CN116523822A - 一种基于侧扫声呐的海缆检测识别方法 - Google Patents
一种基于侧扫声呐的海缆检测识别方法 Download PDFInfo
- Publication number
- CN116523822A CN116523822A CN202310041938.7A CN202310041938A CN116523822A CN 116523822 A CN116523822 A CN 116523822A CN 202310041938 A CN202310041938 A CN 202310041938A CN 116523822 A CN116523822 A CN 116523822A
- Authority
- CN
- China
- Prior art keywords
- scan sonar
- submarine cable
- image
- sonar image
- detection
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000000694 effects Effects 0.000 claims abstract description 17
- 230000011218 segmentation Effects 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 16
- 241000251468 Actinopterygii Species 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000011160 research Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 239000000725 suspension Substances 0.000 description 5
- 230000008439 repair process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
- G01S15/8902—Side-looking sonar
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Abstract
本发明公开一种基于侧扫声呐的海缆检测识别方法,包括以下步骤:通过侧扫声呐采集原始实验数据并得到海缆的侧扫声呐图像,分析海缆在侧扫声呐图像中存在的状态,根据侧扫声呐图像和水深数据对海缆状态做初步的解译;对原始实验数据进行处理后得到消除各种畸变的侧扫声呐地理编码图;选取效果最好的侧扫声呐图像的去噪算法和双阈值Ostu分割算法;对分割后的侧扫声呐图像进行处理,判断海缆状态并计算悬空或裸露的高度,从而恢复海缆形状。本发明中,仅利用侧扫声呐探测海底电缆,可准确识别检测并恢复海缆形状,极大程度上改善现有技术对侧扫声呐系统的原理研究不深、得到的数据不能反映海底电缆最优状态、检测结果缺乏准确性和科学性的问题。
Description
技术领域
本发明属于海底检测技术领域,具体涉及一种基于侧扫声呐的海缆检测识别方法。
背景技术
海底电缆也常称为海缆,在电能传输、跨海通信、海洋工程和新能源开发等领域具有其他手段无法替代的优势。海缆工程是海洋产业技术中最为复杂困难的大型工程之一,和陆地缆线相比,海缆故障查找难度大、修复时间长、修复费用高。受到自然灾害、器件寿命和海上作业的影响,海缆可能发生故障。除了临检外,还需要定期排查有可能发生悬空或裸露以及被海水侵蚀的海缆段落,获取海缆路由、埋深、故障信息以及周围环境状况等基本要素,及时、准确地对海缆进行风险评估、维护和维修。
目前,声学检测是海缆检测领域的常用检测技术之一,主要采用侧扫声呐、多波束声呐、浅地层剖面仪、合成孔径声呐四种设备,以海洋“拖鱼”、水下机器人搭载为主要检测手段。一般做法是借助侧扫声呐系统探测海底电缆,对裸露电缆区域建立相关模型进而识别其状态,提出利用侧扫声呐系统和多波束系统综合探测海缆状态,同时还需要将侧扫声呐结合管线仪、磁力仪等综合确定海缆状态,需要相互验证,费事费力。此外,利用侧扫声呐系统探测海缆状态,只是根据得到的声呐图像宏观判断电缆的状态,对侧扫声呐系统的原理研究不深,得到的数据并不是反映海底电缆状态的最优体现,缺乏准确性和科学性。
发明内容
为解决现有技术中存在的技术问题,本发明的目的在于提供一种基于侧扫声呐的海缆检测识别方法,深入研究侧扫声呐系统的原理,仅利用侧扫声呐探测海缆状态,检测效果更为准确和科学。
为实现上述目的,达到上述技术效果,本发明采用的技术方案为:
一种基于侧扫声呐的海缆检测识别方法,包括以下步骤:
通过侧扫声呐采集原始实验数据并得到海缆的侧扫声呐图像,分析海缆在侧扫声呐图像中存在的状态,根据侧扫声呐图像和水深数据对海缆状态做初步的解译;
对原始实验数据进行处理后得到消除各种畸变的侧扫声呐地理编码图;
选取效果最好的侧扫声呐图像的去噪算法和双阈值Ostu分割算法;
对分割后的侧扫声呐图像进行处理,判断海缆状态并计算悬空或裸露的高度,从而恢复海缆形状。
所述通过侧扫声呐采集原始实验数据并得到海缆的侧扫声呐图像,分析海缆在侧扫声呐图像中存在的状态,根据侧扫声呐图像和水深数据对海缆状态做初步的解译的步骤包括:
通过侧扫声呐采集原始实验数据,通过控制测量船速在规定区间以达到最优探测,从而得到了具有地理位置信息的能够反映海缆状态的侧扫声呐图像,分析海缆在侧扫声呐图像中存在的状态,所述海缆在侧扫声呐图像中存在的状态包括存在多处裸露和悬空、处于沟槽中未完全填充、海缆下方存在被掏蚀悬空的典型特征,结合单波束测深记录的海缆剖面图和声呐图像特征,对海缆状态做初步的评估,最后选取具有典型特征的海缆图像做进一步的细化研究,得到更为准确的裸露、悬空结果,并结合导航定位数据获取其准确的位置信息。
进一步的,所述原始实验数据包括水深测量数据、侧扫声呐测量数据和导航定位数据。
进一步的,所述通过控制测量船速在规定区间以达到最优探测,从而得到了具有地理位置信息的能够反映海缆状态的侧扫声呐图像的步骤包括:
首先确定侧扫声呐的发射信号类型,构建船速控制模型,根据船速控制模型控制测量船速在规定区间以达到最优探测。
进一步的,所述侧扫声呐发射信号类型为Chirp信号类型。
进一步的,所述船速控制模型的构建步骤为:
设侧扫声呐系统沿航迹方向的水平波束角为θx,发射信号ping与ping之间的间隔为T0,拖鱼至海底的实时高度为H,则船速v需要满足下述公式:
则有:
侧扫声呐在实际测量时最大船速需满足上式,限制船速的主要参数是拖鱼至海底的实时高度、水平波束角及脉冲发射间隔,实际测量时应合理调整上面三个参数以获取最大的测量效率。
所述对原始实验数据进行处理后得到消除各种畸变的侧扫声呐地理编码图的步骤包括:
所述原始实验数据为XTF文件格式,首先分析XTF文件格式并对数据解码,然后将提取到的回波数据按照转换模型和相关插值方法转换成计算机易于处理的图像格式:
1)建立起声强信息和描述图像的灰度信息之间的转换模型
采样精度为16位的侧扫声呐采样数据可以通过下式三转换,设Gmin和Gmax分别为灰度图像的最小值和最大值,灰度范围通常取0~255,GBmin和GBmax分别为记录的回波强度的最小值和最大值,则转化后的灰度值G通过式三计算得到:
2)使用双三次插值作为声呐图像插值算法。双三次插值算法输出的像素值是通过4x4邻域加权平均运算得到;
对于侧扫声呐图像存在的各种畸变,研究图像产生畸变的主要原因和类型,并做相应的畸变改正,得到消除各种畸变后的声呐图像;针对侧扫声呐定位采样率和Ping采样率不同步的问题,采用三次B样条函数对航迹进行平滑处理,使定位数据和Ping采样一一对应;最后研究侧扫声呐图像像素地理编码技术,得到了每个采样点均含有位置信息的声呐图像,得到消除各种畸变的侧扫声呐地理编码图。
所述选取效果最好的侧扫声呐图像的去噪算法和双阈值Ostu分割算法的步骤包括:
选取基于Ping滤波效果最好的维纳滤波,维纳滤波后的声呐信号可消除大部分误差信号;
选取图像滤波效果最好的双边滤波;去噪后像素值为:
其由邻域像索值的加权组合得到,其中,ω(x,y,s,t)为权重系数,顾及了空间域和值域的不同;
使用双阈值Ostu算法进行侧扫声呐图像分割,通过下式对双阈值Ostu算法正确分割率进行计算:
所述对分割后的侧扫声呐图像进行处理,判断海缆状态并计算悬空或裸露的高度,从而恢复海缆形状的步骤包括:
得到分割后的侧扫声呐图像后,借助边缘检测Canny算子检测出海缆目标边界坐标及其阴影,从而判断出海缆状态,借助阴影区域长度计算出海缆悬空或裸露的高度。
进一步的,所述Canny算子首先利用高斯滤波器平滑图像,然后用一阶偏导有限差分计算梯度幅值和方向,对梯度幅值非极大值抑制后基于阈值检测边缘得到边界曲线。
与现有技术相比,本发明的有益效果为:
本发明公开了一种基于侧扫声呐的海缆检测识别方法,首先,从侧扫声呐成像机理出发,研究了其声呐信号特性及各项性能指标,以系统各项指标指导外业数据采集,对采集到的海底电缆声呐数据进行解码和地理编码等系列研究,针对侧扫声呐扫测海底电缆得到的图像,对不同的电缆状态给出了对应的计算模型。对比研究了声呐图像的去噪和分割算法,提出了一种使用双阈值Ostu算法进行侧扫声呐图像分割,针对分割后的侧扫声呐图像,提出联合侧扫声呐图像自阴影恢复电缆形状的方法,分析了几种常见的边缘检测算子效果,提取检测目标边界,根据海缆阴影长度得到了海底电缆的具体悬空特征,准确识别出海缆的形状并检测出海缆的悬空特征。本发明利用侧扫声呐海缆识别检测技术,通过深入研究侧扫声呐系统原理,仅利用侧扫声呐探测海底电缆,根据其性能探测指标能够合理的设计数据采集方法,控制测量船速在规定区间以达到最优探测,从而得到了具有地理位置信息的能够反映海缆状态的侧扫声呐图像,根据优化的声呐图像去噪和分割等算法准确分割声呐图像,可以准确识别检测并最后恢复出海缆形状,极大程度上改善了现有技术对侧扫声呐系统的原理研究不深、得到的数据不能反映海底电缆最优状态、检测结果缺乏准确性和科学性的问题。
附图说明
图1为本发明的侧扫声呐的系统组成图;
图2为本发明的侧扫声呐图像;
图3为本发明的数据采集流程图;
图4为本发明的XTF文件读取流程图。
具体实施方式
下面对本发明进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
以下给出一个或若干个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览,并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或若干个方面的一些概念以为稍后给出的更加详细的描述之序。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
实施例1
如图1-4所示,一种基于侧扫声呐的海缆检测识别方法,包括以下步骤:
步骤1、确定侧扫声呐的发射信号类型,构建船速控制模型;
侧扫声呐的系统组成如图1所示,包括定位系统、采集系统、数据处理系统和辅助传感器,定位系统包括GPS系统、超短基线系统,采集系统包括甲板单元、拖缆和绞车、拖鱼、计算机,数据处理系统包括打印机、绘图仪等,辅助传感器包括姿态仪、压力传感器和声速剖面仪。侧扫声呐图像如图2所示,包括发射线、扫描线、海底线和海面线。由于Chirp信号分辨力和信噪比效果更高,故采用Chirp信号作为侧扫声呐发射信号类型。结合实际工作,对影响侧扫声呐性能作业指标进行量化分析,给出了船速控制模型:
设侧扫声呐系统沿航迹方向的水平波束角为θx,发射信号ping与ping之间的间隔为T0,拖鱼至海底的实时高度为H,则船速v需要满足下述公式:
则有:
侧扫声呐在实际测量时最大船速需满足上式,由此可知,限制船速的主要参数是拖鱼至海底的实时高度、水平波束角及脉冲发射间隔,实际测量时应合理调整上面三个参数以获取最大的测量效率。
步骤2、进行数据采集;
以侧扫声呐系统性能指标分析作为数据采集基本参考,设计了外业数据采集一整套流程,根据研究区的实际情况,合理布设测线。如图3所示,数据采集主要包括水深测量、侧扫声呐测量和导航定位等。通过控制测量船速在规定区间以达到最优探测,从而得到了具有地理位置信息的能够反映海缆状态的侧扫声呐图像,针对侧扫声呐扫测海底电缆得到的图像,同时分析调查区域海底电缆情况,发现存在多处裸露和悬空等典型特征,有的还处于沟槽中未完全填充或受海底泥沙、水动力的影响,海底电缆下方存在被掏蚀悬空的典型特征,结合单波束测深记录的海缆剖面图和侧扫声呐图像特征,对海底电缆状态做初步的评估,区分电缆存在状态是裸露还是悬空,检测出测量范围内电缆出露数量以及电缆的出露长度(包括裸露段长度以及悬空段长度)。对于个别出露长度高达40-60米甚至以上的声呐图像需要引起高度重视,所以选取检测区域内出露长度跨度大,悬空高度大于0.2米以上的声呐图像作为典型特征的海缆图像做进一步的细化研究,得到更为准确的裸露、悬空数据结果,并结合定位数据获取其准确的位置信息以供相关方面参考。
步骤3、进行数据处理;
以采集的原始数据为基础,原始数据为XTF文件格式,首先分析XTF文件格式并对数据解码,然后将提取到的回波数据按照转换模型和相关插值方法转换成计算机易于处理的图像格式:
1)建立起声强信息和描述图像的灰度信息之间的转换模型
本发明使用的采样精度为16位的侧扫声呐采样数据可以通过下式三转换,设Gmin和Gmax分别为灰度图像的最小值和最大值,灰度范围通常取0~255,GBmin和GBmax分别为记录的回波强度的最小值和最大值,则转化后的灰度值G通过式三计算得到:
2)使用双三次插值作为声呐图像插值算法。双三次插值算法输出的像素值是通过4x4邻域加权平均运算得到,顾及了邻域内各点灰度值的相互影响,插值后图像效果理论上最佳,但是因为增加了运算矩阵的维度,计算量也会增加。
针对得到的“瀑布图”,研究了侧扫声呐图像海缆提取方法,提出了联合单波束的海底线提取方法和半自动阈值检测法。对于原始侧扫声呐图像存在的各种畸变,研究了声呐图像产生畸变的主要原因和类型,并做了相应的畸变改正:
图像畸变主要包括几何畸变和灰度畸变,侧扫声呐换能器最远的采样点的回波信号对应着最大斜距,“水柱”引起目标横向变形。横向形变大小与目标距离相关,距离拖鱼较近的地方,信号返回时间短,目标压缩程度大;距离拖鱼较远的地方,信号返回时间长,目标变形相对较小。平距图像和斜距图像像素点相比,斜距变形使同样宽度的图像像素点不一一对应,因此,确定目标的直实位置,需要对声呐图像斜距改正,斜距改正其实就将斜距图像上的像素重新映射分配后进行插值;侧扫声呐图像灰度畸变指的是图像灰度值和实际的回波强度存在偏差导致的声呐图像呈现出的整体灰度不均匀的现象。回波强度主要受波束模式、声波掠射角、底质类型等因素的影响。根据侧扫声呐成像原理,靠近“水柱区域”的声呐图像受发射波束旁瓣影响较大,此处的回波强度与波束角相关性很强;而对应距离较远的图像边缘灰度畸变则主要是由声波在水中的衰减引起的。由于海水对声波的吸收和散射等影响,声波能量随距离的增大呈现出指数型衰减,图像上表现为近远两端灰度反差较大。为得到背景相对均匀的声呐图像,需要对其损失做一定的补偿,通常把因距离变化做出的系统补偿称为时间变化增益补偿(TVG),补偿量可表示为:
式中,EL为总补偿量,2TL为传播损失,RL为混响级,R为距离,α为衰减系数,τ为脉宽,θ为波束水平开角,SB为反向散射强度。在进行时间增益补偿时,多以相对值作为约束条件,因此公式中的常量均可忽略,相对补偿量可表示为:
GL=30lg R+2αR/103
不同的参数设置、发射频率等对应不同的衰减系数,目前双频侧扫声呐系统的频率使用较多的为100kHz/500kHz,他们对应的衰减系数分别约等于29dB/m和140dB/m,据此结合上式可求得不同距离对应的补偿量。
通过上述操作得到消除了各种畸变后的声呐图像。针对侧扫声呐定位采样率和Ping采样率不同步的问题,采用三次B样条函数对航迹进行平滑处理,使定位数据和Ping采样一一对应,可以参考基于三次样条函数的侧扫声纳定位数据平滑方法研究论文。最后研究了侧扫声呐图像像素地理编码技术,得到了每个采样点均含有位置信息的声呐图像。
步骤4、对声呐图像去噪和分割进行深入研究
1)发现基于Ping滤波效果最好的为维纳滤波,维纳滤波是基于最小均方误差准则、平稳过程的最优估计滤波器。维纳滤波后的声呐信号,可以很好的消除大部分误差信号,针对比较突出信号部分也有很好的效果,综合滤波效果较好;
2)基于图像滤波效果最好的为双边滤波。边滤波器包括两个函数,一个滤波器系数由像素插值决定,另一个滤波器系数由几何空间距离决定,去噪后像素值为:
它由邻域像索值的加权组合得到,其中,ω(x,y,s,t)为权重系数,它可以由定义域核和值域核两部分组成,顾及了空间域和值域的不同:
3)使用双阈值Ostu算法进行侧扫声呐图像分割。双阈值Ostu算法是针对传统Ostu算法改进之后的结果,将单阈值改进为双阈值,满足侧扫声呐图像的分割需求,其基本思路是以类方差最大为基本准则求取两个最佳阈值,将图像分为三个部分。以手工分割图像为基准,通过下式对双阈值Ostu算法正确分割率进行计算:
得到双阈值Ostu算法正确分割率为96.63%,满足图像分割要求。
步骤5、得到分割后的侧扫声呐图像后,可以借助边缘检测Canny算子检测出电缆目标和其阴影。Canny算子首先利用高斯滤波器平滑图像,然后用一阶偏导有限差分计算梯度幅值和方向,对梯度幅值非极大值抑制后基于阈值检测边缘得到边界曲线。最后根据检测到的电缆和阴影区域的坐标判断海底电缆的状态,借助阴影区域长度可以计算出海底电缆悬空或裸露的高度。
本发明未具体描述的部分或结构采用现有技术或现有产品即可,在此不做赘述。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于侧扫声呐的海缆检测识别方法,其特征在于,包括以下步骤:
通过侧扫声呐采集原始实验数据并得到海缆的侧扫声呐图像,分析海缆在侧扫声呐图像中存在的状态,根据侧扫声呐图像和水深数据对海缆状态做初步的解译;
对原始实验数据进行处理后得到消除各种畸变的侧扫声呐地理编码图;
选取效果最好的侧扫声呐图像的去噪算法和双阈值Ostu分割算法;
对分割后的侧扫声呐图像进行处理,判断海缆状态并计算悬空或裸露的高度,从而恢复海缆形状。
2.根据权利要求1所述的一种基于侧扫声呐的海缆检测识别方法,其特征在于,所述通过侧扫声呐采集原始实验数据并得到海缆的侧扫声呐图像,分析海缆在侧扫声呐图像中存在的状态,根据侧扫声呐图像和水深数据对海缆状态做初步的解译的步骤包括:
通过侧扫声呐采集原始实验数据,通过控制测量船速在规定区间以达到最优探测,从而得到了具有地理位置信息的能够反映海缆状态的侧扫声呐图像,分析海缆在侧扫声呐图像中存在的状态,所述海缆在侧扫声呐图像中存在的状态包括存在多处裸露和悬空、处于沟槽中未完全填充、海缆下方存在被掏蚀悬空的典型特征,结合单波束测深记录的海缆剖面图和声呐图像特征,对海缆状态做初步的评估,最后选取具有典型特征的海缆图像做进一步的细化研究,得到更为准确的裸露、悬空结果,并结合导航定位数据获取其准确的位置信息。
3.根据权利要求2所述的一种基于侧扫声呐的海缆检测识别方法,其特征在于,所述原始实验数据包括水深测量数据、侧扫声呐测量数据和导航定位数据。
4.根据权利要求2所述的一种基于侧扫声呐的海缆检测识别方法,其特征在于,所述通过控制测量船速在规定区间以达到最优探测,从而得到了具有地理位置信息的能够反映海缆状态的侧扫声呐图像的步骤包括:
首先确定侧扫声呐的发射信号类型,构建船速控制模型,根据船速控制模型控制测量船速在规定区间以达到最优探测。
5.根据权利要求4所述的一种基于侧扫声呐的海缆检测识别方法,其特征在于,所述侧扫声呐发射信号类型为Chirp信号类型。
6.根据权利要求4所述的一种基于侧扫声呐的海缆检测识别方法,其特征在于,所述船速控制模型的构建步骤为:
设侧扫声呐系统沿航迹方向的水平波束角为θx,发射信号ping与ping之间的间隔为T0,拖鱼至海底的实时高度为H,则船速v需要满足下述公式:
则有:
侧扫声呐在实际测量时最大船速需满足上式,限制船速的主要参数是拖鱼至海底的实时高度、水平波束角及脉冲发射间隔,实际测量时应合理调整上面三个参数以获取最大的测量效率。
7.根据权利要求1所述的一种基于侧扫声呐的海缆检测识别方法,其特征在于,所述对原始实验数据进行处理后得到消除各种畸变的侧扫声呐地理编码图的步骤包括:
所述原始实验数据为XTF文件格式,首先分析XTF文件格式并对数据解码,然后将提取到的回波数据按照转换模型和相关插值方法转换成计算机易于处理的图像格式:
1)建立起声强信息和描述图像的灰度信息之间的转换模型
采样精度为16位的侧扫声呐采样数据可以通过下式三转换,设Gmin和Gmax分别为灰度图像的最小值和最大值,灰度范围通常取0~255,GBmin和GBmax分别为记录的回波强度的最小值和最大值,则转化后的灰度值G通过式三计算得到:
2)使用双三次插值作为声呐图像插值算法。双三次插值算法输出的像素值是通过4x4邻域加权平均运算得到;
对于侧扫声呐图像存在的各种畸变,研究图像产生畸变的主要原因和类型,并做相应的畸变改正,得到消除各种畸变后的声呐图像;针对侧扫声呐定位采样率和Ping采样率不同步的问题,采用三次B样条函数对航迹进行平滑处理,使定位数据和Ping采样一一对应;最后研究侧扫声呐图像像素地理编码技术,得到了每个采样点均含有位置信息的声呐图像,得到消除各种畸变的侧扫声呐地理编码图。
8.根据权利要求1所述的一种基于侧扫声呐的海缆检测识别方法,其特征在于,所述选取效果最好的侧扫声呐图像的去噪算法和双阈值Ostu分割算法的步骤包括:
选取基于Ping滤波效果最好的维纳滤波,维纳滤波后的声呐信号可消除大部分误差信号;
选取图像滤波效果最好的双边滤波;去噪后像素值为:
其由邻域像索值的加权组合得到,其中,ω(x,y,s,t)为权重系数,顾及了空间域和值域的不同;
使用双阈值Ostu算法进行侧扫声呐图像分割,通过下式对双阈值Ostu算法正确分割率进行计算:
9.根据权利要求1所述的一种基于侧扫声呐的海缆检测识别方法,其特征在于,所述对分割后的侧扫声呐图像进行处理,判断海缆状态并计算悬空或裸露的高度,从而恢复海缆形状的步骤包括:
得到分割后的侧扫声呐图像后,借助边缘检测Canny算子检测出海缆目标边界坐标及其阴影,从而判断出海缆状态,借助阴影区域长度计算出海缆悬空或裸露的高度。
10.根据权利要求9所述的一种基于侧扫声呐的海缆检测识别方法,其特征在于,所述Canny算子首先利用高斯滤波器平滑图像,然后用一阶偏导有限差分计算梯度幅值和方向,对梯度幅值非极大值抑制后基于阈值检测边缘得到边界曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310041938.7A CN116523822A (zh) | 2023-01-12 | 2023-01-12 | 一种基于侧扫声呐的海缆检测识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310041938.7A CN116523822A (zh) | 2023-01-12 | 2023-01-12 | 一种基于侧扫声呐的海缆检测识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116523822A true CN116523822A (zh) | 2023-08-01 |
Family
ID=87406991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310041938.7A Pending CN116523822A (zh) | 2023-01-12 | 2023-01-12 | 一种基于侧扫声呐的海缆检测识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116523822A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117522684A (zh) * | 2023-12-29 | 2024-02-06 | 湖南大学无锡智能控制研究院 | 水下侧扫声呐图像拼接方法、装置及系统 |
-
2023
- 2023-01-12 CN CN202310041938.7A patent/CN116523822A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117522684A (zh) * | 2023-12-29 | 2024-02-06 | 湖南大学无锡智能控制研究院 | 水下侧扫声呐图像拼接方法、装置及系统 |
CN117522684B (zh) * | 2023-12-29 | 2024-03-19 | 湖南大学无锡智能控制研究院 | 水下侧扫声呐图像拼接方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6868041B2 (en) | Compensation of sonar image data primarily for seabed classification | |
CN102107723B (zh) | 侧扫声纳测量船舶吨位的方法 | |
CN111854704A (zh) | 一种海洋地球物理综合调查系统 | |
CN111443344B (zh) | 一种侧扫声呐海底线自动提取方法及装置 | |
CN114488164A (zh) | 水下航行器同步定位与建图方法及水下航行器 | |
CN116523822A (zh) | 一种基于侧扫声呐的海缆检测识别方法 | |
Lamarche et al. | Benthic habitat mapping | |
CN115187666A (zh) | 深度学习和图像处理结合的侧扫声呐海底高程探测方法 | |
CN107632305B (zh) | 一种基于剖面声纳扫测技术的海底局部地形自主感知方法及装置 | |
CN113640808B (zh) | 浅水区海底电缆埋深探测方法及装置 | |
CN116027349A (zh) | 基于激光雷达和侧扫声呐数据融合的珊瑚礁底质分类方法 | |
KR101339678B1 (ko) | 갯녹음 실태조사를 위한 암반,비암반 면적 산출방법 | |
CN213813947U (zh) | 海上风电基础海缆接入端检测系统 | |
CN113313651B (zh) | 一种基于周围变化的侧扫声呐图像纹理失真区域修复方法 | |
Xiong et al. | An effective method for submarine pipeline inspection using three-dimensional (3D) models constructed from multisensor data fusion | |
CN109342569A (zh) | 一种淤泥质海底航道边坡稳定性实时监测方法 | |
CN202175176U (zh) | 一种侧扫声纳测量船舶吨位的系统 | |
CN115272461A (zh) | 一种基于先验知识的侧扫声呐图像的海底高程检测方法 | |
CN114509767A (zh) | 一种水下成像声呐计量校准装置及方法 | |
CN110879386B (zh) | 一种基于宽带浅剖数据的目标大小估计方法 | |
Mai et al. | Experimental investigation of non-contact 3D sensors for marine-growth cleaning operations | |
CN116930976B (zh) | 基于小波模极大值的侧扫声呐图像的海底线检测方法 | |
KR20210099817A (ko) | 사이드 스캔소나를 이용한 이식 키조개 자원량 산정방법 | |
CN111323766B (zh) | 一种舰船尾流声呐图像处理方法 | |
Jerram et al. | Storm response surveying with phase-measuring bathymetric sidescan sonar |
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 |