基于数学形态学的水声图像处理

对成像声纳采集到的水声图像进行有效且快速的处理与正确识别,是实现水下智能机器人的“声视觉”的关键问题。针对水声图像的特点,传统方法难以保证对“保边去噪”的要求和保持系统算法整合性。为此提出了一种基于数学形态学的水声图像处理方法,该方法采用广义形态开闭变换等形态学方法进行图像处理。试验结果表明,该算法抗噪能力强,效果明显,且计算量小、硬件实现简单,更好地保证了“声视觉”系统的准确性和实时性。     

水下机器人视觉控制系统的设计与实现

主要介绍了如何利用目前较先进的水下摄像机实现水下机器人视觉系统的设计,并通过计算机串口对集成微处理的控制实现了摄像机的缩放、变焦功能以及水下灯光的开、关等控制任务,从而使水下机器人具有了较完善的视觉系统。     

OFDM水声通信系统中一种相位补偿方法

为解决正交频分复用(OFDM)水声通信系统中因采样时钟偏差引起的相位噪声对系统性能的影响,提出了一种基于双导频符号的相位补偿方法,利用相邻两个OFDM导频符号的信道估计获得任何两个相邻OFDM符号的相位差,然后利用这个相位差去补偿OFDM数据符号中因采样时钟偏差带来的相位旋转.仿真及湖上试验数据分析结果表明:采用该方法可以有效地补偿因采样时钟偏差所带来的相位旋转,降低相位噪声对OFDM水声通信系统的影响.     

基于小波域统计-共生矩阵的声纳图像识别

采用完全树式结构小波包分解方法提取了声纳图像的纹理特征。通过计算小波包系数的统计特征和共生矩阵,构造了一个基于小波包变换的统计—共生矩阵特征集。由于统计—共生矩阵作为图像纹理特征表示时,在保留图像统计特征的同时,引入了空间信息,所以识别性能明显优于单纯的统计量识别方法。最后设计了一种模糊纹理分类器,由于模糊判决分类器通过引入隶属度函数对特征进行模糊化,反映了各类纹理样本间由于随机噪声等畸变因素造成的抽取特征值存在的不确定性,从而提高了纹理分类器的鲁棒性。