測改進算法[J]. 謝方方,徐連誠,牛冰茹.  計算機應(yīng)用與軟件. 2014(06)
[5]水下機動目標(biāo)跟蹤技術(shù)研究[J]. 張林琳,楊日杰,楊春英.  聲學(xué)技術(shù). 2011(01)
[6]一種基于PCI技術(shù)預(yù)白的水下目標(biāo)檢測方法[J]. 許江湖,張明敏.  信號處理. 2007(01)



本文編號：3292623