南通大学毕业设计开题报告.docxVIP

南通大学毕业设计开题报告

学生姓名

周霖

专业

电气工程及其自动化

班级

电192

学号

题口

基于水下声呐信息的失事残骸识别系统研究

阅读文献

情况

国内文献22

开题日期

2023年3月3日

国外文献9篇

尺2

开题地点

11教406

一、文献综述与调研报告：（阐述课题研究的现状及发展趋势，本课题研究的意义和价值、参考文献）

本课题研究的现状及发展趋势：

海洋扫测声呐主要包括侧扫声呐、多波束声呐、合成孔径声呐三类［1］。本文主要利用侧扫声呐进行研究。侧扫声呐技术是探索海底的主要技术手段之一，我国对此技术起步较晚，早期都是从发达国家进口设备来使用，而1970我国开始研究侧扫声呐系统，并在1972年成功研究出第一款侧扫声呐系统，并被应用到了海军的武器中，增强了我国军事硬实力。

李勇航⑵等人讲述了截止到2015年侧扫声呐技术的现状及发展，由于海洋环境复杂，时刻有大量噪声，对侧扫声呐探测系统带来了噪声污染，解决噪声干扰问题是提升侧扫声呐成像图像质量的关键问题之一。何勇光［3］介绍了当今声呐发展迅速，美国Klein公司使用了数字动态聚焦科技以及波束控制技术可以获得更高分辨率的图像信息。侧扫声呐应用广泛，李海滨等人［4］介绍了侧扫声呐应用于海洋局部生态系统监测、海水养殖及濒危动物监测、海底热液喷口及冷泉探测、水下搜救等。侧扫声呐技术的发展为更多的应用场景提供了方便，但同时也对侧扫声呐图像精度及对图像处理要求更高。

李海滨等人⑷也验证了侧扫声呐图像在海底目标和定位的应用上的可行性。而海上环境复杂，噪声污染等无可避免，在声呐图像处理中，武鹤龙等人⑸提出来一种侧扫声呐非下采样轮廓波变换域分区增强办法，结果不仅可以较好消除噪声，而且可以提升弱边缘使声呐图像效果增强。而王磊等人⑹提出来一种利用小波和NLM滤波的组合降噪方法，进一步降低了回波信号中的非高斯分布的乘性噪声，获得了更好的声呐图像，这种方法主要应用于侧扫声呐回波信号处理。王磊，金绍华等人⑺提出了一种基于剪切波变化的侧扫声呐图像降噪方法，有效地抑制了噪声，获得了更好的图像效果。刘晨晨⑻针对侧扫声呐图像受海底混响干扰严重的缺点，不仅提出了一种将高阶谱双谱的谱峰值作为图像中目标是否存在的判断方法，使其更具普遍性，还提出了一种形态学边缘算法、基于图像边缘Radon变换的声呐图像不变性特征提取办法。王雷［9］对声呐数据进行了解码，提出了航向角优化模型和航向角校正算法；对滤波算法进行了研究，并提出了一种改进BEMD的图像滤波算法，为后续图像分割工作打好了良好基础；通过对分割算法的研究，提出了一种基于分层MRF的侧扫声呐图像快速分割算法，提高了传统分割算法的分股速度和分割精度。李胜全等人［10］首次将负反馈分析理论引入到海底图像处理论述了声呐图像快速增强处理方法，并首次提出侧扫声呐图像镶嵌必须考虑增益因素。王雷等人［11］利用BEMD和GMRF改进模糊C均值聚类算法，提出了新的聚类准则和距离函数，形成了一种新的模糊聚类算法，提高了抗噪性和准确性。罗明愿［12］从聚类分析的角度提取了声呐图像的感兴趣区域，分别用灰度信息和区域绝对粗糙度，灰度信息和分形维数。灰度信息和局部区域表面积等，采取均值聚类等算法取得了良好结果。李阳［13］研究了多种图像预处理和模糊聚类算法，并在两种不同类型的神经网络分类器进行了侧扫声呐图像海底底质的分类。刘小菊等人［14］利用侧扫声呐在南海某珊瑚礁发现了沉船并对该区域的侧扫声呐图像进行定量反演和重建。董凌宇等人［15］构建了基于分形纹理特征的Adaboost级联分类器沉船目标识别流程，有效提供了目标识别精度与识别效率。汤寓麟等人［16］提出了一种基于迁移学习的卷积神经网络侧扫声呐沉船图像识别方法，从理论上证明了该方法可以有效应用于海上搜救中。武银等人［17］提出了一种联合迁移学习和深度学习的沉船侧扫声呐图像识别方法，成功证明了迁移学习算法有利于提高小样本情况下识别的正确率。郑毅等人［18］分析了侧扫声呐图像纹理特征，对该特征在沉船识别中的应用提供了理论基础。

在深度学习被广泛应用以来，李书东［19］提出了一种经过改进的深度学习侧扫声呐图像沉船目标检测办法，并在对侧扫声呐条带图像沉船目标检测中取得了良好结果。余泽芳［20］在YOLOv3模型的基础上提出来一种多维度特征融合的ImprovedYOLOv3,提高了准确度和置信率，训练出了准确度更高的模型。张博宇等人［21］利用卷积神经网络，通过大量的数据训练，对众多结构的神经网络进行了对侧扫声呐沉船图像识别实验，得出了DenSeNetl21是六种神经网络（LeNet-5、AlexNetVGG、GoogleNetResNet系列、Dens