公开(公告)号：CN115661627A

公开(公告)日：2023-01-31

申请号：CN202211300084.1

申请日：2022-10-24

Applicant: 哈尔滨工程大学

Inventor： 周天 ,  司吉坤 ,  于晓阳 ,  朱建军 ,  徐超

IPC: G06V20/05 ,  G06V10/82 ,  G06N3/0464 ,  G01S7/41

Abstract: 本发明提出一种基于GAF‑D3Net的单波束水下目标识别方法。所述方法包括：对于声呐回波信号，首先进行预处理，完成目标区域筛选以及降维处理；使用格拉姆角场GAF编码为二维图像信号，生成格拉姆角差场GADF和格拉姆角和场GASF；构建GAF‑D3Net卷积神经网络结构，将GAF图像输入GAF‑D3Net中训练，实现图像的特征提取和分类判别。该方法解决了声呐图像只使用信号幅值信息而忽略了相位信息的问题，在降维的同时保证了序列的时间变化趋势，保留了信号的时间相关性，将信号编码为适合卷积神经网络训练的二维图像形式。通过评价过程证实该方法对水下目标分类结果更加准确，效果更为理想，同时具有更好的泛化性能。

公开(公告)号：CN119379915A

公开(公告)日：2025-01-28

申请号：CN202411521677.X

申请日：2024-10-29

Applicant: 哈尔滨工程大学

Inventor： 周天 ,  张博鸣 ,  徐超 ,  于晓阳 ,  李铁 ,  司吉坤

IPC: G06T17/00 ,  G06T7/13 ,  G06T7/11 ,  G06T7/136 ,  G06T7/37 ,  G06T7/262

Abstract: 本发明公开了一种基于二维前视声呐图像的三维重建方法及系统，所述方法包括：步骤一：对于采集到的二维前视声呐序列，引入基于马氏距离检测方法，确定局部二值拟合水平集分割方法的初始轮廓，进一步地，使用一种局部二值拟合(LBF)水平集分割方法，以检测出的目标初始轮廓为基础，确定目标的待重建区域；步骤二：使用基于相位相关的配准方法，对步骤一确定的目标区域进行配准，计算声呐运动的相对位移。步骤三：基于上述步骤的结果，使用盲解卷积算法，重建目标的三维点云图像。本发明与传统方法相比，无需预先获取声呐的水平位置信息即可对目标进行三维重建，且具有一定的抗噪声能力。本发明所述方法更加适用于对水下目标的三维重建。

公开(公告)号：CN119091137A

公开(公告)日：2024-12-06

申请号：CN202411056662.0

申请日：2024-08-02

Applicant: 哈尔滨工程大学

Inventor： 周天 ,  司吉坤 ,  徐超 ,  于晓阳 ,  杜伟东 ,  郭企嘉

IPC: G06V10/26 ,  G06V10/762 ,  G06V10/30 ,  G06V10/40 ,  G06T5/30 ,  G06T5/70

Abstract: 本发明提出一种各向异性残差降噪与稀疏模糊聚类的声呐图像分割方法，目的是为了解决目前存在的由于声呐图像成像效果不佳，目标边缘信息模糊导致的分割精度低的问题，实现对水下沉底目标的高精度分割。该方法首先通过形态学重构初步降低图像中存在的高斯、脉冲干扰，使用各向异性降噪方法构建残差降噪结构，在降低斑点噪声的同时增加保留的目标信息量；对处理后的声呐图像提取自身结构信息，通过两种滤波器提取特征，得到两组声呐图像特征集；然后，引入KL散度约束，保证当前像素值强度与其邻域像素值的平均强度接近；最后，为加快目标函数的收敛，引入稀疏隶属度函数来增加收敛速度，在保证分割精度的同时提高分割速度。