学位论文 > 优秀研究生学位论文题录展示

基于稀疏表示的声纳图像识别及超分辨率重建

作　者: 王梁
导　师: 郝燕玲
学　校: 哈尔滨工程大学
专　业: 导航、制导与控制
关键词: 声纳图像 图像识别 超分辨重建 稀疏表示 压缩传感
分类号: TP391.41
类　型: 博士论文
年　份: 2012年
下　载: 0次
引　用: 1次
阅　读: 论文下载
 

内容摘要


声纳图像的识别和超分辨率重建是未来船舶与海洋工程的两项关键技术，其发展无论是在民用上或是在军事上都有重要意义。近年来，稀疏表示方法受到研究人员的追捧，已经应用到图像压缩、图像去噪和图像复原等诸多领域。本文结合水下的复杂环境和声纳图像的自身特点，研究了基于稀疏表示的声纳图像识别及超分辨率重建方法。主要研究内容如下：综述了国内外声纳图像识别、超分辨重建以及稀疏表示方法的发展现状，将稀疏表示方法引入到了声纳图像识别和超分辨率重建中。研究了稀疏表示方法中压缩传感的三个重要组成部分：稀疏基、观测矩阵和重构算法。声纳图像含有大量噪声，在声纳图像的预处理中，选择合适的去噪方法，去除声纳图像的噪声，并对声纳图像进行规范化处理。考虑到前视声纳图像中目标局部特征的重要性，引入了非负矩阵分解方法（Non-negative Matrix Factorization，NMF）。在压缩传感方法中，为了减小测量矩阵与稀疏基矩阵的相关性以确保重建的精确，对NMF进行改进，将改进后的NMF与稀疏表示的分类方法相结合构成压缩传感识别方法，该方法具有较好的识别效果。前视声纳图像中常会受到气泡、水泡和遮挡物等影响，使得识别效果迅速下降。稀疏表示方法可以通过添加闭塞字典来有效去除闭塞部分，但特征提取后的闭塞字典的原子数量巨大，使得识别时间增长。针对上述问题，通过字典学习的方法，设计出新的闭塞字典，大大减少了字典中的原子数量，提高了声纳图像识别的实时性，且与原闭塞字典方法的识别率相当。针对侧扫声纳图像中含有重要纹理信息，而单一灰度信息不能表达纹理的问题，引入了灰度-梯度共生矩阵特征提取方法，比较了Roberts和Sobel两种算子求解梯度的效果。将灰度-梯度共生矩阵提取的纹理数字特征替代灰度信息特征构成稀疏基矩阵进行稀疏表示的识别，取得了很好的识别效果，且具有旋转不变的性质。对于声纳图像来说，噪声对其影响很大，图像的光滑成分的表示不容忽视，将声纳图像分为光滑、边缘和纹理三种成分，分别利用离散平稳小波基、Contourlet基和Gabor基构成字典稀疏表示这三种成分，并构造出基于多重稀疏表示的多帧声纳图像超分辨重建模型。多帧的声纳图像有利于声纳图像中信息的补充，针对该多帧模型对基追踪（BasisPursuit Denoising，BPDN）重构算法进行了扩展。该方法取得了很好的超分辨重建效果，并具有鲁棒性。

全文目录


摘要  5-6
ABSTRACT  6-11
第1章 绪论  11-23
  1.1 课题的背景、目的和意义  11-13
  1.2 国内外研究现状  13-17
    1.2.1 声纳图像识别的发展  13-15
    1.2.2 超分辨率重建发展的现状  15-16
    1.2.3 稀疏表示识别方法的发展现状  16-17
    1.2.4 稀疏表示超分辨率重建技术的发展现状  17
  1.3 图像识别概述  17-19
    1.3.1 图像的预处理  18
    1.3.2 特征提取  18
    1.3.3 目标分类  18-19
  1.4 图像超分辨率概述  19-22
  1.5 本文研究内容  22-23
第2章 稀疏表示理论及声纳图像预处理  23-43
  2.1 稀疏表示理论  23-24
  2.2 传统的编码方式  24-25
  2.3 压缩传感  25-32
    2.3.1 稀疏基  27-28
    2.3.2 观测矩阵  28-30
    2.3.3 重构算法  30-32
  2.4 声纳图像预处理  32-42
    2.4.1 声纳图像噪声抑制  32-39
    2.4.2 声纳图像尺度规范化  39-42
  2.5 本章小结  42-43
第3章 基于 NMF 压缩传感的前视声纳图像识别方法  43-69
  3.1 高分辨率前视声纳的特点  43
  3.2 传统的稀疏表示方法  43-44
  3.3 常用的特征提取方法  44-47
    3.3.1 随机投影 Random 特征提取方法  44-45
    3.3.2 Fisher 线性判别  45-47
  3.4 基于 NMF 压缩传感声纳图像识别  47-61
    3.4.1 NMF 特征提取方法  47-49
    3.4.2 Fisher 非负矩阵特征提取方法  49-50
    3.4.3 局部 NMF 特征提取方法  50
    3.4.4 基于改进 NMF 压缩传感的识别方法  50-56
    3.4.5 实验结果与分析  56-61
  3.5 基于 NMF 闭塞字典的压缩传感声纳图像识别方法  61-67
    3.5.1 闭塞字典识别方法  61-62
    3.5.2 NMF 闭塞字典的设计  62-63
    3.5.3 实验结果与分析  63-67
  3.6 本章小结  67-69
第4章 基于灰度-梯度共生矩阵的稀疏表示侧扫声纳纹理图像识别方法  69-88
  4.1 高分辨率侧扫声纳的特点  69
  4.2 纹理概述  69-70
  4.3 灰度-梯度共生矩阵  70-78
    4.3.1 梯度的表示  70-75
    4.3.2 构造灰度-梯度共生矩阵  75-76
    4.3.3 灰度-梯度共生矩阵的数字特征  76-78
  4.4 基于灰度-梯度共生矩阵的稀疏表示声纳图像识别  78-86
    4.4.1 该方法的流程  79
    4.4.2 实验分析与结果  79-86
  4.5 本章小结  86-88
第5章 基于多重稀疏表示的多帧声纳图像超分辨率重建方法  88-112
  5.1 超分辨率的退化模型  88-89
  5.2 稀疏表示超分辨率重建  89-90
  5.3 图像的多重稀疏表示  90-91
  5.4 稀疏字典  91-99
    5.4.1 离散平稳小波的光滑成分字典  91-93
    5.4.2 Contourlet 变换的边缘成分字典  93-95
    5.4.3 Gabor 变换的纹理成分字典  95-99
  5.5 基于多重稀疏表示的声纳图像超分辨率重建  99-111
    5.5.1 多重稀疏表示多帧超分辨率模型算法的实现  100-102
    5.5.2 实验结果分析与评价  102-111
  5.6 本章小结  111-112
结论  112-114
参考文献  114-125
攻读博士学位期间发表的论文和取得的科研成果  125-126
致谢  126

相似论文

  1. 多币种纸币处理技术的研究与实现,TP391.41
  2. 语音信号的压缩感知研究及其在语音编码中的应用,TN912.3
  3. 基于稀疏表示的人脸识别算法研究,TP391.41
  4. 阴离子反浮选智能加药控制的研究,TD923
  5. 基于稀疏表示残差融合的人脸表情识别,TP391.41
  6. 垂直探测电离图F层描迹自动判读方法的研究,TP391.41
  7. 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
  8. 一类工具加工痕迹的检验识别,TP391.41
  9. 基于稀疏表示的立体匹配算法和红外目标的检测与跟踪,TP391.41
  10. 基于压缩感知的语音稀疏基和投影矩阵构造技术的研究,TN919.8
  11. 基于压缩感知的信号恢复算法研究,TN911.7
  12. 基于图像稀疏表示的红外小目标检测与跟踪算法研究,TP391.41
  13. 基于脑电信号的疲劳估计和实时监控技术研究,TN911.6
  14. 面向空间目标识别的红外与可见光图像融合算法及仿真研究,TP391.41
  15. 压缩感知在图像处理中的应用研究,TP391.41
  16. 基于稀疏表示的高空间分辨率遥感影像纹理描述方法的研究,TP751
  17. 基于自适应字典稀疏表示超分辨率重建的视频编码技术,TN919.81
  18. 基于图像技术的智能报靶系统设计,TP391.41
  19. 多尺度信息融合算法研究,TP202
  20. 在线字典训练及加权差异性稀疏表示的研究,TP391.41
  21. 晶硅太阳能电池电致发光研究及缺陷电池的Matlab数字图像识别,TM914.4

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com