基于激光的水下目标偏振成像探测技术

基于激光的水下目标偏振成像探测技术

论文摘要

随着当今海洋领域研究的逐渐深入,目标偏振成像技术已成为国内外各个国家关注和研究的热点。而水下激光主动成像是根据海水对蓝绿激光的光谱特性、时间特性和空间特性实现对水下成像目标物进行成像,克服了水下声纳成像系统造成的分辨率低和探测距离短的缺点。但光在水中传输的过程中产生的散射和吸收,会降低水下目标偏振图像的质量。本文通过分析水介质中悬浮粒子的散射特性,设计水下目标成像实验,采用分时旋转偏振片的方式采集目标图像。本文实验选取可见光波段的532nm蓝绿激光进行水下偏振成像,成像系统采集三个不同角度的强度图像,并计算相应的斯托克斯图像。针对水下偏振图像存在的质量差、纹理细节模糊和对比度低等问题,本文研究基于提升小波变换的多尺度分解方法,对其进行图像融合增强处理,提高偏振图像质量。首先,本文将反映细节纹理信息的偏振度和偏振角图像组合,生成偏振组合图像;接着,将偏振组合图像和光强图像进行多尺度分解。对于分解产生的反映近似信息的低频分量和反映细节信息的高频分量,本文提出一种区域能量做权重系数和基于区域方差结合的融合规则;最后,利用逆变换重构图像,生成最终的融合图像。实验仿真表明,本文提出的融合方法相对于传统的图像融合方法在提高图像对比度和清晰度上有一定的优势。这为资源探索、海底地形地貌勘探和潜艇探测等领域打下了良好的基础。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 研究背景和意义
  •   1.2 水下偏振探测国内外研究现状
  •   1.3 图像融合研究现状
  •     1.3.1 图像融合层次分类
  •     1.3.2 图像融合方法分类
  •   1.4 偏振图像融合评价指标
  •     1.4.1 主观评价
  •     1.4.2 客观评价
  •   1.5 主要研究内容及结构安排
  •     1.5.1 主要研究内容
  •     1.5.2 结构安排
  • 第二章 水下偏振成像探测机理研究
  •   2.1 光的偏振特性
  •   2.2 偏振光的表示
  •     2.2.1 琼斯矢量表示
  •     2.2.2 斯托克斯矢量表示
  •     2.2.3 邦加球表示
  •   2.3 水下激光传输特性
  •   2.4 偏振成像关键技术
  •     2.4.1 距离选通技术
  •     2.4.2 同步扫描技术
  •     2.4.3 偏振成像技术
  •   2.5 本章小结
  • 第三章 水下偏振成像系统设计
  •   3.1 偏振成像实验原理
  •     3.1.1 偏振图像采集方案
  •     3.1.2 偏振图像采集设备
  •   3.2 偏振图像获取
  •   3.3 基于多尺度变换的融合方案
  •     3.3.1 偏振图像融合整体框图
  •     3.3.2 偏振参量组合图像
  •   3.4 图像预处理
  •     3.4.1 中值滤波
  •     3.4.2 双边滤波
  •     3.4.3 同态滤波
  •   3.5 本章小结
  • 第四章 基于小波变换的偏振图像融合
  •   4.1 小波变换的理论基础
  •   4.2 图像融合规则
  •     4.2.1 低频融合规则
  •     4.2.2 高频融合规则
  •   4.3 实验结果分析
  •   4.4 本章小结
  • 第五章 基于提升小波变换的偏振图像融合
  •   5.1 提升小波变换的理论基础
  •   5.2 图像融合规则
  •     5.2.1 低频融合规则
  •     5.2.2 高频融合规则
  •   5.3 实验结果分析
  •   5.4 本章小结
  • 第六章 总结与展望
  •   6.1 工作总结
  •   6.2 工作展望
  • 参考文献
  • 攻读硕士期间研究成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 王利杰

    导师: 赵海丽

    关键词: 水下激光成像,图像融合,提升小波,区域能量,区域方差

    来源: 长春理工大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 物理学,海洋学,无线电电子学

    单位: 长春理工大学

    分类号: TN241;P715.5

    总页数: 66

    文件大小: 4274K

    下载量: 369

    相关论文文献

    • [1].基于小波分析的医学影像图像融合与分解设计实现研究[J]. 辽宁大学学报(自然科学版) 2020(02)
    • [2].纯硬件图像融合处理器的研究[J]. 电子测试 2020(13)
    • [3].基于深度学习算法的图像融合[J]. 国外电子测量技术 2020(07)
    • [4].数字图像融合研究综述[J]. 数码世界 2017(08)
    • [5].浅析第二代Curvelet多聚焦图像融合算法[J]. 明日风尚 2017(20)
    • [6].基于全卷积网络的多焦距图像融合算法(英文)[J]. Frontiers of Information Technology & Electronic Engineering 2020(07)
    • [7].图像融合技术发展综述[J]. 计算机时代 2019(09)
    • [8].~(18)F-FDG PET\CT图像融合诊断恶性肿瘤的护理配合[J]. 贵州医药 2018(03)
    • [9].图像融合方法概述[J]. 科技创新导报 2017(02)
    • [10].PET/CT图像融合在鼻咽癌适形放疗中的应用[J]. 实用临床医药杂志 2013(19)
    • [11].图像融合研究综述[J]. 传感器与微系统 2014(02)
    • [12].数字图像融合新进展[J]. 电脑与电信 2013(04)
    • [13].图像融合方法及应用[J]. 科技信息 2010(28)
    • [14].遥感测绘图像融合的运用研究[J]. 世界有色金属 2019(24)
    • [15].基于分布式压缩感知的异源图像融合方法[J]. 舰船电子工程 2018(12)
    • [16].一种改进的基于小波域的多曝光图像融合算法[J]. 电视技术 2018(03)
    • [17].多方向独立小波耦合神经网络的图像融合算法[J]. 计算机工程与设计 2017(11)
    • [18].基于小波变换的图像融合[J]. 现代工业经济和信息化 2016(01)
    • [19].基于改进小波变换的害虫图像融合方法研究[J]. 粮油仓储科技通讯 2015(04)
    • [20].一种改进图像融合算法[J]. 广东印刷 2011(01)
    • [21].基于提升小波的选择性图像融合算法的研究[J]. 包装工程 2010(15)
    • [22].增强融合图像视觉效果的图像融合方法[J]. 信号处理 2019(03)
    • [23].基于标定配准的红外微光图像融合研究[J]. 光电技术应用 2017(03)
    • [24].基于小波变换的图像融合增强算法[J]. 火箭推进 2017(04)
    • [25].基于情感体验下的交互式绘本App设计研究——以《Summer爱的故事》为例[J]. 包装与设计 2020(04)
    • [26].浅谈图像融合中帧的运用[J]. 电子制作 2012(11)
    • [27].基于亮度一致性的多曝光图像融合[J]. 湖北工业大学学报 2018(01)
    • [28].一种基于特征分解的图像融合方法[J]. 浙江大学学报(理学版) 2018(04)
    • [29].基于噪声整形的压缩感知图像融合算法[J]. 福建电脑 2018(08)
    • [30].基于金字塔的多曝光图像融合系统[J]. 电子制作 2018(17)

    标签:;  ;  ;  ;  ;  

    基于激光的水下目标偏振成像探测技术
    下载Doc文档

    猜你喜欢