CN116400337A - 基于线段检测的舰船噪声调制线谱提取与轴频估计方法 - Google Patents

基于线段检测的舰船噪声调制线谱提取与轴频估计方法 Download PDF

Info

Publication number
CN116400337A
CN116400337A CN202310673112.2A CN202310673112A CN116400337A CN 116400337 A CN116400337 A CN 116400337A CN 202310673112 A CN202310673112 A CN 202310673112A CN 116400337 A CN116400337 A CN 116400337A
Authority
CN
China
Prior art keywords
demon
sequence
spectrogram
frequency
line spectrum
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.)
Granted
Application number
CN202310673112.2A
Other languages
English (en)
Other versions
CN116400337B (zh
Inventor
王得志
邓梦沙
程兴华
包长春
王文珂
张小双
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202310673112.2A priority Critical patent/CN116400337B/zh
Publication of CN116400337A publication Critical patent/CN116400337A/zh
Application granted granted Critical
Publication of CN116400337B publication Critical patent/CN116400337B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52001—Auxiliary means for detecting or identifying sonar signals or the like, e.g. sonar jamming signals
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本申请涉及一种基于线段检测的舰船噪声调制线谱提取与轴频估计方法，通过采用绝对值低通解调法对由被动声呐进行被动探测得到的舰船目标辐射的噪声信号进行解调得到DEMON谱图，再利用背景均衡策略对该谱图进行净化处理，得到处理后谱图，再基于优化后的线段检测方法对其进行检测后提取舰船目标的DEMON线谱，同时计算得到轴频识别阈值，最后采用自适应更相减损法以及所述轴频识别阈值对线谱进行处理，得到舰船目标的轴频估计结果。采用本方法可自适应并精准的提取舰船辐射噪声线谱以及进行轴频估计。

Description

基于线段检测的舰船噪声调制线谱提取与轴频估计方法
技术领域
本申请涉及现代水声技术领域，特别是涉及一种基于线段检测的舰船噪声调制线谱提取与轴频估计方法。
背景技术
被动声呐是依靠舰船等目标辐射的噪声信号来识别目标的，被动声呐目标检测和识别是现代水声技术重点研究领域之一。在声呐信号处理中把接收的噪声信号通过解调获得的低频时域信号称为包络信号，其功率谱称为DEMON谱。DEMON分析是舰船噪声目标识别的重要分析手段之一，通过DEMON分析可以获得诸如目标螺旋桨转速、螺旋桨叶片数等舰船物理特性。当前，舰船目标DEMON线谱的检测和识别技术的研究对于理想海洋环境下的高信噪比的线谱检测和识别已有一定的研究，但是线谱检测和提取效果并不很理想且自动化水平较低，需要依赖人为经验。
发明内容
基于此，有必要针对上述技术问题，提供一种能够自动且精准的基于线段检测的舰船噪声调制线谱提取与轴频估计方法。
一种基于线段检测的舰船噪声调制线谱提取与轴频估计方法，所述方法包括：
获取舰船目标辐射的噪声信号，所述噪声信号由被动声呐探测得到；
采用绝对值低通解调法对所述噪声信号进行解调，得到DEMON谱图；
利用背景均衡策略对所述DEMON谱图进行净化处理，得到处理后DEMON谱图；
基于优化线段检测方法对所述处理后DEMON谱图进行线谱自动检测，提取所述舰船目标的DEMON线谱，还根据所述DEMON线谱进行计算得到轴频识别阈值；
采用自适应更相减损法以及所述轴频识别阈值对DEMON线谱进行处理，得到所述舰船目标的轴频估计结果。
在其中一实施例中，所述采用绝对值低通解调法对所述噪声信号进行解调，得到DEMON谱图包括：
依次对所述噪声信号进行带通滤波、绝对值运算、低通滤波以及功率谱分析，得到所述DEMON谱图。
在其中一实施例中，所述利用背景均衡策略对所述DEMON谱图进行净化处理包括：
所述DEMON谱图为包括多个样本点的原始谱图序列，依次对所述原始谱图序列进行镜面扩展、置0处理后得到第一序列；
根据所述第一序列中非置0的样本点进行均值估计，根据均值估计结果进行计算，得到拒收门限；
根据所述拒收门限对所述原始谱图序列中的各样本点进行置空判断，得到第二序列；
对所述第二序列进行镜面扩展后，采用预设长度的窗口在扩展后的第二序列中自左侧第一个样本点开始向右侧滑动，计算每次滑动后窗口内非空样本点的均值，将该均值作为背景噪声点的估计值，从而得到背景噪声点估计值序列；
根据所述背景噪声点估计值序列对所述原始谱图序列进行处理，得到净化后的DEMON谱图。
在其中一实施例中，所述依次对所述原始谱图序列进行镜面扩展、置0处理后得到第一序列包括：
分别对所述原始谱图序列的前后两端的样本点进行镜面扩展，得到扩展序列；
采用预设长度的窗口在所述扩展序列中自左侧第一个样本点开始向右侧滑动，将滑动后窗口内处于中间的部分样本点进行置0处理，得到所述第一序列；
其中，所述扩展序列表示为：
Figure SMS_1
；
在上式中，
Figure SMS_2
表示所述原始谱图序列，/>
Figure SMS_3
表示前后两端扩展的样本点数量，
Figure SMS_4
，/>
Figure SMS_5
表示预设窗口的长度；
所述第一序列表示为：
Figure SMS_6
；
在上式中，
Figure SMS_7
表示所述原始谱图序列中的第/>
Figure SMS_8
个样本点，/>
Figure SMS_9
表示窗口内中间部分的样本点数量，为预设值，/>
Figure SMS_10
。
在其中一实施例中，所述根据所述拒收门限对所述原始谱图序列中的各样本点进行置空判断采用以下判断公式：
Figure SMS_11
；
在上式中，
Figure SMS_12
表示所述拒收门限。
在其中一实施例中，在基于优化线段检测对所述处理后DEMON谱图进行线谱自动检测之前，还将所述处理后DEMON谱图转化为灰度图像。
在其中一实施例中，所述还根据所述DEMON线谱进行计算得到轴频识别阈值包括：
在所述DEMON线谱中，分别提取各线段两端顶点对应的横坐标之间的差值绝对值；
将所有线段对应的横坐标差值绝对值中的奇异值去除，对剩余的所有横坐标差值绝对值进行均值计算，将计算结果作为所述轴频识别阈值。
在其中一实施例中，所述采用自适应更相减损法以及所述轴频识别阈值对DEMON线谱进行处理，得到所述舰船目标的轴频估计结果包括：
在所述DEMON线谱中，分别提取各线段左端顶点对应的频率值，并将得到的所有频率值进行两两组合，得到多个频率组；
在每一个频率组中，采用自适应更相减损法以及所述轴频识别阈值得到对应的最大公约数；
累积各所述最大公约数出现的次数，并根据所述轴频识别阈值设置第一阈值；
在所有最大公约数中，选取任意两个最大公约数，将其中较大数对较小数取余，若该余数值小于所述第一阈值，则将这两个最大公约数合并至两者中出现次数最多的最大公约数上；
将多次合并后出现最多的最大公约数对应的频率值作为所述轴频估计结果。
在其中一实施例中，采用自适应更相减损法以及所述轴频识别阈值得到对应的最大公约数包括：
在每一个频率组中，用较大数减去较小数，将所得的差与较小数进行比较，将其中较大数减去较小数，直至得到的差值小于所述轴频识别阈值；
且，在进行这一次差值计算中的较大数对较小数取余，得到的余数值小于所述第一阈值，则得到的这个差值为该频率组的最大公约数。
在其中一实施例中，所述第一阈值为所述轴频识别阈值除以5的计算结果。
一种基于线段检测的舰船噪声调制线谱提取与轴频估计装置，所述装置包括：
噪声信号获取模块，用于获取舰船目标辐射的噪声信号，所述噪声信号由被动声呐探测得到；
DEMON谱图得到模块，用于采用绝对值低通解调法对所述噪声信号进行解调，得到DEMON谱图；
DEMON谱图背景净化模块，用于利用背景均衡策略对所述DEMON谱图进行净化处理，得到处理后DEMON谱图；
DEMON线谱提取模块，用于基于优化线段检测方法对所述处理后DEMON谱图进行线谱自动检测，提取所述舰船目标的DEMON线谱，还根据所述DEMON线谱进行计算得到轴频识别阈值；
轴频估计模块，用于采用自适应更相减损法以及所述轴频识别阈值对DEMON线谱进行处理，得到所述舰船目标的轴频估计结果。
一种计算机设备，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以下步骤：
获取舰船目标辐射的噪声信号，所述噪声信号由被动声呐探测得到；
采用绝对值低通解调法对所述噪声信号进行解调，得到DEMON谱图；
利用背景均衡策略对所述DEMON谱图进行净化处理，得到处理后DEMON谱图；
基于优化线段检测方法对所述处理后DEMON谱图进行线谱自动检测，提取所述舰船目标的DEMON线谱，还根据所述DEMON线谱进行计算得到轴频识别阈值；
采用自适应更相减损法以及所述轴频识别阈值对DEMON线谱进行处理，得到所述舰船目标的轴频估计结果。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取舰船目标辐射的噪声信号，所述噪声信号由被动声呐探测得到；
采用绝对值低通解调法对所述噪声信号进行解调，得到DEMON谱图；
利用背景均衡策略对所述DEMON谱图进行净化处理，得到处理后DEMON谱图；
基于线段检测方法对所述处理后DEMON谱图进行线谱自动检测，提取所述舰船目标的DEMON线谱，还根据所述DEMON线谱进行计算得到轴频识别阈值；
采用自适应更相减损法以及所述轴频识别阈值对DEMON线谱进行处理，得到所述舰船目标的轴频估计结果。
上述基于线段检测的舰船噪声调制线谱提取与轴频估计方法，通过采用绝对值低通解调法对由被动声呐进行被动探测得到的舰船目标辐射的噪声信号进行解调得到DEMON谱图，再利用背景均衡策略对该谱图进行净化处理，得到处理后谱图，再基于优化后的线段检测方法对其进行检测后提取舰船目标的DEMON线谱，同时计算得到轴频识别阈值，最后采用自适应更相减损法以及所述轴频识别阈值对线谱进行处理，得到舰船目标的轴频估计结果。采用本方法可自适应并精准的提取舰船辐射噪声线谱以及进行轴频估计。
附图说明
图1为一个实施例中基于线段检测的舰船噪声调制线谱提取与轴频估计方法的流程示意图；
图2为另一个实施例中基于线段检测的舰船噪声调制线谱提取与轴频估计方法的流程框图
图3为一个实施例中采用绝对值低通解调处理方法的流程示意图；
图4为一个实施例中采用SAXA背景均衡方法的流程示意图；
图5为一个实验仿真中舰船辐射噪声DEMON谱图；
图6为一个实验仿真中通过背景均衡策略净化舰船辐射噪声DEMON谱图；
图7为一个实验仿真中去除白边且进行灰度处理后得到的DEMON谱图；
图8为一个实验仿真中舰船目标DEMON线谱示意图；
图9为一个实验仿真中采用自适应更相减损法自动识别舰船目标的轴频图；
图10为一个实施例中基于线段检测的舰船噪声调制线谱提取与轴频估计装置的结构框图；
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
针对现有技术中，对DEMON线谱检测和提取的效果并不离线并需要依赖人为经验的问题，如图1-图2所示，本申请提供了一种基于线段检测的舰船噪声调制线谱提取与轴频估计方法，包括以下步骤：
步骤S100，获取舰船目标辐射的噪声信号，该噪声信号由被动声呐探测得到；
步骤S110，采用绝对值低通解调法对噪声信号进行解调，得到DEMON谱图；
步骤S120，利用背景均衡策略对DEMON谱图进行净化处理，得到处理后DEMON谱图；
步骤S130，基于优化线段检测方法对处理后DEMON谱图进行线谱自动检测，提取舰船目标的DEMON线谱，还根据DEMON线谱进行计算得到轴频识别阈值；
步骤S140，采用自适应更相减损法以及轴频识别阈值对DEMON线谱进行处理，得到舰船目标的轴频估计结果。
在本实施例中，本方法基于优化LSD（Line Segment Detector）线段检测实现对舰船噪声调制线谱进行提取，采用基于自适应更相减损法对轴频进行估计。针对舰船目标的辐射噪声DEMON(Detection of Envelope Modulation 0n Noise)谱时频图的特性，首先通过SAXA（Split Average Exclude Average）背景均衡策略净化舰船辐射噪声DEMON谱图和LSD检测参数经验范围，在此基础上构建基于LSD线段检测的舰船特征谱线自动提取模型并使用自适应更相减损法识别舰船目标的轴频等关键特征，自适应更相减损法频率差值阈值来源于LSD线段检测的结果，可以更好适配DEMON谱分析问题。基于上述建立了一种新颖的舰船噪声调制线谱提取与轴频估方法框架，采用该方法可有效解决在复杂海洋条件下舰船目标的检测和识别问题。
在本实施例中，本方法通过基于舰船目标的DEMON谱图进行分析及处理从而得到目标舰船的重要线性轴频，以实现后续对目标舰船的识别。由于空化噪声是舰船螺旋桨的主要噪声。而空化噪声谱主要由连续谱和以叶频为基频的一系列低频线谱构成。经过解调处理的调制谱中存在很多离散的线谱，分别对应着螺旋桨的轴频（基准频率）、叶频（桨叶数与轴频的乘积）及其谐波频率。在实际应用中，可以根据轴频来确定螺旋桨的转速，具有较高的稳定性。其中，螺旋桨的轴频（基准频率）、叶频（桨叶数与轴频的乘积）及其谐波频率之间的关系如下所示：
Figure SMS_13
（1）
在公式（1）中，
Figure SMS_14
表示叶频的第/>
Figure SMS_15
次谐波（HZ），/>
Figure SMS_16
表示螺旋桨叶片数，s表示螺旋桨转速（r/s）。
在步骤S100中，由设置于水面的被动声呐对经过其探测范围的目标舰船进行被动探测，从而得到其目标舰船的噪声信号。
在步骤S110中，如图3所示，采用绝对值低通解调法对噪声信号进行解调，得到DEMON谱图包括：依次对噪声信号进行带通滤波、绝对值运算、低通滤波以及功率谱分析，得到DEMON谱图。
具体的，单频信号的载波，其调制信号的表达式可以为：
Figure SMS_17
（2）
在公式（2）中，A为信号幅值，m为调制度，
Figure SMS_18
，/>
Figure SMS_19
为调制频率，/>
Figure SMS_20
为载波频率，对调制信号/>
Figure SMS_21
取绝对值为：
Figure SMS_22
（3）
在
Figure SMS_23
中有直流、与调制度相关的调制频率谐波成分以及其他高次谐波成分。对
Figure SMS_24
用截止频率/>
Figure SMS_25
的低通滤波器，进行低通滤波后再去直流可获得调制频率成分。
由于海洋环境噪声的不规则性和时变性在空间谱上形成连续干扰，使得弱信号线谱的检测受到干扰，为了减轻背景噪声对弱信号线谱检测带来的干扰，需要对噪声背景进行白化处理，即背景均衡。
在步骤S120中，采用SAXA（split average exclude average）背景均衡方法,其过程包括：
首先，DEMON谱图为包括多个样本点的原始谱图序列，其中包括
Figure SMS_26
个样本点，表示为/>
Figure SMS_27
，依次对该原始谱图序列进行镜面扩展、置0处理后得到第一序列。
具体的，分别对原始谱图序列的前后两端的样本点进行镜面扩展以消除边缘效应，得到扩展序列，再采用预设长度的窗口在扩展序列中自左侧第一个样本点开始向右侧滑动，将滑动后窗口内处于中间的部分样本点进行置0处理，得到第一序列。
其中，扩展序列表示为：
Figure SMS_28
（4）
在公式（4）中，
Figure SMS_29
表示原始谱图序列，/>
Figure SMS_30
表示前后两端进行扩展的样本点数量，
Figure SMS_31
，/>
Figure SMS_32
表示预设窗口的长度。在对窗口的长度进行设置时，将其设置为基数且小于原始谱图序列的长度。
在其中一实施例中，窗口长度
Figure SMS_33
设置为60-70之间。
第一序列表示为：
Figure SMS_34
（5）
在公式（5）中，
Figure SMS_35
表示原始谱图序列中的第/>
Figure SMS_36
个样本点，/>
Figure SMS_37
表示窗口内中间部分的样本点数量，为预设值，/>
Figure SMS_38
。
在本实施例中，
Figure SMS_39
可取值为5。
接着，根据第一序列中非置0的样本点进行均值估计，根据均值估计结果进行计算，得到拒收门限。
具体的，用第一序列
Figure SMS_40
的样本点之和除以/>
Figure SMS_41
序列中非零样本点个数得到估计均值/>
Figure SMS_42
：
Figure SMS_43
（6）
具体的，根据估计均值
Figure SMS_44
采用以下公式计算得到拒收门限：
Figure SMS_45
（7）
在公式（7）中，
Figure SMS_46
为收门限的权重因子，采用以下公式计算得到：
Figure SMS_47
（8）
再根据拒收门限对原始谱图序列中的各样本点进行置空判断，得到第二序列。其中，根据拒收门限对原始谱图序列中的各样本点进行置空判断采用以下判断公式：
Figure SMS_48
（9）
在公式（9）中，
Figure SMS_49
表示拒收门限。当原始谱图序列中的样本点大于等于拒收门限时，则将其置空。
接着，对第二序列再次进行镜面扩展后，采用预设长度的窗口在扩展后的第二序列中自左侧第一个样本点开始向右侧滑动，计算每次滑动后窗口内非空样本点的均值，将该均值作为背景噪声点的估计值，从而得到背景噪声点估计值序列。
具体的，采用的窗口长度不变，在扩展后的第二序列中滑动窗口，采用以下公式计算滑动后每个窗口内非空样本点的均值作为背景噪声的估计值：
Figure SMS_50
（10）
最后，根据背景噪声点估计值序列对原始谱图序列进行处理，得到净化后的DEMON谱图。其处理过程为，将原始谱图序列除以背景噪声点估计值序列得到背景均衡的DEMON谱图。
在本实施例中，对DEMON谱图背景进行净化的过程，如图4所示。
在本实施例中，在采用基于优化线段检测对处理后DEMON谱图进行线谱自动检测之前，还将处理后DEMON谱图转化为灰度图像。
在步骤S130中，先对处理后DEMON谱图进行图像尺度变换，采用高斯下采样方法对图像进行缩放，能取得图像模糊和混叠之间的平衡，高斯核的标准差
Figure SMS_51
，其中/>
Figure SMS_52
为平衡参数，/>
Figure SMS_53
为缩放因子。
进一步的，对进行图像尺度变换后的DEMON谱图进行梯度计算，梯度计算采用
Figure SMS_54
模板，假设图像坐标点/>
Figure SMS_55
的灰度值为/>
Figure SMS_56
,梯度计算为：
Figure SMS_57
（11）
Figure SMS_58
（12）
水平角度计算为：
Figure SMS_59
（13）
则可根据DEMON谱图中各像素的梯度值进行幅度计算：
Figure SMS_60
（14）
进一步的，对图像各像素的梯度幅度进行逆排序，从最高梯度的像素开始寻找线段，采用伪排序在线性时间内即可完成。具体为，创建1024bins，像素点根据梯度值划分到bin中，按照梯度值从大至小依次生长。
进一步的，对梯度阈值
Figure SMS_61
进行设置，用来解决梯度值小的像素在量化时引起的梯度计算误差。将梯度值小于/>
Figure SMS_62
的像素点不在线性支持区域和矩形中使用。
进一步的，在排序列表中选择梯度幅值最大的像素作为种子点，区域角度初始值为种子点的水平线角度
Figure SMS_63
，用区域生长算法形成一个线性支持区域，递归地，将水平线角度与/>
Figure SMS_64
不超过公差/>
Figure SMS_65
的像素加入区域，并更新/>
Figure SMS_66
:
Figure SMS_67
（15）
在公式（15）中，j为矩形区域中的点，
Figure SMS_68
为该点的水平线角度。
接着，对每个线支持区域在验证之前，需要进行矩形逼近，构造一个特定的包含区域中所有点的矩形。
最后，计算矩形的对齐点密度
Figure SMS_69
，如果/>
Figure SMS_70
大于对齐点密度阈值/>
Figure SMS_71
，计算错误次数
Figure SMS_72
，否则截断区域。如果/>
Figure SMS_73
，输出直线数据。
在本实施例中，还提供了步骤S130中的具体算法，如下所示：
算法:LSD线段检测
输入：灰度图像
Figure SMS_74
，图像缩放系数/>
Figure SMS_75
，平衡参数/>
Figure SMS_76
，梯度阈值/>
Figure SMS_77
，角度误差/>
Figure SMS_78
，矩形对齐点密度阈值D，错误控制阈值/>
Figure SMS_79
；
输出：检测直线段数据RECT；
步骤1：尺寸变换：高斯下采样
Figure SMS_80
；
步骤2：计算图像中各点的梯度值和方向；
步骤3：梯度逆排序；
步骤4：将梯度值小于
Figure SMS_81
的点状态设为USED，其他点为UNUSED；
步骤5：取出排序表中剩下的状态为UNUSED的点；
步骤6：设置角度误差最大容忍值
Figure SMS_82
进行区域生长Region；
步骤7：将Region构造成一个矩形
Figure SMS_83
；
步骤8：计算R区域内同性点密度
Figure SMS_84
；
步骤9：如果
Figure SMS_85
，截断区域，转至步骤8；
步骤10：如果
Figure SMS_86
，计算错误次数NFA；
步骤11：如果
Figure SMS_87
，输出直线数据，查看排序表中是否还有状态为UNUSED的点，若有，转至步骤5，否则，程序结束。
在进行步骤S130后，则可得到与目标舰船相关的DEMON线谱，其中包括多条线段，根据线段对应的像素坐标可得到相应的频率大小。
在该步骤中，针对舰船辐射噪声DEMON谱时频图的特性，通过大量测试给出LSD的适配参数范围，其中：平衡参数
Figure SMS_88
取值范围为0.59至0.62，缩放因子/>
Figure SMS_89
取值范围为0.29至0.32，矩形对齐点密度阈值/>
Figure SMS_90
取值范围为0.3至0.8，角度误差/>
Figure SMS_91
取值范围为28至32，错误控制阈值/>
Figure SMS_92
一般设置为1。
在本实施例中，还根据DEMON线谱进行计算得到轴频识别阈值，也就是图2中的自适应阈值（axis crit），包括：在DEMON线谱中，分别提取各线段两端顶点对应的横坐标之间的差值绝对值，将所有线段对应的横坐标差值绝对值中的奇异值去除，对剩余的所有横坐标差值绝对值进行均值计算，将计算结果作为轴频识别阈值。
在步骤S140中，采用自适应更相减损法以及轴频识别阈值对DEMON线谱进行处理，得到舰船目标的轴频估计结果包括：在DEMON线谱中，分别提取各线段左端顶点对应的频率值，并将得到的所有频率值进行两两组合，得到多个频率组，在每一个频率组中，采用自适应更相减损法以及轴频识别阈值得到对应的最大公约数，累积各最大公约数出现的次数，并根据轴频识别阈值设置第一阈值，接着在所有最大公约数中，选取任意两个最大公约数，将其中较大数对较小数取余，若该余数值小于第一阈值，则将所述两个最大公约数合并至这两个最大公约数中出现次数最多的最大公约数上，最后，将合并后出现次数最多的最大公约数对应的频率值作为轴频估计结果。
具体的，采用自适应更相减损法以及轴频识别阈值计算每一频率组，得到对应的最大公约数包括：在每一个频率组中，用较大数减去较小数，将所得的差与较小数进行比较，将其中较大数减去较小数，并重复该步骤，直至得到的差值小于轴频识别阈值，且在进行这一次差值计算中的较大数对较小数取余，得到的余数值小于第一阈值，则得到的这个差值为该频率组的最大公约数。
在本实施例中，第一阈值为轴频识别阈值除以5的计算结果。
在本文中，为了验证本方法的有效性，还根据本方法进行实验仿真：
首先，采用绝对值低通解调法对舰船辐射噪声解调得到的舰船辐射噪声DEMON谱图，具体过程为：使用的128阶，带宽范围为1kHz到12kHz的带通滤波器进行带通滤波，再进行绝对值解调提取包络信号，之后再使用128阶，截止频率为100Hz的低通滤波器进行对包络低通滤波，并对包络去均值，最后进行功率谱分析，得到DEMON谱图，如图 5所示。
接着，采用背景均衡策略净化舰船辐射噪声DEMON谱图，其中设置窗口长度为
Figure SMS_93
，序列前后两端各扩展/>
Figure SMS_94
个样本，拒收门限参数
Figure SMS_95
，得到的通过背景均衡策略净化舰船辐射噪声DEMON谱图如图6所示，对图6去除白边后再进行灰度处理得到的DEMON谱图，如图7所示。
然后，再使用优化后的LSD线段检测算法进行DEMON线谱提取，其中，将高斯核的标准差
Figure SMS_96
中设置缩放因子/>
Figure SMS_97
、平衡参数/>
Figure SMS_98
、梯度阈值/>
Figure SMS_99
中的角度误差/>
Figure SMS_100
。矩形对齐点密度阈值/>
Figure SMS_101
、错误控制阈值/>
Figure SMS_102
，得到基于LSD线段检测的舰船目标DEMON线谱自动化检测图如图 8所示。提取出的线谱频率列表为：
Figure SMS_103
。
最后，采用自适应更相减损法以及轴频识别阈值在动识别舰船目标轴频得到的结果如图9所示，其具体步骤如下：
由LSD线段检测提取出的线谱频率数组：
Figure SMS_104
；
计算得到数组中每两个频率的组合：
Figure SMS_105
；
Figure SMS_106
；
Figure SMS_107
；
Figure SMS_108
；
遍历步骤一中的所有频率组合，对每组频率组合用更相减损法计算它们的最大公约数：用较大的数减去较小的数，将所得的差与较小的数比较，以大数减小数。重复该步骤直到减数和差的差值小于阈值
Figure SMS_109
且减数和差中的较大数对较小数取余小于阈值/>
Figure SMS_110
，则这个差就是它们的最大公约数。
统计上步骤中各个公约数出现的次数：
Figure SMS_111
；
将任意两个公约数中较大数对较小数取余小于阈值
Figure SMS_112
进行合并，合并至出现次数较大的频率值上，得到的结果为/>
Figure SMS_113
。
将出现次数最多所对应的频率值
Figure SMS_114
作为轴频识别结果。
上述基于线段检测的舰船噪声调制线谱提取与轴频估计方法中，针对舰船辐射噪声DEMON谱时频图的特性，通过大量测试给出适配的背景均衡和LSD检测检测参数经验范围，并在此基础上构建基于线段检测的舰船特征谱线自动提取模型，提升了线谱提取的精度和可靠性。在LSD自动提取的特征谱线基础上使用自适应更相减损法识别舰船目标的轴频等运动特征，提升了轴频估计的精度。自适应更相减损法频率差值阈值来源于LSD线段检测的结果，可以更好适配DEMON谱分析问题，有效提升了轴频估计的精度。同时，建立了一种新颖的舰船噪声调制线谱提取与轴频估方法框架，可全面提升了舰船噪声调制线谱提取与轴频估计的效率和精度。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图10所示，提供了一种基于线段检测的舰船噪声调制线谱提取与轴频估计装置，包括：噪声信号获取模块200、DEMON谱图得到模块210、DEMON谱图背景净化模块220、DEMON线谱提取模块230和轴频估计模块240，其中：
噪声信号获取模块200，用于获取舰船目标辐射的噪声信号，所述噪声信号由被动声呐探测得到；
DEMON谱图得到模块210，用于采用绝对值低通解调法对所述噪声信号进行解调，得到DEMON谱图；
DEMON谱图背景净化模块220，用于利用背景均衡策略对所述DEMON谱图进行净化处理，得到处理后DEMON谱图；
DEMON线谱提取模块230，用于基于优化线段检测方法对所述处理后DEMON谱图进行线谱自动检测，提取所述舰船目标的DEMON线谱，还根据所述DEMON线谱进行计算得到轴频识别阈值；
轴频估计模块240，用于采用自适应更相减损法以及所述轴频识别阈值对DEMON线谱进行处理，得到所述舰船目标的轴频估计结果。
关于基于线段检测的舰船噪声调制线谱提取与轴频估计装置的具体限定可以参见上文中对于基于线段检测的舰船噪声调制线谱提取与轴频估计方法的限定，在此不再赘述。上述基于线段检测的舰船噪声调制线谱提取与轴频估计装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于线段检测的舰船噪声调制线谱提取与轴频估计方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取舰船目标辐射的噪声信号，所述噪声信号由被动声呐探测得到；
采用绝对值低通解调法对所述噪声信号进行解调，得到DEMON谱图；
利用背景均衡策略对所述DEMON谱图进行净化处理，得到处理后DEMON谱图；
基于优化线段检测方法对所述处理后DEMON谱图进行线谱自动检测，提取所述舰船目标的DEMON线谱，还根据所述DEMON线谱进行计算得到轴频识别阈值；
采用自适应更相减损法以及所述轴频识别阈值对DEMON线谱进行处理，得到所述舰船目标的轴频估计结果。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取舰船目标辐射的噪声信号，所述噪声信号由被动声呐探测得到；
采用绝对值低通解调法对所述噪声信号进行解调，得到DEMON谱图；
利用背景均衡策略对所述DEMON谱图进行净化处理，得到处理后DEMON谱图；
基于优化线段检测方法对所述处理后DEMON谱图进行线谱自动检测，提取所述舰船目标的DEMON线谱，还根据所述DEMON线谱进行计算得到轴频识别阈值；
采用自适应更相减损法以及所述轴频识别阈值对DEMON线谱进行处理，得到所述舰船目标的轴频估计结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.基于线段检测的舰船噪声调制线谱提取与轴频估计方法，其特征在于，所述方法包括：
获取舰船目标辐射的噪声信号，所述噪声信号由被动声呐探测得到；
采用绝对值低通解调法对所述噪声信号进行解调，得到DEMON谱图；
利用背景均衡策略对所述DEMON谱图进行净化处理，得到处理后DEMON谱图；
基于优化线段检测方法对所述处理后DEMON谱图进行线谱自动检测，提取所述舰船目标的DEMON线谱，还根据所述DEMON线谱进行计算得到轴频识别阈值；
采用自适应更相减损法以及所述轴频识别阈值对DEMON线谱进行处理，得到所述舰船目标的轴频估计结果。
2.根据权利要求1所述的舰船噪声调制线谱提取与轴频估计方法，其特征在于，所述采用绝对值低通解调法对所述噪声信号进行解调，得到DEMON谱图包括：
依次对所述噪声信号进行带通滤波、绝对值运算、低通滤波以及功率谱分析，得到所述DEMON谱图。
3.根据权利要求2所述的舰船噪声调制线谱提取与轴频估计方法，其特征在于，所述利用背景均衡策略对所述DEMON谱图进行净化处理包括：
所述DEMON谱图为包括多个样本点的原始谱图序列，依次对所述原始谱图序列进行镜面扩展、置0处理后得到第一序列；
根据所述第一序列中非置0的样本点进行均值估计，根据均值估计结果进行计算，得到拒收门限；
根据所述拒收门限对所述原始谱图序列中的各样本点进行置空判断，得到第二序列；
对所述第二序列进行镜面扩展后，采用预设长度的窗口在扩展后的第二序列中自左侧第一个样本点开始向右侧滑动，计算每次滑动后窗口内非空样本点的均值，将该均值作为背景噪声点的估计值，从而得到背景噪声点估计值序列；
根据所述背景噪声点估计值序列对所述原始谱图序列进行处理，得到净化后的DEMON谱图。
4.根据权利要求3所述的舰船噪声调制线谱提取与轴频估计方法，其特征在于，所述依次对所述原始谱图序列进行镜面扩展、置0处理后得到第一序列包括：
分别对所述原始谱图序列的前后两端的样本点进行镜面扩展，得到扩展序列；
采用预设长度的窗口在所述扩展序列中自左侧第一个样本点开始向右侧滑动，将滑动后窗口内处于中间的部分样本点进行置0处理，得到所述第一序列；
其中，所述扩展序列表示为：
Figure QLYQS_1
；
在上式中，
Figure QLYQS_2
表示所述原始谱图序列，/>
Figure QLYQS_3
表示前后两端扩展的样本点数量，
Figure QLYQS_4
，/>
Figure QLYQS_5
表示预设窗口的长度；
所述第一序列表示为：
Figure QLYQS_6
；
在上式中，
Figure QLYQS_7
表示所述原始谱图序列中的第/>
Figure QLYQS_8
个样本点，/>
Figure QLYQS_9
表示窗口内中间部分的样本点数量，为预设值，/>
Figure QLYQS_10
。
5.根据权利要求3所述的舰船噪声调制线谱提取与轴频估计方法，其特征在于，所述根据所述拒收门限对所述原始谱图序列中的各样本点进行置空判断采用以下判断公式：
Figure QLYQS_11
；
在上式中，
Figure QLYQS_12
表示所述拒收门限。
6.根据权利要求1所述的舰船噪声调制线谱提取与轴频估计方法，其特征在于，在基于优化线段检测对所述处理后DEMON谱图进行线谱自动检测之前，还将所述处理后DEMON谱图转化为灰度图像。
7.根据权利要求1所述的舰船噪声调制线谱提取与轴频估计方法，其特征在于，所述还根据所述DEMON线谱进行计算得到轴频识别阈值包括：
在所述DEMON线谱中，分别提取各线段两端顶点对应的横坐标之间的差值绝对值；
将所有线段对应的横坐标差值绝对值中的奇异值去除，对剩余的所有横坐标差值绝对值进行均值计算，将计算结果作为所述轴频识别阈值。
8.根据权利要求1所述的舰船噪声调制线谱提取与轴频估计方法，其特征在于，所述采用自适应更相减损法以及所述轴频识别阈值对DEMON线谱进行处理，得到所述舰船目标的轴频估计结果包括：
在所述DEMON线谱中，分别提取各线段左端顶点对应的频率值，并将得到的所有频率值进行两两组合，得到多个频率组；
在每一个频率组中，采用自适应更相减损法以及所述轴频识别阈值得到对应的最大公约数；
累积各所述最大公约数出现的次数，并根据所述轴频识别阈值设置第一阈值；
在所有最大公约数中，选取任意两个最大公约数，将其中较大数对较小数取余，若该余数值小于所述第一阈值，则将这两个最大公约数合并至两者中出现次数最多的最大公约数上；
将多次合并后出现最多的最大公约数对应的频率值作为所述轴频估计结果。
9.根据权利要求8所述的舰船噪声调制线谱提取与轴频估计方法，其特征在于，采用自适应更相减损法以及所述轴频识别阈值得到对应的最大公约数包括：
在每一个频率组中，用较大数减去较小数，将所得的差与较小数进行比较，将其中较大数减去较小数，直至得到的差值小于所述轴频识别阈值；
且，在进行这一次差值计算中的较大数对较小数取余，得到的余数值小于所述第一阈值，则得到的这个差值为该频率组的最大公约数。
10.根据权利要求9所述的舰船噪声调制线谱提取与轴频估计方法，其特征在于，所述第一阈值为所述轴频识别阈值除以5的计算结果。
CN202310673112.2A 2023-06-08 2023-06-08 基于线段检测的舰船噪声调制线谱提取与轴频估计方法 Active CN116400337B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310673112.2A CN116400337B (zh) 2023-06-08 2023-06-08 基于线段检测的舰船噪声调制线谱提取与轴频估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310673112.2A CN116400337B (zh) 2023-06-08 2023-06-08 基于线段检测的舰船噪声调制线谱提取与轴频估计方法

Publications (2)

Publication Number Publication Date
CN116400337A true CN116400337A (zh) 2023-07-07
CN116400337B CN116400337B (zh) 2023-08-18

Family

ID=87012747

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310673112.2A Active CN116400337B (zh) 2023-06-08 2023-06-08 基于线段检测的舰船噪声调制线谱提取与轴频估计方法

Country Status (1)

Country Link
CN (1) CN116400337B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001330663A (ja) * 2000-05-23 2001-11-30 Oki Electric Ind Co Ltd パッシブソーナーの信号処理システム
JP2006217267A (ja) * 2005-02-03 2006-08-17 Furuno Electric Co Ltd 水中通信システム
CN101539597A (zh) * 2009-04-29 2009-09-23 哈尔滨工程大学 一种分辨具有相同频带辐射噪声的多目标方法
CN102143115A (zh) * 2011-03-15 2011-08-03 东南大学 基于部分对称扩展离散傅立叶变换的信道估计方法
KR101323592B1 (ko) * 2013-07-26 2013-10-30 국방과학연구소 대역 분할 처리를 통한 데몬 처리 성능 향상 방법
JP2013234932A (ja) * 2012-05-09 2013-11-21 Furuno Electric Co Ltd 津波検出装置、津波検出方法及び津波検出プログラム
CN109886024A (zh) * 2018-12-28 2019-06-14 中国航天科工集团八五一一研究所 计算机加密中带容差的最大公约数计算方法
RU2726291C1 (ru) * 2019-10-14 2020-07-10 Акционерное Общество "Концерн "Океанприбор" Способ обнаружения и классификации гидроакустических сигналов шумоизлучения морского объекта
CN111639429A (zh) * 2020-05-29 2020-09-08 中国人民解放军国防科技大学 基于切比雪夫多项式谱的水下声场数值模拟方法、系统及介质
CN111735525A (zh) * 2020-05-28 2020-10-02 哈尔滨工程大学 一种适用于无人声纳的demon谱特征提取方法
CN114994650A (zh) * 2022-05-28 2022-09-02 中国船舶重工集团公司第七一五研究所 一种改进的螺旋桨转速估计方法
CN115828552A (zh) * 2022-11-17 2023-03-21 海鹰企业集团有限责任公司 一种基于岸基被动声纳线谱提纯方法及最优路径跟踪算法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001330663A (ja) * 2000-05-23 2001-11-30 Oki Electric Ind Co Ltd パッシブソーナーの信号処理システム
JP2006217267A (ja) * 2005-02-03 2006-08-17 Furuno Electric Co Ltd 水中通信システム
CN101539597A (zh) * 2009-04-29 2009-09-23 哈尔滨工程大学 一种分辨具有相同频带辐射噪声的多目标方法
CN102143115A (zh) * 2011-03-15 2011-08-03 东南大学 基于部分对称扩展离散傅立叶变换的信道估计方法
JP2013234932A (ja) * 2012-05-09 2013-11-21 Furuno Electric Co Ltd 津波検出装置、津波検出方法及び津波検出プログラム
KR101323592B1 (ko) * 2013-07-26 2013-10-30 국방과학연구소 대역 분할 처리를 통한 데몬 처리 성능 향상 방법
CN109886024A (zh) * 2018-12-28 2019-06-14 中国航天科工集团八五一一研究所 计算机加密中带容差的最大公约数计算方法
RU2726291C1 (ru) * 2019-10-14 2020-07-10 Акционерное Общество "Концерн "Океанприбор" Способ обнаружения и классификации гидроакустических сигналов шумоизлучения морского объекта
CN111735525A (zh) * 2020-05-28 2020-10-02 哈尔滨工程大学 一种适用于无人声纳的demon谱特征提取方法
CN111639429A (zh) * 2020-05-29 2020-09-08 中国人民解放军国防科技大学 基于切比雪夫多项式谱的水下声场数值模拟方法、系统及介质
CN114994650A (zh) * 2022-05-28 2022-09-02 中国船舶重工集团公司第七一五研究所 一种改进的螺旋桨转速估计方法
CN115828552A (zh) * 2022-11-17 2023-03-21 海鹰企业集团有限责任公司 一种基于岸基被动声纳线谱提纯方法及最优路径跟踪算法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GUILLERMO KEMPER 等: "An Algorithm to Obtain Boat Engine RPM from Passive Sonar Signals Based on DEMON Processing and Wavelets Packets Transform", JOURNAL OF ELECTRICAL ENGINEERING & TECHNOLOGY, pages 2505 - 2521 *
殷敬伟 等: "基于DEMON线谱的轴频提取方法研究", 应用声学, vol. 24, no. 6, pages 369 - 374 *
白敬贤;高天德;夏润鹏;: "基于DEMON谱信息提取算法的目标识别方法研究", 声学技术, no. 01, pages 88 - 92 *
范永峰;章新华;许策;: "基于高阶谱净化的水声目标宽带调制信号检测", 指挥控制与仿真, no. 01, pages 103 - 106 *

Also Published As

Publication number Publication date
CN116400337B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN105335947B (zh) 图像去噪方法和图像去噪装置
Wang et al. Infrared small target detection via nonnegativity-constrained variational mode decomposition
CN108416740B (zh) 一种消除椒盐噪声的迭代自适应中值滤波方法
CN112508810A (zh) 非局部均值盲图像去噪方法、系统及装置
CN112150371B (zh) 图像降噪方法、装置、设备及存储介质
CN109636730B (zh) 用于过滤深度图中的伪像素的方法
CN114240797B (zh) 一种oct图像去噪方法、装置、设备及介质
Arastehfar et al. An enhanced median filter for removing noise from MR images
CN112037151A (zh) 基于小波分析的图像去噪方法
CN111091107A (zh) 一种人脸区域边缘检测方法、装置及存储介质
CN117318671B (zh) 一种基于快速傅里叶变换的自适应滤波方法
CN116400337B (zh) 基于线段检测的舰船噪声调制线谱提取与轴频估计方法
CN111415317B (zh) 图像处理方法及装置、电子设备、计算机可读存储介质
CN112150474A (zh) 一种水下气泡图像特征分割提取方法
CN116739943A (zh) 图像平滑处理方法及目标轮廓提取方法
CN106845448B (zh) 一种基于非负约束2d变分模态分解的红外弱小目标检测方法
Wu et al. Bi-lateral filtering based edge detection on hexagonal architecture
CN114994098A (zh) 一种异物检测的方法及设备
Dubey et al. A review and comprehensive comparison of image de-noising techniques
CN104408018A (zh) 一种保形LiDAR波形去噪方法及系统
Chen et al. A pilot study on a new image enhancement method using spatial statistics
CN111833271A (zh) 一种快速有效的镜面高光图像增强方法、装置及存储介质
CN112464948A (zh) 一种基于仿生学的自然场景目标轮廓提取方法及系统
CN116805291B (zh) 一种无人机信号频段检测方法及装置
CN116563136B (zh) 一种侧扫声呐图像去噪方法、系统、存储介质和执行系统

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
GR01 Patent grant
GR01 Patent grant