CN102867292B - 一种针对多波束前视声纳成像数据的阶梯形均值滤波方法 - Google Patents
一种针对多波束前视声纳成像数据的阶梯形均值滤波方法 Download PDFInfo
- Publication number
- CN102867292B CN102867292B CN201210323818.8A CN201210323818A CN102867292B CN 102867292 B CN102867292 B CN 102867292B CN 201210323818 A CN201210323818 A CN 201210323818A CN 102867292 B CN102867292 B CN 102867292B
- Authority
- CN
- China
- Prior art keywords
- point
- matrix
- imaging data
- mask
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种多波束前视声纳成像数据的阶梯形均值滤波方法,属于图像处理技术领域。采集单帧声纳图像的成像数据,生成成像数据矩阵,建立阶梯形掩模模型,计算掩模系数并确定掩模中各点对应数据值,进行数据卷积处理完成阶梯形均值滤波,滤波后的成像数据矩阵经可视化处理,得到滤波后的多波束前视声纳图像。本发明提供的方法针对多波束前视声纳成像特点,可以更好地抑制噪声,使滤波后的图像具有更好的视觉效果。
Description
技术领域
本发明属于图像处理技术领域,涉及声纳图像滤波方法,具体是一种借鉴光学图像处理中的平滑线性滤波器,针对多波束前视声纳图像进行去噪的方法。
背景技术
图像在数字化采集、传输过程中常受到成像设备与外部环境噪声干扰等影响,含有各种各样的噪声。数字图像在使用过程中经常需要首先对其进行滤波来降噪。图像的空间域滤波是在图像空间借助滤波掩模进行邻域操作完成的,其主要思路是:首先确定滤波掩模,在掩模内对待处理像素进行滤波操作,然后在待处理图像中逐点地移动掩模,重复上述操作,直到符合终止条件。对于图像中每一点,滤波器在该点的响应通过事先定义的关系来计算。空间域滤波一般可分为线性空间滤波和非线性空间滤波。
[Rafel C.Gonzalez,Richard E.Woods,ed.Digital Image Processing.2nd ed.New Jersey:Pretice Hall,2002.116-123.]书中提到的均值滤波是传统的线性空间域滤波方法,该传统方法的基本原理是采用滤波掩模确定的邻域内像素的平均灰度值代替图像中每个像素点的值,这种处理减小了由随机噪声引起的图像灰度级的尖锐变化,以达到抑制或是去除噪声的目的。
近年来,随着科学技术的高速发展,人类对覆盖地球总面积70%的海洋的认识逐渐深化,由于海洋环境的复杂性,声波成为信息在水中远程传输的最佳媒介,而其中成像声纳在海洋开发和水下探测中越来越受到人们重视。目前,技术比较成熟、使用较广泛的成像声纳有侧扫声纳和前视声纳。前视声纳的研究开展较晚,但发展很快,现已广泛应用于沉底目标的探测、自主式水下机器人的障碍物识别等。前视声纳包括单波束机械扫描声纳、多波束预成电子扫描声纳和三维成像声纳。多波束预成电子扫描声纳也称多波束前视声纳,具有较高的成像速率和较高的分辨率。
多波束前视声纳主要作为水下机器人的传感成像设备,承担着发现水下机器人前方目标,对目标定位、识别的任务,其作用相当于人类的视觉部分。该声纳以其换能器基阵为圆心,在固定的夹角范围内同时发射多个声波波束,并同时接受回波信号。声纳系统将采集到的回波信号进行处理,将回波信号转换成图像格式,并按照设定的数据格式进行存储。由于多波束前视声纳是对一个扇形区域进行扫描和成像的,而其存储的声纳数据只是对固定角度和固定行距的回波点像素的描述,如果将声纳成像数据直接在计算机屏幕上进行可视化显示,所成是矩形图像,这就不能将实际的扇形区域图像真实地呈现出来。因此,针对多波束前视声纳成像数据,需要进行数据可视化处理,这样显示出来的图像才能较好地还原实际扫描的扇形区域。
目前,现有的声纳图像显示软件对多波束前视声纳图像进行均值滤波时,先对多波束前视声纳成像数据进行数据可视化处理,生成扇形图像后,再运用传统掩模模型对图像进行滤波处理。由于对声纳成像数据可视化处理是根据成像数据进行插值计算后对计算机显示器的像素点进行填充,因而可视化处理后的图像中部分信息是声纳成像数据放大后的结果,因此对可视化处理后的图像进行滤波过程中存在对放大后的噪声的处理,这样采用传统均值滤波方法就不能较好地抑制或是去除图像噪声。
发明内容
对于传统均值滤波对多波束前视声纳图像去噪效果不佳的缺点,本发明提供一种针对多波束前视声纳成像数据的阶梯形均值滤波方法。针对多波束前视声纳成像特点和声纳回波点的空间相关性,引入新的滤波思路,并借鉴传统均值滤波对多波束前视声纳成像数据进行阶梯形均值滤波。
本发明实现上述目的的技术方案是对多波速前视声纳成像数据进行阶梯形均值滤波,将滤波后的声纳成像数据进行可视化,生成去噪后的多波束前视声纳图像。
一种针对多波束前视声纳成像数据的阶梯形均值滤波方法,包含以下步骤:
(1)将表示单帧声纳图像的成像数据保存到列向量M;
(2)已知多波束前视声纳的波束数n,计算列向量M的元素个数t,并将的结果记为m;定义一个m行、n列的成像数据矩阵A,将列向量M中的数据值依次填充到矩阵A;定义一个m行、n列零矩阵B;
(3)建立一个阶梯形掩模模型;
(4)计算阶梯形掩模中各点的掩模系数;
(5)依据成像数据矩阵A确定掩模中各点对应的数据值,若点在矩阵A中无对应值,则该点置空;
(6)对掩模中剩余点是否都有对应值进行判定,采用对应方式进行卷积处理;
(7)完成成像数据矩阵A中所有数据值的滤波,得到阶梯形均值滤波后的成像数据矩阵B;
(8)对滤波后成像数据矩阵B进行可视化处理,得到去噪后多波束前视声纳图像。
步骤(1)中对单帧声纳图像的成像数据保存是将多波束前视声纳单次扫描后二维平面中各回波点的像素值进行保存。
步骤(2)中将列向量M中数据值依次填充到矩阵A的步骤是将向量中表示最远端回波点的成像数据存放在矩阵的首行,表示最近端回波点的成像数据存放在矩阵的末行。
步骤(3)中建立的阶梯形掩模模型一共3行,每行的列数从上至下依次为K、K+2、K+4,其中,K为奇数;将第2行、第列掩模点记为P,对应值记为p,剩余点从上到下、从左到右依次记为Pi(i=1...3K+5),各点对应值依次为pi(i=1...3K+5)。
阶梯形掩模中各点的掩模系数是指阶梯形掩模模型中各点的卷积系数,统一计算表达式为:即为
依据成像数据矩阵A确定掩模中各点对应的数据值是指将矩阵A中a行、b列元素的值A(a,b)作为阶梯形模型中P点的对应值,即p=A(a,b),并以P点为基准点,从矩阵A中确定掩模中剩余点对应的数据值。
采用对应方式进行卷积处理是指若掩模中剩余点都有对应值,即无空值点,对掩模中各点数据值和对应的掩模系数进行卷积处理,卷积处理的响应结果记为R,并将R存放在矩阵B的a行、b列位置,
若掩模中剩余点并不都有对应值,即有空值点,统计掩模内所有点中非空值点的个数,统计结果记为w,则各非空值点对应的卷积系数为对非空值点的数据值和系数进行卷积处理,其中非空值点数据值的累加和记为U,卷积响应结果记为S,则S的表达式为:并将S存放在矩阵B的a行、b列位置。
完成成像数据矩阵A中所有数据值的滤波是指对P点值A(a,b)在矩阵A中的位置进行判定:若a=m且b=n,则完成对矩阵A中所有数据值的滤波,此时得到矩阵B即为阶梯形均值滤波后的声纳成像数据矩阵;若条件不成立,以从上到下、从左到右的顺序从矩阵A中提取下一个位置的数据值,并重新对a、b赋值,返回步骤(5)对该提取的数据值进行阶梯形均值滤波。
步骤(8)中对滤波后成像数据矩阵B进行可视化处理是采用R-Theta扇形可视化方法对阶梯形均值滤波后的成像数据矩阵B进行可视化操作。
本发明所达到的有益效果:
本发明借鉴均值滤波在对实时图像进行去噪时具有简便、快速的优点,同时根据多波束前视声纳成像特点及其回波点在空间中的相关性,实现对多波束前视声纳图像进行去噪。多波束前视声纳系统采集的回波点数据需要在进行数据可视化成像后生成声纳图像,由于在数据可视化过程中使用了插值方法,部分噪声在可视化后势必被放大,而通过对成像数据进行去噪,可以避免直接对声纳图像去噪所带来的效果不佳的缺陷。多波束前视声纳的回波点在空间平面上是呈扇形分布,相邻波束、相同声波旅行时间的回波点之间的欧氏距离随着声波的旅行时间变长而变大,考虑到回波点欧氏距离对相邻回波点回波强度之间相关性的影响,即距离越大,两点间的相关性就越小,采用阶梯形掩模模型对回波点成像数据进行去噪,就能较好地处理此类影响,进一步提高了去噪的效果。因此最终得到的多波束前视声纳图像具有更佳的去噪效果。
附图说明
图1为本发明方法的执行框图;
图2为本发明方法的流程图;
图3a、图3b为阶梯形掩模示意图;
图4a-图4e为针对仿真数据的实验结果图。
具体实施方式
以下结合附图对本发明做进一步详细描述。
采用本发明的针对多波束前视声纳成像数据的阶梯形均值滤波方法对声纳图像进行去噪的流程框图如图1所示,其处理步骤依次为:
(1)采集由多波束前视声纳系统在进行水下扫描后生成的单帧声纳图像的成像数据。
(2)以声纳波束数为列,并以单个声纳波束上的回波点个数为行,生成一个空矩阵,将步骤(1)得到的成像数据对应放置于该矩阵中,每个矩阵元素存放一个对应声纳回波点的成像数据。
(3)鉴于传统均值滤波思想,针对多波束前视声纳成像特点和该类声纳回波点在空间中的相关性,建立一个阶梯形形状的掩模模型。
(4)根据步骤(3)得到的阶梯形掩模模型,计算掩模中各点的掩模系数。
(5)将步骤(2)得到的成像数据矩阵中的单个数据作为步骤(3)得到的阶梯形掩模中心点对应的数据值,并依据数据矩阵确定掩模模型中剩余点对应的数据值。
(6)对步骤(4)得到的掩模系数和步骤(5)得到的掩模模型对应的数据值进行卷积处理;对步骤(2)的成像数据矩阵中每个数据进行卷积处理后,得到滤波后的成像数据矩阵。
(7)利用现有的R-Theta扇形可视化方法对步骤(6)得到的滤波后成像数据矩阵进行数据可视化处理,得到滤波后的多波束前视声纳图像。
为更详细的对本发明的方法进行说明,以图2所示,该方法的具体步骤依次为:
(1)采集由多波束前视声纳系统在进行水下扫描后生成的单帧声纳图像的成像数据,该成像数据是多波束前视声纳单次扫描后二维平面中各回波点的像素值,将该数据存放至一个列向量中,该列向量记为M。
(2)已知多波束前视声纳的波束数,记为n,计算由步骤(1)得到的列向量M的元素个数,记为t,并将的结果记为m,m即为单个声纳波束上的回波点个数。定义一个m行、n列的矩阵,记为A。将列向量M中元素值依次填充到矩阵A中,得到可以描述声纳图像的成像数据矩阵A,其中表示最远端回波点的成像数据存放在矩阵的首行,表示最近端回波点的成像数据存放在矩阵的末行。同样定义一个m行、n列全零矩阵,记为B。
(3)建立一个阶梯形掩模模型,如该模型一共3行,每行的列数从上至下依次为K、K+2、K+4,其中K取奇整数。当K=1时,其掩模模型如图3a所示,将第2行、第2列掩模点记为P,对应值记为p,剩余点从上到下、从左到右依次记为Pi(i=1...8),各点对应值依次为pi(i=1...8)。当K=3时,其掩模模型如图3b所示,将第2行、第3列掩模点记为P,对应值记为p,剩余点从上到下、从左到右依次记为Pi(i=1...14),各点对应值依次记为pi(i=1...14)。
(4)计算阶梯形掩模模型中各点的卷积系数,统一表达式为即为当K=1时,掩模中各点的卷积系数为当K=3时,掩模中各点的卷积系数为
(5)从由步骤(2)得到的矩阵A中提取单个数据值,该数据值在矩阵A中的位置记为a行、b列,值大小记为A(a,b)。该数据值对应由步骤(3)建立的模型中P点的值,即p=A(a,b)。以P点为基准点,从矩阵A中确定掩模中剩余点对应的数据值。当K=1时,掩模中剩余各点在矩阵A中的对应值为:p1=A(a-1,b),p2=A(a,b-1),p3=A(a,b+1),p4=A(a+1,b-2),p5=A(a+1,b-1),p6=A(a+1,b),p7=A(a+1,b+1),p8=A(a+1,b+2)。当K=3时,掩模中剩余点在矩阵A中的对应值为:p1=A(a-1,b-1),p2=A(a-1,b),p3=A(a-1,b+1),p4=A(a,b-2),p5=A(a,b-1),p6=A(a,b+1),p7=A(a,b+2),p8=A(a+1,b-3),p9=A(a+1,b-2),p10=A(a+1,b-1),p11=A(a+1,b),p12=A(a+1,b+1),p13=A(a+1,b+2),p14=A(a+1,b+3)。若剩余点在矩阵A中无对应值时,该点置空。
(6)对掩模中剩余点是否都有对应值进行判定。若掩模中剩余点都有对应值,即无空值点,对掩模中各点数据值和对应的掩模系数进行卷积处理,卷积处理的响应结果记为R,并将R存放在矩阵B的a行、b列位置,其中当K=1时,当K=3时,若掩模中剩余点并不都有对应值,即有空值点,统计掩模内所有点中非空值点的个数,统计结果记为w,则各非空值点对应的卷积系数为对非空值点的数据值和系数进行卷积处理,其中非空值点数据值的累加和记为U,卷积响应结果记为S,则S的表达式为:并将S存放在矩阵B的a行、b列位置。
(7)对P点值A(a,b)在矩阵A中的位置进行判定:若a=m且b=n,则完成对矩阵A中所有数据值的滤波,此时得到矩阵B即为阶梯形均值滤波后的声纳成像数据矩阵;若条件不成立,以从上到下、从左到右的顺序从矩阵A中提取下一个位置的数据值,并重新对a、b赋值,返回步骤(5)对该提取的数据值进行阶梯形均值滤波。
(8)采用R-Theta扇形可视化方法对由步骤(7)得到的滤波后成像数据矩阵进行可视化处理,得到去噪后的多波束前视声纳图像。
本发明效果可通过以下仿真结果进一步说明。
仿真条件:
本发明采用含有斑点噪声的模拟多波束前视声纳成像数据进行仿真实验。计算机硬件配置为Core(TM)2Duo,主频为2.26GHz。本发明的软件平台为Matlab R2008b。
仿真内容:
采用传统3×3和5×5均值滤波掩模对含噪的模拟声纳成像数据在可视化处理后进行实验,并采用本发明提供的方法中K=1和K=3两种阶梯形掩模对含噪的模拟声纳成像数据滤波后再可视化处理实验。模拟的多波束前视声纳成像数据大小为693×256,其中693为距离分辨率,256为声纳的波束数。模拟的成像数据可视化处理后的图像为行数为693、列数为1200、开角为120°的扇形图像。
仿真结果:
1、本发明的实验结果如图4a-图4e所示,其中:
图4a为含噪模拟成像数据进行可视化处理后的图像,其中斑点噪声的方差为0.04。图4b为采用传统3×3掩模对图4a所示的含噪图像进行均值滤波后的图像。图4c为采用传统5×5掩模对图4a所示的含噪图像进行均值滤波后的图像。图4d为采用本发明提供的方法中K=1时的阶梯形掩模对含方差为0.04的斑点噪声的模拟声纳成像数据进行阶梯形均值滤波后,进行可视化处理得到的声纳图像。图4e为采用本发明提供的方法中K=3时的阶梯形掩模对含方差为0.04的斑点噪声的模拟声纳成像数据进行阶梯形均值滤波后,进行可视化处理得到的声纳图像
2、同时给出了与图4a-图4e相关的定量的图像去噪指标,如表1所示:
表1图4a-图4e去噪图像结果的峰值信噪比分析表
噪声方差值 | 0.02 | 0.04 | 0.06 |
含噪图峰值信噪比 | 22.5337 | 19.8926 | 18.3086 |
3×3掩模滤波峰值信噪比 | 27.7307 | 25.4899 | 24.0079 |
5×5掩模滤波峰值信噪比 | 29.2659 | 27.5536 | 26.2257 |
本发明滤波峰值信噪比(K=1) | 30.7088 | 28.7767 | 27.3889 |
本发明滤波峰值信噪比(K=3) | 30.9121 | 29.3788 | 28.1863 |
通过对图4a-图4e得到的结果图的定性分析和表1的去噪图像的定量分析我们有以下结论:从视觉效果上看图4d、图4e的视觉效果较好,平坦区域已几乎看不到斑点效应,而图4b、图4c还存在着明显的斑点噪声,滤波的效果较差,而对于图4d和图4e之间,图4d的视觉效果又较好于图4e的视觉效果。对含噪的模拟声纳成像数据在可视化后分别采用3×3掩模、5×5掩模进行均值滤波实验,以及对模拟数据加入不同程度的斑点噪声后分别采用本发明所提供的K=1和K=3两种阶梯形掩模进行滤波并可视化实验,计算出在不同程度噪声下各个方法的峰值信噪比,定量分析的结果如表1所示。相比传统的均值滤波,在不同程度噪声情况下,采用本发明方法提供的K=1和K=3两种阶梯形掩模进行滤波实验的峰值信噪比都有较明显地提升,其中采用K=3掩模进行实验的定量分析结果又要较优于采用K=1掩模进行实验的定量分析结果。综合主客观两方面的实验分析,可以根据实际需要合理地选择K值、建立阶梯形掩模。综上可得,对于分辨率低、成扇形显示的多波束前视声纳图像,本发明借鉴均值滤波在对实时图像进行去噪时具有简便、快速的优点,同时根据多波束前视声纳成像特点和其回波点在空间中的相关性,提供的针对多波束前视声纳成像数据的阶梯形均值滤波,能较好地抑制图像噪声,提升声纳图像的视觉效果。实验结果的主客观评价均说明了本发明的优势。
Claims (8)
1.一种针对多波束前视声纳成像数据的阶梯形均值滤波方法,包含以下步骤:
(1)将表示单帧声纳图像的成像数据保存到列向量M;
(2)已知多波束前视声纳的波束数n,计算列向量M的元素个数t,并将的结果记为m;定义一个m行、n列的成像数据矩阵A,将列向量M中的数据值依次填充到矩阵A;定义一个m行、n列零矩阵B;
(3)建立一个阶梯形掩模模型;
(4)计算阶梯形掩模中各点的掩模系数;
(5)依据成像数据矩阵A确定掩模中各点对应的数据值,若点在矩阵A中无对应值,则该点置空;
(6)对掩模中剩余点是否都有对应值进行判定,采用对应方式进行卷积处理;
(7)完成成像数据矩阵A中所有数据值的滤波,得到阶梯形均值滤波后的成像数据矩阵B;
(8)对滤波后成像数据矩阵B进行可视化处理,得到去噪后多波束前视声纳图像;
步骤(3)中建立的阶梯形掩模模型一共3行,每行的列数从上至下依次为K、K+2、K+4,其中,K为奇数;将第2行、第列掩模点记为P,对应值记为p,剩余点从上到下、从左到右依次记为Pi(i=1...3K+5),各点对应值依次为pi(i=1...3K+5)。
2.根据权利要求1所述的针对多波束前视声纳成像数据的阶梯形均值滤波方法,其特征是:步骤(1)中对单帧声纳图像的成像数据保存是将多波束前视声纳单次扫描后二维平面中各回波点的像素值进行保存。
3.根据权利要求1所述的针对多波束前视声纳成像数据的阶梯形均值滤波方法,其特征是:步骤(2)中将列向量M中数据值依次填充到矩阵A的步骤是将向量中表示最远端回波点的成像数据存放在矩阵的首行,表示最近端回波点的成像数据存放在矩阵的末行。
4.根据权利要求1所述的针对多波束前视声纳成像数据的阶梯形均值滤波方法,其特征是:阶梯形掩模中各点的掩模系数是指阶梯形掩模模型中各点的卷积系数,统一计算表达式为:即为
5.根据权利要求4所述的针对多波束前视声纳成像数据的阶梯形均值滤波方法,其特征是:依据成像数据矩阵A确定掩模中各点对应的数据值是指将矩阵A中a行、b列元素的值A(a,b)作为阶梯形模型中P点的对应值,即p=A(a,b),并以P点为基准点,从矩阵A 中确定掩模中剩余点对应的数据值。
6.根据权利要求5所述的针对多波束前视声纳成像数据的阶梯形均值滤波方法,其特征是:采用对应方式进行卷积处理是指若掩模中剩余点都有对应值,即无空值点,对掩模中各点数据值和对应的掩模系数进行卷积处理,卷积处理的响应结果记为R,并将R存放在矩阵B的a行、b列位置,
若掩模中剩余点并不都有对应值,即有空值点,统计掩模内所有点中非空值点的个数,统计结果记为w,则各非空值点对应的卷积系数为对非空值点的数据值和系数进行卷积处理,其中非空值点数据值的累加和记为U,卷积响应结果记为S,则S的表达式为:并将S存放在矩阵B的a行、b列位置。
7.根据权利要求6所述的针对多波束前视声纳成像数据的阶梯形均值滤波方法,其特征是:完成成像数据矩阵A中所有数据值的滤波是指对P点值A(a,b)在矩阵A中的位置进行判定:若a=m且b=n,则完成对矩阵A中所有数据值的滤波,此时得到矩阵B即为阶梯形均值滤波后的声纳成像数据矩阵;若条件不成立,以从上到下、从左到右的顺序从矩阵A中提取下一个位置的数据值,并重新对a、b赋值,返回步骤(5)对该提取的数据值进行阶梯形均值滤波。
8.根据权利要求1所述的针对多波束前视声纳成像数据的阶梯形均值滤波方法,其特征是:步骤(8)中对滤波后成像数据矩阵B进行可视化处理是采用R-Theta扇形可视化方法对阶梯形均值滤波后的成像数据矩阵B进行可视化操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210323818.8A CN102867292B (zh) | 2012-09-04 | 2012-09-04 | 一种针对多波束前视声纳成像数据的阶梯形均值滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210323818.8A CN102867292B (zh) | 2012-09-04 | 2012-09-04 | 一种针对多波束前视声纳成像数据的阶梯形均值滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102867292A CN102867292A (zh) | 2013-01-09 |
CN102867292B true CN102867292B (zh) | 2014-12-10 |
Family
ID=47446148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210323818.8A Active CN102867292B (zh) | 2012-09-04 | 2012-09-04 | 一种针对多波束前视声纳成像数据的阶梯形均值滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102867292B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104754249B (zh) * | 2013-12-30 | 2017-12-29 | 中国科学院声学研究所 | 一种应用于水下成像声纳的信号处理系统 |
CN106680800B (zh) * | 2017-01-04 | 2019-04-02 | 中国水产科学研究院珠江水产研究所 | 一种双频识别声纳数据处理方法 |
CN107621639B (zh) * | 2017-09-08 | 2020-07-17 | 河海大学 | 一种基于连续线性和证据累加准则的水下障碍检测方法 |
US11579288B2 (en) * | 2018-04-14 | 2023-02-14 | Coda Octopus Group Inc. | Pseudo random frequency sonar ping generation |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201043997Y (zh) * | 2007-03-01 | 2008-04-02 | 中国海洋石油总公司 | 一种多波束剖面声纳信号处理装置 |
CN102419436A (zh) * | 2011-09-08 | 2012-04-18 | 国家海洋局第二海洋研究所 | 基于总传播误差滤波器的多波束数据处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030048937A1 (en) * | 2001-04-11 | 2003-03-13 | University Of Utah | Method of processing visual imagery from a medical imaging device |
-
2012
- 2012-09-04 CN CN201210323818.8A patent/CN102867292B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201043997Y (zh) * | 2007-03-01 | 2008-04-02 | 中国海洋石油总公司 | 一种多波束剖面声纳信号处理装置 |
CN102419436A (zh) * | 2011-09-08 | 2012-04-18 | 国家海洋局第二海洋研究所 | 基于总传播误差滤波器的多波束数据处理方法 |
Non-Patent Citations (2)
Title |
---|
声呐图像滤波方法的比较分析;田晓东;《声学与电子工程》;20070315;22-26 * |
田晓东.声呐图像滤波方法的比较分析.《声学与电子工程》.2007,22-26. * |
Also Published As
Publication number | Publication date |
---|---|
CN102867292A (zh) | 2013-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11238562B2 (en) | Ultrasound system with deep learning network for image artifact identification and removal | |
CN102306377B (zh) | 一种超声图像去噪的方法和装置 | |
US4771470A (en) | Noise reduction method and apparatus for medical ultrasound | |
US8684934B2 (en) | Adaptively performing clutter filtering in an ultrasound system | |
Park et al. | Speckle reduction techniques in medical ultrasound imaging | |
CN102928844B (zh) | 一种水下亚波长分辨率三维成像方法 | |
US9081097B2 (en) | Component frame enhancement for spatial compounding in ultrasound imaging | |
CN102867292B (zh) | 一种针对多波束前视声纳成像数据的阶梯形均值滤波方法 | |
JP2008536578A (ja) | ピクセル指向処理による超音波画像処理システム | |
JP2002045358A (ja) | 嚢胞性物体の自動的な検出及び寸法測定の方法及び装置 | |
CN106600550B (zh) | 超声图像处理方法及系统 | |
CN106529561A (zh) | 超声彩色流中的闪光伪像检测 | |
CN102755174B (zh) | 波束形成器、医学图像系统以及用于显示诊断图像的方法 | |
CN106680825A (zh) | 一种声学阵列成像系统与方法 | |
CN109875606B (zh) | 基于先验反射成像的超声ct声速成像的方法 | |
CN102201125A (zh) | 一种三维成像声纳的数据可视化方法 | |
US20200217940A1 (en) | Ultrasonic imaging with multi-scale processing for grating lobe suppression | |
CN104536005B (zh) | 一种基于盲区校正的多波束侧扫声呐斜距失真消除方法 | |
CN103637817A (zh) | 超声成像处理方法及装置 | |
Touil et al. | Analysis of motion tracking in echocardiographic image sequences: Influence of system geometry and point-spread function | |
JP2000149015A (ja) | 画像のエッジ強調方法及びイメ―ジング装置 | |
CN117115452A (zh) | 可控的医学超声图像去噪方法、系统及计算机存储介质 | |
CN115993602A (zh) | 一种基于前视声呐的水下目标检测及定位方法 | |
CN106108942B (zh) | 基于OpenCL的并行ARFI成像方法 | |
CN113625286A (zh) | 基于相干特征的强稳健性截断相干系数超声波束形成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |