CN111882585B - 被动声呐多目标方位迹提取方法、电子设备及计算机可读存储介质 - Google Patents

被动声呐多目标方位迹提取方法、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN111882585B
CN111882585B CN202010530893.6A CN202010530893A CN111882585B CN 111882585 B CN111882585 B CN 111882585B CN 202010530893 A CN202010530893 A CN 202010530893A CN 111882585 B CN111882585 B CN 111882585B
Authority
CN
China
Prior art keywords
matrix
window
azimuth
trace
image
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.)
Expired - Fee Related
Application number
CN202010530893.6A
Other languages
English (en)
Other versions
CN111882585A (zh
Inventor
姜可宇
蔡志明
姚直象
秦川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Naval University of Engineering PLA
Original Assignee
Naval University of Engineering PLA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Naval University of Engineering PLA filed Critical Naval University of Engineering PLA
Priority to CN202010530893.6A priority Critical patent/CN111882585B/zh
Publication of CN111882585A publication Critical patent/CN111882585A/zh
Application granted granted Critical
Publication of CN111882585B publication Critical patent/CN111882585B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/262—Analysis of motion using transform domain methods, e.g. Fourier domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明涉及声纳图像处理技术领域，尤其是涉及一种被动声呐多目标方位迹提取方法、电子设备及计算机可读存储介质。包括如下步骤：扩展原始方位历程图像，获取扩展方位历程图像；设定窗口，在扩展方位历程图像上依次获取系列窗口图像，对各窗口图像进行Radon变换，获得系数矩阵R；将各矩阵R分块；提取各矩阵R中各分块的峰值点；将获取的各矩阵R峰值点归一化，得到矩阵N；对矩阵N反Radon变换，得到矩阵R中初始目标方位迹，标记为矩阵T；对矩阵T进行二值化处理，得到矩阵M；根据窗口大小和窗口平移像素点数，计算方位迹点检测次数门限，依据方位迹点检测次数门限净化矩阵M，得到最终目标方位迹；截取原始方位历程图对应部分，得到提取出来的多目标方位迹。

Description

被动声呐多目标方位迹提取方法、电子设备及计算机可读存 储介质
技术领域
本发明涉及声纳图像处理技术领域，尤其是涉及一种被动声呐多目标方位迹提取方法、电子设备及计算机可读存储介质。
背景技术
时间方位历程图(Bearing Time Recording,BTR)是被动声纳一种重要的信息呈现方式，反映了目标信号与背景噪声的时空信息。随着减振降噪技术的发展，舰艇辐射噪声越来越低，被动声纳方位历程图中的目标方位迹越来越不明显，影响目标检测与方位估计。从多波束输出结果中提取目标方位迹的方法主要有三类：基于峰值检测的方位迹提取方法、基于隐马尔可模型(Hidden Markov Model,HMM)的方位迹提取方法、基于空间变换的方位迹提取方法。被动声纳的目标信号为目标舰艇的辐射噪声或目标舰艇上主动声纳发射的信号，背景噪声为海洋环境噪声与舰艇自噪声，基阵接收信号的信噪比较低。而且随着减振降噪技术的发展，目标舰艇的辐射噪声越来越低，被动声纳接收信号的信噪比也越来越低，方位历程图中的目标方位迹越来越不明显。
基于峰值检测的方位迹提取方法一般步骤为：先提取一帧多波束输出结果的峰值点，记录峰值点的方位与幅值，然后将方位与幅值信息送入跟踪滤波器对峰值方位进行递推预测，从而提取目标方位迹。由于水中环境复杂多变，提取峰值点时，可能出现遗漏或野值，当背景噪声较大时，基于峰值检测的方位迹提取方法将失效。HMM对前后状态的关联性有很好的建模能力，但此类方位迹提取算法的计算量会随方位迹数目的增加而迅速变大。
再有，现有的Radon域峰值迭代提取法，为对方位历程图进行Radon变换，变换后的系数矩阵记为R，元素个数记为S，利用迭代法提取系数矩阵中的峰值点，处理流程如下：
(1)设定检测信噪比门限SNR，产生一个与系数矩阵R同等大小的零矩阵M，用来存放满足信噪比的峰值点，将系数矩阵R赋给迭代矩阵R1，即R1＝R；
(2)进行第N(N从1开始)次迭代前，先计算信噪比SNRN是否满足检测信噪比门限。SNRN＝TN/uN，其中
Figure GDA0003265508140000022
Figure GDA0003265508140000021
(3)如果SNRN≥SNR，进行迭代处理
Figure GDA0003265508140000023
Figure GDA0003265508140000024
否则终止迭代，此时矩阵M中的非0元素即为提取出的峰值点。
这种峰值提取方法使得系数矩阵中一些非轨迹对应的点因为数值较大也被提取出来，进行Radon反变换会导致轨迹提取结果中出现较多干扰。
因此，针对上述问题本发明提供一种被动声呐多目标方位迹提取方法、电子设备及计算机可读存储介质。
发明内容
本发明的目的在于提出一种被动声呐多目标方位迹提取方法、电子设备及计算机可读存储介质，通过被动声呐多目标方位迹提取方法以解决现有技术存在的由于水中环境复杂多变，提取峰值点时，可能出现遗漏或野值，当背景噪声较大时，基于现有的峰值检测的方位迹提取方法将失效，以及HMM对前后状态的关联性虽然具有很好的建模能力，但此类方位迹提取算法存在计算量会随目标方位迹数目的增加而迅速变大的技术问题。
本发明提供的一种被动声呐多目标方位迹提取方法，包括如下步骤：
扩展原始方位历程图像，获取扩展方位历程图像；
根据所选择的窗口大小和窗口平移像素点数，在扩展方位历程图像上依次获取系列窗口图像，对各窗口图像进行Radon变换，获得系数矩阵R；
将各矩阵R分块；
提取各矩阵R中各分块的峰值点；
将获取的各矩阵R峰值点归一化，得到矩阵N；
对矩阵N反Radon变换，得到矩阵R中初始目标方位迹，标记为矩阵T；
对矩阵T进行二值化处理，得到矩阵M；
根据窗口大小和窗口平移像素点数，计算方位迹点检测次数门限，依据方位迹点检测次数门限净化矩阵M，得到最终目标方位迹；
从最终目标方位迹图像中截取原始方位历程图对应部分，得到提取出来的多目标方位迹。
进一步地，在对原始方位历程图像扩展时，依据图像单边扩展长度E、每个窗口图像被覆盖次数G、方位维平移像素点数Nb、窗口边长LW对宽度为H的原始方位历程图像进行扩展；其中H、E、G和Nb满足以下关系：
E＜LW
Nb≤[LW/G]，
Figure GDA0003265508140000031
表示取整
(H-LW)modNb＝0
E＝GNb；
进一步地，设定窗口大小步骤为：以多数目标方位迹直线或接近直线状态下的持续像素点数为边长，设定正方形窗口。
进一步地，窗口平移参数包括时间维平移像素点数Nt和方向维平移像素点数Nb；其中，Nt≤LW,Nb≤LW。
进一步地，在对矩阵T进行二值化处理，得到矩阵M后，将二值化处理得到的系数矩阵M叠加存放。
进一步地，方位迹点检测次数门限为Th＝[LW/Nb]+[LW/Nt]，[]表示取整，对矩阵M中的元素Mij进行判断，若Mij小于Th，则令Mij＝0。
进一步地，将各矩阵R分块过程：假设每个分块矩阵有l行c列，若矩阵R自身的行数或者列数不能整除l或c，则将矩阵R进行适当扩展以能够整除l或c，扩展部分的值设定为0,然后再分块，分块为
Figure GDA0003265508140000041
当提取完所有分块矩阵中的峰值点后，再截取对应部分。
进一步地，采用双门限法提取各矩阵R中各分块的峰值点；其中，双门限包括差值门限V1与幅值门限V2；差值门限V1根据窗口边长和窗口子图像均值确定，幅值门限V2根据窗口边长和方位历程图均值确定；双门限提取峰值过程：
找到各分块矩阵最大值Q1，计算得分块矩阵平均值Q2；
对找到的最大值，判断是否同时满足Q1-Q2≥V1，Q1≥Q2,若满足，保留最大值，若不满足，则标记为0。
进一步地，先计算矩阵T均值
Figure GDA0003265508140000042
对矩阵T中各元素Tij进行判断，若
Figure GDA0003265508140000043
Figure GDA0003265508140000044
则Tij＝1，表示本次被检测到，否则Tij＝0，表示本次未被检测到。
进一步地，扩展原始方位历程图像方法：计算原始方位历程图像的均值和方差，根据均值和方差产生瑞利分布随机数，将产生的瑞利分布随机数填充扩展部分，得到扩展方位历程图像。
本发明还提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述中任一项所述的方法中的步骤。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述中任一项所述的方法的步骤。
本发明提供的一种被动声呐多目标方位迹提取方法与现有技术相比，至少具有以下进步：
本发明提出了一种被动声呐多目标方位迹提取方法、电子设备及计算机可读存储介质，通过扩展原始方位历程图像，获取扩展方位历程图像；根据所选择的窗口大小和窗口平移像素点数，在扩展方位历程图像上依次获取系列窗口图像，对各窗口图像进行Radon变换，获得系数矩阵R；将各矩阵R分块；提取各矩阵R中各分块的峰值点；将获取的各矩阵R峰值点归一化，得到矩阵N；对矩阵N反Radon变换，得到矩阵R中初始目标方位迹，标记为矩阵T；对矩阵T进行二值化处理，得到矩阵M；根据窗口大小和窗口平移像素点数，计算方位迹点检测次数门限，依据方位迹点检测次数门限净化矩阵M，得到最终目标方位迹；从最终目标方位迹图像中截取原始方位历程图对应部分，得到提取出来的多目标方位迹的设计，可以自动提取原始方位历程图像中的多目标方位迹，具有提取目标方位迹细、误检测方位迹少和弱目标方位迹提取能力强等优点。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明中所述被动声呐多目标方位迹提取方法流程图；
图2为本发明中所述窗口参数示意图；
图3为本发明中所述多目标方位迹提取结果图(未设置检测门限)；
图4为本发明中所述多目标方位迹提取结果图(设置检测门限)；
图5为本发明所述电子设备的结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明提供的一种被动声呐多目标方位迹提取方法，包括如下步骤：
S1)扩展原始方位历程图像，获取扩展方位历程图像；
S2)根据所选择的窗口大小和窗口平移像素点数，在扩展方位历程图像上依次获取系列窗口图像，对各窗口图像进行Radon变换，获得系数矩阵R；
S3)将各矩阵R分块；
S4)提取各矩阵R中各分块的峰值点；
S5)将获取的各矩阵R峰值点归一化，得到矩阵N；
S6)对矩阵N反Radon变换，得到矩阵R中初始目标方位迹，标记为矩阵T；
S7)对矩阵T进行二值化处理，得到矩阵M；
S8)根据窗口大小和窗口平移像素点数，计算方位迹点检测次数门限，依据方位迹点检测次数门限净化矩阵M，得到最终目标方位迹；
S9)从最终目标方位迹图像中截取原始方位历程图对应部分，得到提取出来的多目标方位迹。
本发明通过一种被动声呐多目标方位迹提取方法，可以自动提取原始方位历程图像中的多目标方位迹，相比现有的获取目标方位迹的方法，具有提取目标方位迹细、误检测方位迹少和弱目标方位迹提取能力强等优点。
如图2所示，本实施例在对原始方位历程图像扩展时，依据图像单边扩展长度E、每个窗口图像被覆盖次数G、方位维平移像素点数Nb、窗口边长LW对宽度为H的原始方位历程图像进行扩展；其中H、E、G和Nb满足以下关系：
E＜LW
Nb≤[LW/G]，[]表示取整
(H-LW)modNb＝0
E＝GNb；
通过上述过程，保证拓展前的原始方位历程图像每个像素能够被窗口覆盖相同次数，从而保证提取目标方位迹细、误检测方位迹少和弱目标方位迹提取能力强等优点。
如图2所示，本实施例设定窗口大小步骤为：以多数目标方位迹直线或接近直线状态下的持续像素点数为边长，设定正方形窗口；窗口平移参数包括时间维平移像素点数Nt和方向维平移像素点数Nb；其中，Nt≤LW,Nb≤LW。
在本实施例中，在对矩阵T进行二值化处理，得到矩阵M后，将二值化处理得到的系数矩阵M叠加存放。
在本实施例中，方位迹点检测次数门限为Th＝[LW/Nb]+[LW/Nt]，[]表示取整，对矩阵M中的元素Mij进行判断，若Mij小于Th，则令Mij＝0；以去除误检测方位迹，净化矩阵M，使目标方位迹更加清晰。
在本实施例中，将各矩阵R分块过程：假设每个分块矩阵有l行c列，若矩阵R自身的行数或者列数不能整除l或c，则将矩阵R进行适当扩展以能够整除l或c，扩展部分的值设定为0,然后再分块，分块为
Figure GDA0003265508140000071
当提取完所有分块矩阵中的峰值点后，再截取对应部分。
在本实施例中，采用双门限法提取各矩阵R中各分块的峰值点；其中，双门限包括差值门限V1与幅值门限V2；差值门限V1根据窗口边长和窗口子图像均值确定，幅值门限V2根据窗口边长和方位历程图均值确定；双门限提取峰值过程：
找到各分块矩阵最大值Q1，计算得分块矩阵平均值Q2；
对找到的最大值，判断是否同时满足Q1-Q2≥V1，Q1≥Q2,若满足，保留最大值，若不满足，则标记为0。
具体地，以矩阵R11为例，双门限提取峰值点步骤：
(1)寻找并记录矩阵R11中的最大值Q1，Q1＝max{R11(m,n)}，计算R11的均值Q2，
Figure GDA0003265508140000081
(2)判断是否满足差值门限V1，方法如下：
Figure GDA0003265508140000082
(3)判断是否满足幅值门限V2，方法如下：
Figure GDA0003265508140000083
(4)用
Figure GDA0003265508140000084
替换矩阵R中的R11。
矩阵R中，其它分块如R11提取过程相同，此处不再赘述。
在本实施例中，先计算矩阵T均值
Figure GDA0003265508140000085
对矩阵T中各元素Tij进行判断，若
Figure GDA0003265508140000086
则Tij＝1，表示本次被检测到，否则Tij＝0，表示本次未被检测到。
在本实施例中，扩展原始方位历程图像方法：计算原始方位历程图像的均值和方差，根据均值和方差产生瑞利分布随机数，将产生的瑞利分布随机数填充扩展部分，得到扩展方位历程图像。
如图3、图4所示，图3为未设置检测次数门限方位迹提取结果图，图4为设置检测次数门限的目标方位迹提取结果图，图4中由于进行了检次数门限净化，图4中的目标方位迹相比图3中目标方位迹更加明显,误检测方位迹少。
如图5所示，本实施例还提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述中任一项所述的方法中的步骤。
其中，处理器可以是中央处理单元(CPU)或者现场可编程逻辑阵列(FPGA)或者单片机(MCU)或者数字信号处理器(DSP)或者专用集成电路(ASIC)等具有数据处理能力和/或程序执行能力的逻辑运算器件。一个或多个处理器可以被配置为以并行计算的处理器组同时执行上述方法，或者被配置为以部分处理器执行上述方法中的部分步骤，部分处理器执行上述方法中的其它部分步骤等。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述中任一项所述的方法的步骤。
本发明所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (5)

1.一种被动声呐多目标方位迹提取方法，其特征在于：包括如下步骤：
扩展原始方位历程图像，获取扩展方位历程图像；
根据所选择的窗口大小和窗口平移像素点数，在扩展方位历程图像上依次获取系列窗口图像，对各窗口图像进行Radon变换，获得系数矩阵R；
将各矩阵R分块；
提取各矩阵R中各分块的峰值点；
将获取的各矩阵R峰值点归一化，得到矩阵N；
对矩阵N反Radon变换，得到矩阵R中初始目标方位迹，标记为矩阵T；
对矩阵T进行二值化处理，得到矩阵M；
根据窗口大小和窗口平移像素点数，计算方位迹点检测次数门限，依据方位迹点检测次数门限净化矩阵M，得到最终目标方位迹；
从最终目标方位迹图像中截取原始方位历程图对应部分，得到提取出来的多目标方位迹；在对原始方位历程图像扩展时，依据图像单边扩展长度E、每个窗口图像被覆盖次数G、方向维平移像素点数Nb、窗口边长LW对宽度为H的原始方位历程图像进行扩展；其中H、E、G和Nb满足以下关系：
E＜LW
Nb≤[LW/G]，
Figure FDA0003393358490000011
表示取整
(H-LW)mod Nb＝0
E＝GNb；
设定窗口大小步骤为：以多数目标方位迹直线或接近直线状态下的持续像素点数为边长，设定正方形窗口，设定正方形窗口边长LW；窗口平移参数包括时间维平移像素点数Nt和方向维平移像素点数Nb；其中，Nt≤LW,Nb≤LW，LW为窗口边长；
将各矩阵R分块过程：假设每个分块矩阵有l行c列，若矩阵R自身的行数或者列数不能整除l或c，则将矩阵R进行适当扩展以能够整除l或c，扩展部分的值设定为0,然后再分块，分块为
Figure FDA0003393358490000021
当提取完所有分块矩阵中的峰值点后，再截取对应部分；
采用双门限法提取各矩阵R中各分块的峰值点；其中，双门限包括差值门限V1与幅值门限V2；差值门限V1根据窗口边长和窗口子图像均值确定，幅值门限V2根据窗口边长和方位历程图均值确定；双门限提取峰值过程：
找到各分块矩阵最大值Q1，计算得分块矩阵平均值Q2；
对找到的最大值，判断是否同时满足Q1-Q2≥V1，Q1≥Q2,若满足，保留最大值，若不满足，则标记为0。
2.根据权利要求1所述的被动声呐多目标方位迹提取方法，其特征在于：在对矩阵T进行二值化处理，得到矩阵M后，将二值化处理得到的系数矩阵M叠加存放。
3.根据权利要求1所述的被动声呐多目标方位迹提取方法，其特征在于：方位迹点检测次数门限为Th＝[LW/Nb]+[LW/Nt]，
Figure FDA0003393358490000022
表示取整，LW为窗口边长，Nt和Nb分别为时间维和方向维平移像素点数，对矩阵M中的元素Mij进行判断，若Mij小于Th，则令Mij＝0。
4.一种电子设备，其特征在于：包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-3中任一项所述的方法中的步骤。
5.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-3中任一项所述的方法的步骤。
CN202010530893.6A 2020-06-11 2020-06-11 被动声呐多目标方位迹提取方法、电子设备及计算机可读存储介质 Expired - Fee Related CN111882585B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010530893.6A CN111882585B (zh) 2020-06-11 2020-06-11 被动声呐多目标方位迹提取方法、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010530893.6A CN111882585B (zh) 2020-06-11 2020-06-11 被动声呐多目标方位迹提取方法、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111882585A CN111882585A (zh) 2020-11-03
CN111882585B true CN111882585B (zh) 2022-05-06

Family

ID=73157688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010530893.6A Expired - Fee Related CN111882585B (zh) 2020-06-11 2020-06-11 被动声呐多目标方位迹提取方法、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111882585B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113239775B (zh) * 2021-05-09 2023-05-02 西北工业大学 一种基于分层关注深度卷积神经网络的方位历程图中航迹检测与提取方法
CN113740858B (zh) * 2021-09-09 2023-09-26 哈尔滨工程大学 一种被动声纳水下弱目标检测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109102479A (zh) * 2018-06-29 2018-12-28 中国船舶重工集团公司第七〇五研究所 一种新图像算子的声纳目标增强方法
CN110542904A (zh) * 2019-08-23 2019-12-06 中国科学院声学研究所 一种基于水声目标方位历程图的目标自动发现方法
CN110852992A (zh) * 2019-10-11 2020-02-28 中国科学院国家空间科学中心 一种基于顶帽变换和Radon变换的船只尾迹检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10310125B2 (en) * 2016-03-04 2019-06-04 Cgg Services Sas System and method for refining positions of marine seismic receivers
CN106338733B (zh) * 2016-09-09 2018-11-09 河海大学常州校区 基于蛙眼视觉特性的前视声呐目标跟踪方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109102479A (zh) * 2018-06-29 2018-12-28 中国船舶重工集团公司第七〇五研究所 一种新图像算子的声纳目标增强方法
CN110542904A (zh) * 2019-08-23 2019-12-06 中国科学院声学研究所 一种基于水声目标方位历程图的目标自动发现方法
CN110852992A (zh) * 2019-10-11 2020-02-28 中国科学院国家空间科学中心 一种基于顶帽变换和Radon变换的船只尾迹检测方法

Also Published As

Publication number Publication date
CN111882585A (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
Chen et al. Structure-adaptive fuzzy estimation for random-valued impulse noise suppression
CN111882585B (zh) 被动声呐多目标方位迹提取方法、电子设备及计算机可读存储介质
CN109859178B (zh) 一种基于fpga的红外遥感图像实时目标检测方法
CN112526451A (zh) 基于麦克风阵列成像的压缩波束形成及系统
WO2018000252A1 (zh) 高分辨遥感海洋图像的海背景建模与抑制的方法及系统
CN114241388A (zh) 基于时空记忆信息的视频实例分割方法和分割装置
CN114283082A (zh) 一种基于注意力机制的红外小目标检测方法
CN112651376A (zh) 一种船只检测方法和装置
CN111783656A (zh) 一种基于统计特性预分割的自适应红外小目标检测方法
CN114779209B (zh) 一种激光雷达点云体素化方法及装置
CN115511918A (zh) 一种基于并行处理的目标跟踪方法及装置
KR102427861B1 (ko) 수중 영상 데이터를 생성하는 장치 및 방법
CN115131548A (zh) 一种融合频域显著性的sar图像舰船目标检测方法
CN111508525B (zh) 一种全参考音频质量评价方法及装置
CN111767204B (zh) 溢出风险检测方法、装置及设备
CN115082694B (zh) 基于扁长形锚点和线段扩充技术的船舶检测方法和装置
CN113298759A (zh) 水域检测方法、装置、电子设备及存储介质
CN116956227B (zh) 方位历程图显示方法、装置、计算机设备和存储介质
CN113379906B (zh) 一种基于超像素滤波的单光子三维图像重建方法及系统
CN105678704A (zh) 一种基于视觉感知的非局部中值盲降噪方法
CN111310824A (zh) 多角度稠密目标检测抑制优化方法及设备
CN114529514B (zh) 基于图结构的深度数据质量评价方法及装置
CN118015284B (zh) 基于生成对抗网络的点云分割方法及系统
CN117036982B (zh) 海上养殖区的光学卫星图像处理方法和装置、设备和介质
CN116091710B (zh) 一种基于三维重建的自适应空间切分方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210519

Address after: 101300 No. 143 Caida Second Street, Nancai Town, Shunyi District, Beijing

Applicant after: Beijing annual housekeeper Mdt InfoTech Ltd.

Applicant after: NAVAL University OF ENGINEERING

Address before: 430033 No.717 Jiefang Avenue, hanshuiqiao street, Qiaokou District, Wuhan City, Hubei Province

Applicant before: NAVAL University OF ENGINEERING

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210628

Address after: 430033 No.717 Jiefang Avenue, hanshuiqiao street, Qiaokou District, Wuhan City, Hubei Province

Applicant after: NAVAL University OF ENGINEERING

Address before: 101300 No. 143 Caida Second Street, Nancai Town, Shunyi District, Beijing

Applicant before: Beijing annual housekeeper Mdt InfoTech Ltd.

Applicant before: NAVAL University OF ENGINEERING

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220506