【CN110335202A】一种水下声纳图像噪声消除方法【专利】
- 格式:pdf
- 大小:592.66 KB
- 文档页数:8
声纳海底管道图像去噪方法研究张晓娟;刘颉;杨逍;吕九红【摘要】在海底输送管道泄露检测中,声纳图像极易受到噪声污染.如果以管道的直线特征作为检测策略,即能观察到明显的管道直线边缘等特征以进行管道泄露分析.利用小波变换的改进方法——超小波脊波变换,针对噪声淹没中海底管道图像的直线特征实现去噪,增强管道部分图像.利用自适应“维纳滤波”进行图像去噪和去“卷绕”.仿真实验表明,脊波去噪技术相对于其它方法对管道图像去噪方法具有明显边缘等直线特征保持作用.文中研究结果为海底管道泄露图像处理技术提供数据预处理方法.【期刊名称】《海洋技术》【年(卷),期】2017(036)006【总页数】4页(P82-85)【关键词】脊波去噪;海底管道图像处理;维纳滤波【作者】张晓娟;刘颉;杨逍;吕九红【作者单位】国家海洋技术中心,天津300112;国家海洋技术中心,天津300112;国家海洋技术中心,天津300112;国家海洋技术中心,天津300112【正文语种】中文【中图分类】TN911.73声纳图像是水声信道中接收声回波能量的二维平面分布,受噪声影响严重,对比度较低。
受声基阵性能的限制,声纳图像的分辨率往往不高[1]。
主要考虑的噪声源有海洋环境噪声和舰船自噪声[2]。
海洋环境噪声常常遵循高斯分布[3],而文献[1]声纳信号的噪声考虑高斯模型。
维纳滤波、小波对于高斯噪声处理比较有效。
海底管道声纳图像具有直线边缘特征,线奇异性表现较为突出,为了克服小波变换不能达到最优逼近的问题,Candes等人提出了新的多尺度变换—Ridgelet变换,它能够有效地处理二维图像的线奇异性,较好地对此类信号进行“逼近”。
对于海底管道泄露检测利用基于小波理论的脊波进行直线特征加强,提高边缘的完整性,提高有用信号所占的信号比例。
增强处理后有用图像部分信噪比及直线特征边缘。
图1 Blueview前视2D声纳管道图像处理流程图基于“海底管道探测技术集成及风险评估技术研究与示范应用”子课题“海底管道ROV精细化探测系统集成——前视声纳系统”。
专利名称:一种海底声呐点云数据处理方法专利类型:发明专利
发明人:金海燕,于洋,肖照林,李闯
申请号:CN201910576810.4
申请日:20190628
公开号:CN110517193B
公开日:
20220412
专利内容由知识产权出版社提供
摘要:本发明公开了一种海底声呐点云数据处理方法,首先根据声呐点云的特性进行点云数据的融合与去燥,然后针对声呐点云的几何特性进行分区的点云精简,最后利用基于同心圆局部扩张的点云孔洞修补算法进行四维海底声呐点云孔洞的修补的海底点云数据处理方法;经本发明相关方法处理后的点云数据便于滤波算法对声呐点云数据中的人工目标进行识别与检测,既节省了人工对声呐图像数据判读所消耗的时间,又提高了人工目标识别算法的精确性,具有十分重大的意义。
申请人:西安理工大学
地址:710048 陕西省西安市金花南路5号
国籍:CN
代理机构:西安弘理专利事务所
代理人:杜娟
更多信息请下载全文后查看。
专利名称:一种水下航行器推进器噪声主动控制方法专利类型:发明专利
发明人:杨雨浓,王晴,王春旭,孙杨滨,彭茜蕤
申请号:CN202210274874.0
申请日:20220321
公开号:CN114664279A
公开日:
20220624
专利内容由知识产权出版社提供
摘要:一种水下航行器推进器噪声主动控制方法,涉及水下航行器降噪领域。
该水下航行器推进器噪声主动控制方法包括以下步骤:分析水下航行器的推进器噪声源声场,确定需控制的频率范围;根据需控制的频率范围确定换能器的规格、尺寸;将水下航行器的推进器的螺旋桨位置设为原点,根据水下航行器的艉部结构特点和选定换能器的尺寸,通过仿真寻优确定换能器、水声信号传感器的布放位置和布放数量;将换能器和水声信号传感器按确定数量和位置布置于水下航行器艉部,对水下航行器的远场声源控制效果进行检测以判断噪声主动控制效果。
水下航行器推进器噪声主动控制方法能够有效的控制水下航行器推进器的低频线谱噪声。
申请人:中国舰船研究设计中心
地址:430064 湖北省武汉市武昌区张之洞路268号
国籍:CN
代理机构:湖北武汉永嘉专利代理有限公司
更多信息请下载全文后查看。
一种基于关联处理的声呐图像去噪技术
赵海旭;吴培荣;王小雯;聂良春
【期刊名称】《声学技术》
【年(卷),期】2016(35)6
【摘要】为了改善声呐图像中存在大量杂波而导致目标跟踪困难,设备虚警率高的缺点,提出一种图像关联降噪算法。
首先利用目标特性对静止目标进行剔除,之后利用目标运动的持续性和目标回波在连续多帧图像中的空间位置关联性,对随机噪声进行进一步滤除。
仿真和试验数据验证,所提出的算法对于背景比较稳定的图像,降噪效率不低于95%。
【总页数】4页(P571-574)
【关键词】固定安装声呐;时域连续性;空间邻域积分;杂波抑制;图像关联
【作者】赵海旭;吴培荣;王小雯;聂良春
【作者单位】上海船舶电子设备研究所;海军驻上海地区水声导航系统军事代表室【正文语种】中文
【中图分类】TB533
【相关文献】
1.基于声呐图像去噪算法的应用分析 [J], 陈尧;林平
2.基于弱纹理块的噪声估计方法在侧扫声呐图像去噪中的应用 [J], 张家发;周兴华;赵洪臣;唐秋华
3.一种基于方位估计的双站被动声呐航迹关联方法 [J], 黄凡
4.一种基于方位估计的双站被动声呐航迹关联方法 [J], 黄凡
5.一种基于色彩处理的被动声呐宽带目标检测显示方法 [J], 张大伟;范文涛;许林周;章新华
因版权原因,仅展示原文概要,查看原文内容请购买。
专利名称:一种消除噪声的方法和装置专利类型:发明专利
发明人:沈操,王浩
申请号:CN200810115904.3
申请日:20080630
公开号:CN101308573A
公开日:
20081119
专利内容由知识产权出版社提供
摘要:本发明提供一种消除噪声的方法,包括以下步骤:比较中心像素点与邻域中像素点,根据比较的结果判断中心像素点是否为噪点;如果中心像素点为噪点,则中心像素点的像素值被替换为邻域中像素点像素值的加权平均;否则,中心像素点的像素值被替换为邻域中像素点与中心像素点像素值的加权平均。
通过上述的方法有效的消除了噪声,同时很好地保持了图像边缘信息。
申请人:北京中星微电子有限公司
地址:100083 北京市海淀区学院路35号世宁大厦16层
国籍:CN
更多信息请下载全文后查看。
专利名称:用于从数字图像中去除噪声的方法和装置专利类型:发明专利
发明人:D·G·尼科尔森
申请号:CN200680045042.0
申请日:20061128
公开号:CN101322154A
公开日:
20081210
专利内容由知识产权出版社提供
摘要:本发明的一个实施例提供了一种从图像中去除噪声的系统。
在操作期间,系统首先识别图像中的斑点,其中斑点是可能表示图像中的字符或者字符一部分的邻近像素的集合。
继而,系统分析斑点以动态地确定用于斑点的“噪声阈值”。
然后,系统从图像去除低于噪声阈值的斑点。
申请人:奥多比公司
地址:美国加利福尼亚州
国籍:US
代理机构:北京市金杜律师事务所
代理人:朱海波
更多信息请下载全文后查看。
(10)申请公布号 CN 102662167 A(43)申请公布日 2012.09.12C N 102662167 A*CN102662167A*(21)申请号 201210106171.3(22)申请日 2012.04.11G01S 7/527(2006.01)(71)申请人西北工业大学地址710072 陕西省西安市友谊西路127号(72)发明人曾向阳 何佳若(74)专利代理机构西北工业大学专利中心61204代理人王鲜凯(54)发明名称一种水下目标辐射噪声信号的特征提取方法(57)摘要本发明提出的一种水下目标辐射噪声信号的特征提取方法,首先对声信号的可视化方法进行了研究,得到了时频可视化图像。
接着,以时频可视化图像中声谱图为研究对象,对其进行可视化特征提取方法研究,包括:基于图像纹理特征提取和图像中心矩特征提取。
在此基础上,分别利用PCA 和LDA 算法对上述方法得到的可视化特征进行了优化选择和降维,最后将其应用于水下目标识别的仿真中,实验结果表明,该混合特征下三类水下噪声信号的平均识别率可达91.97%。
经过选择后的可视化特征参数的识别率与传统方法提取的特征参数相比,有了显著的提高。
(51)Int.Cl.权利要求书1页 说明书10页 附图2页(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书 1 页 说明书 10 页 附图 2 页1/1页1.一种水下目标辐射噪声信号的特征提取方法,其特征在于步骤如下:步骤1:对水下目标的离散时域采样信号x(p)进行分帧处理得到分帧处理后信号x n (m),其中:p 为时域采样点序号,p =0,1,2,…,P-1,P 为信号长度;n 是帧序号,m 是帧同步的时间序号,N 为帧长,m =0,1,2,…,N-1;步骤2:对分帧处理后信号x n (m)进行短时傅里叶变换:X(n ,e jw )=∑x n (m)w(n-m)e -jwm其中w(m)为窗序列;步骤3:计算X(n ,e jw )的短时幅度谱|X(n ,k)|,其中0≤k ≤N-1,得到功率谱函数Y(n ,k)=|X(n ,k)|2=(X(n ,k))×(conj(X(n ,k)));步骤4:以n 为横坐标,以k 为纵坐标,将Y(n ,k)的值以图像表示得到声谱图;步骤5:采用纹理特征提取方法和图像中心矩特征提取方法对声谱图进行图像的特征提取,得到30维可视化特征参数;步骤6:对得到的30维可视化特征参数,利用主成分分析PCA 及线性判别分析LDA 的方法进行特征的优化选择及降维处理,得到20维混合特征。
专利名称:一种基于图像去噪的语音识别方法及装置专利类型:发明专利
发明人:李索恒,汪俊,郑达,张志齐
申请号:CN201910818956.5
申请日:20190830
公开号:CN110503957A
公开日:
20191126
专利内容由知识产权出版社提供
摘要:本发明涉及通信技术领域,特别涉及一种基于图像去噪的语音识别方法及装置。
该方法为:获取第一时段采集的音频信号;将所述第一时段采集的视频信号进行人脸识别,确定包含说话对象的图像帧;所述说话对象为根据所述视频信号中的图像帧中同一人脸的唇动特征确定的;将所述包含说话对象的图像帧与所述第一时段采集的音频信号进行帧对齐;将帧对齐后的所述包含说话对象的图像帧与所述第一时段采集的音频信号输入至语音识别模型中,确定所述说话对象的语音识别结果。
申请人:上海依图信息技术有限公司
地址:201125 上海市浦东新区耀华路488号1901E室
国籍:CN
代理机构:北京同达信恒知识产权代理有限公司
代理人:柴燕梅
更多信息请下载全文后查看。
专利名称:噪声消除方法
专利类型:发明专利
发明人:陈雷,赖玉洁,胡俊仁,唐汉熙申请号:CN201610194842.4
申请日:20120817
公开号:CN105741847A
公开日:
20160706
专利内容由知识产权出版社提供
摘要:本发明涉及一种噪声消除方法,适用于一电子装置。
该噪声消除方法包括:接收一声音信号;对该声音信号进行一傅立叶转换,以得到一声音频谱;自该声音频谱中撷取对应一噪声的一第一频谱以及对应一人声信号的一第二频谱;根据该第一频谱与该第二频谱估计一中心频率;以及根据该中心频率对该声音频谱进行一高通滤波运算。
申请人:宏达国际电子股份有限公司
地址:中国台湾桃园市
国籍:CN
代理机构:北京市柳沈律师事务所
代理人:王珊珊
更多信息请下载全文后查看。
消除水下激光图像混合噪音的软形态滤波算法
韩宏伟;张晓晖;葛卫龙
【期刊名称】《光子学报》
【年(卷),期】2011(40)1
【摘要】除了采用距离选通等特殊机制来消除后向散射之外,水下激光成像系统作用距离的进一步提升依赖于对图像中噪音的有效抑制.在分析水下激光距离选通图像噪音特性的基础上,引入软形态学,设计了多方向结构元和极化软形态变换,组成开-闭级联滤波器.对于其中的重复度参量,以散斑指数和边缘能量为目标,采用离散差分算法优化.实验结果表明,该算法兼顾了对平滑能力和边缘保护的要求,具有更高的鲁棒性,性能优于Lee算法和基于非线性加权的多方向广义形态滤波算法,且具有一定的普适性.
【总页数】6页(P136-141)
【关键词】距离选通;散斑噪音;软形态学;离散差分进化
【作者】韩宏伟;张晓晖;葛卫龙
【作者单位】海军工程大学兵器工程系
【正文语种】中文
【中图分类】TP391
【相关文献】
1.数学形态学滤波算法在红外图像噪声消除中的应用 [J], 高育鹏;黄树采;白云
2.关于去除图像噪音的中值滤波算法 [J], 宋铭利
3.基于邻域结构相似性的混合噪音线性滤波算法 [J], 罗晓军;王世秀;李兵;许俊玲
4.基于运动补偿的红外图像噪音时域ⅡR滤波算法 [J], 钱惟贤;陈钱;顾国华;管志强
5.基于并行组合加权均值级联形态滤波算法的散斑噪音压缩(英文) [J], 蒋立辉;王骐;王春晖;尚铁良
因版权原因,仅展示原文概要,查看原文内容请购买。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910277579.9
(22)申请日 2019.04.08
(71)申请人 武汉理工大学
地址 430070 湖北省武汉市洪山区珞狮路
122号
(72)发明人 刘文 卢煜旭 张瑞 孙睿涵
吴芷璇 何俊 马全党
(74)专利代理机构 湖北武汉永嘉专利代理有限
公司 42102
代理人 李丹
(51)Int.Cl.
G06T 5/00(2006.01)
G06T 7/45(2017.01)
(54)发明名称
一种水下声纳图像噪声消除方法
(57)摘要
本发明公开了一种水下声纳图像噪声消除
方法,包括以下步骤:1)采取不同环境下的色彩
清晰的彩色图像,然后将其转变成灰度图;2)将
步骤1)中采集的图象进行图像处理操作转换成
为设定数量数据集,作为训练数据;3)将得到的
数据集进行对数化处理;4)将处理完毕的数据集
运用基于残差卷积神经网络框架训练学习;5)得
到训练参数,根据得到的残差卷积神经网络对测
试图像进行去噪处理,得到噪声图像,然后根据
噪声图像和原始测试图像得到去噪后的图像。
本
发明采用CNN对对数域的散斑噪声进行估计,采
用结构相似性度量作为损失函数,在散斑噪声抑
制过程中保持更多的几何结构,保证高质量的去
噪检测性能。
权利要求书1页 说明书5页 附图1页CN 110335202 A 2019.10.15
C N 110335202
A
权 利 要 求 书1/1页CN 110335202 A
1.一种水下声纳图像噪声消除方法,其特征在于,包括以下步骤:
1)采取不同环境下的色彩清晰的彩色图像,然后将其转变成灰度图;
2)将步骤1)中采集的图象进行图像处理操作转换成为设定数量数据集,作为训练数据;所述图像处理操作包括上下翻转、左右翻转、向左或向右旋转、放大、缩小、切割中的一种或几种的组合;
3)将得到的数据集进行对数化处理;
4)将处理完毕的数据集运用基于残差卷积神经网络框架训练学习;
5)得到训练参数,根据得到的残差卷积神经网络对测试图像进行去噪处理,得到噪声图像,然后根据噪声图像和原始测试图像得到去噪后的图像。
2.根据权利要求1所述的水下声纳图像噪声消除方法,其特征在于,所述步骤4)中基于残差卷积神经网络框架训练学习过程如下:
1)设置训练学习参数,为残差卷积神经网络进行权值的初始化;所述参数包括批训练量、学习率、训练次数;
2)输入数据经过卷积层、下采样层、全连接层的向前传播得到输出值;根据损失函数求出残差卷积神经网络的输出值与目标值之间的误差;
3)当误差大于期望值时,将误差传回网络中,依次求得全连接层,下采样层,卷积层的误差;各层的误差可以理解为对于网络的总误差,网络应承担多少;
4)误差大于期望值时,根据求得误差进行权值更新;
5)当误差等于或小于期望值时,结束训练。
3.根据权利要求2所述的水下声纳图像噪声消除方法,其特征在于,所述步骤2)中采用的损失函数为SSIM损失函数。
4.根据权利要求1所述的水下声纳图像噪声消除方法,其特征在于,所述步骤4)中残差卷积神经网络的结构如下,包括:
1)输入层:输入层为第一层,输入为35x35xc的图像,经过64个3x3x3的卷积核卷积,输出为64张35x35的特征图,即35x35x64的图像;
2)卷积层:卷积层共16层,每层有64个3x3x64的卷积核,每层的输入输出都为35x35x64的图像;
3)输出层:输出层通过1个3x3x64的卷积核,重建1维图像,作为输出。
2。