在经济建设和军事活动的应用当中,对水雷蛙人等水下小目标的自动检测是一个热门的研究方向,本文研究了基于高分辨声呐图像的水下小目标自动检测技术,实现了对水下小目标进行低虚警和低漏检的自动实时检测。该技术一共分为四部分,预处理,多算法融合检测,感兴趣区域(region of interest,ROI)分割以及基于特征的水下小目标自动检测。首先,本文对水下小目标自动检测的背景和意义进行了简要概述,并对水下小目标的检测、分割和识别方法进行了详细介绍。其次,为了保证检测结果的实时输出,引入降采样技术提高算法的计算效率。为了降低漏检率,引入Gamma变换算法抑制声呐图像的背景噪声。为了降低虚警率,引入模糊c-均值聚类和k均值聚类的2/2融合处理,减少由不同算法的检测机理不同产生的不一致的错误检测;引入形态学操作和Hough变换对检测结果进行空间聚类,去除绝大部分的非目标检测点。为了实现低信噪比条件下的ROIs自动分割,引入结合模糊c-均值聚类的脉冲耦合神经网络,分离灰度相近的目标与背景。为了进一步降低虚警率,引入Fisher加权评分算法将识别和检测统一起来,将识别的特征用于检测。通过以上算法,实现在低信噪条件下的弱小目标自动检测。论文通过处理外场试验和计算机仿真得到四个数据集,验证了本算法可以在低信噪比条件下对水下小目标的实时自动检测,并可以实现低漏报率和低虚警率。综上,本文对高频成像声呐的水下小目标自动检测技术的研究具有一定的创新性及工程实践性。
暂无评论