一种水下三维被动定位技术

本文给出了一种三维被动定位方法。该方法利用三元水平阵和二元垂直阵实现对目标的三维定位。由三元水平阵首先求得目标斜距和目标方位,在此基础上利用垂直阵估计目标深度坐标,最后综合已有测量结果来求解目标水平坐标。本文还通过仿真分析了该方法的定位性能。  

图像深度估计的光学微分方法

讨论了光学微分方法在图像深度估计问题中的应用。基于线性成像理论对Farid提出的光学微分模型进行了推广，即用于图像深度估计的两幅图像在成像过程中可以满足任意阶的线性微分关系。此模型拓宽了光学微分的概念，使两次成像之间关系有了更多的光学微分形式。围绕如何选择合适的光学微分关系以使系统的整体性能达到最优，分析了光学成像系统的参量对于图像深度估计的精度以及纵向分辨力的影响，并且对光学微分方法中的关键光学元件—光学掩模板的构建方法及优化问题也作了初步的探讨。  

基于加权暗通道的图像去雾方法

传统基于暗通道图像去雾中仅考虑初始透射图对于透射图优化的影响,而未充分考虑深度信息对于透射图优化贡献不同的特点,造成去雾结果在深度不连续处出现"晕"且离视点较远区域的去雾效果有明显下降.针对上述问题,本文提出一种基于边缘特征的加权暗通道先验去雾算法.该方法根据边缘特征的位置估计深度信息的连续性,将边缘点及非边缘点赋予不同权值,对加权透射图优化求解.仿真实验表明,新的去雾算法在恢复图像细节的基础上能够有效抑制"晕"的产生,证实了本文方法的可行性和有效性.  

基于轮廓特征理解的城市道路图像深度估计

准确估计道路场景图像中的深度信息,是智能交通和机器人导航中对障碍物估计和定位的关键。基于区域特征理解的单幅静态城市道路图像深度估计算法,可以通过边缘生长图像分割算法得到一系列封闭的图像区域;然后统计每个分割区域自身的多元特征,包括区域的颜色、面积、位置,所包含的直线、垂线和平行线;基于这些特征,进一步估计道路消失点,并实现天空、垂直面和道路区域的分割和三维空间推理,最后根据典型道路的深度变化规律实现对道路图像的深度估计。实验结果表明,该算法能够有效地估计道路消失点以及道路区域内部的渐变深度信息。  

基于加权暗通道的图像去雾方法

传统基于暗通道图像去雾中仅考虑初始透射图对于透射图优化的影响,而未充分考虑深度信息对于透射图优化贡献不同的特点,造成去雾结果在深度不连续处出现"晕"且离视点较远区域的去雾效果有明显下降.针对上述问题,本文提出一种基于边缘特征的加权暗通道先验去雾算法.该方法根据边缘特征的位置估计深度信息的连续性,将边缘点及非边缘点赋予不同权值,对加权透射图优化求解.仿真实验表明,新的去雾算法在恢复图像细节的基础上能够有效抑制"晕"的产生,证实了本文方法的可行性和有效性.  

快速估计荧光分子断层成像中单个荧光物的深度

荧光分子断层成像支持在体无创研究长时间跨度的分子事件,满足21世纪系统化地观测生命过程的要求.在其复杂且耗时的重建中,先验信息有助于加快重建速度,提高重建图像的质量.文章将求解荧光物的深度作为待优化问题,由单幅荧光图像直接快速地估计深度信息.首先根据生物组织内的扩散模型和外推边界条件,推导出生物体边界上两点处荧光强度的比值Rf.然后用粒子群优化算法,在吸收系数和散射系数的估计区间内,由最小化生物体边界上两点处模型值RfM与测量值RfT之间的差,估计出荧光物的深度.不同尺寸荧光物的两个仿体实验的结果表明,所提出的方法不需要网格剖分和重建,能快速简单地估计出单个类似于球体的荧光物的深度.  

基于路径选择的深海水下运动目标被动深度估计

深海水下运动目标的深度估计是目标分辨与识别中的重要一环。基于深海运动目标在深海中的直达波与海面反射波的到达时延与位置之间的关系，寻找时延图上运动目标的候选路径，利用候选路径模拟目标的运动路径，提出了一种可用单水听器实现的水下运动目标深度估计方法。通过用候选路径的估计时延与实际接收时延的比较对路径进行筛选，从而减少了需要的位置先验信息。2018年在南海进行的深海实验数据处理的结果表明该估计方法可行，对于实验中距离15km以内的拖曳声源，深度相对估计误差可以达到15%以内。  

拖曳阵被动合成孔径目标深度稳健估计

使用水下无人平台作为载体的拖曳阵进行被动目标深度估计具有灵活性高和隐蔽性好的优点,针对实际应用中存在的平台自噪声和阵列瞬时随机加速度扰动问题,提出了一种稳健的目标深度估计方法。该方法分为三个步骤,首先对阵元接收信号进行自适应噪声抵消和相位抖动滤波,然后对声压进行距离积分实现简正波模态估计,最后计算模态匹配度,最大值对应的深度为目标深度估计结果。仿真表明在干扰背景下该方法的目标深度估计稳健性优于传统方法,声源频率、合成孔径距离和信干比决定了目标深度估计误差。利用实验数据验证了该方法对水下低频线谱声源的深度估计能力。  

一种基于模态域波束形成的水平阵被动目标深度估计

水面水下目标分辨与识别一直是被动声呐探测领域的难题.利用一种水平阵模态域波束形成算法获得己知方位目标声源的各阶模态强度,将其与不同深度的各阶参考模态强度进行匹配,最终实现了对声源的深度估计.仿真结果表明,该算法可以在信噪比为-10 dB的情况下,用300Hz带宽的信号样本,实现对声源深度的有效估计.系统分析了不同参数和不同波导条件对该方法目标深度估计性能的影响.其中,阵元数越多,模态样本数越多,计算频段越宽,方位估计精度越高,有效阵长越长,深度估计的性能越好.阵元间距和波导深度的变化不会影响该方法的深度估计性能,并且该方法的深度估计性能在声速剖面、海底参数等波导条件存在扰动时具有鲁棒性.  

结合光源分割和线性图像深度估计的夜间图像去雾

夜间有雾图像通常具有对比度低、光照不均匀、颜色偏移以及噪声较多等现象,这些退化现象使得夜间图像去雾具有极大的挑战性。针对夜间图像存在的退化问题,本文提出了一种能够在夜间图像中有效去雾并提高图像质量的方法。首先,将图像分解成光晕层和有雾层,并对有雾层进行颜色校正。其次,通过一种新提出的带有伽马变换的图像光源分割方法来分割光源,并设置分割阈值作为像素点属于光源区域的概率值。然后,将得到的概率值与最大反射先验相结合来估计光源和非光源区域的大气光值。最后,根据图像深度与亮度、饱和度以及梯度之间的关系建立线性模型,进一步估计透射率的值。实验得到的分割阈值为0.07,线性深度估计参数分别为1.0267、−0.5966、0.6735、0.004135。实验结果表明本文方法在夜间图像去雾、消除光晕、减少噪声,以及提高可视度方面取得良好的效果。