基于多尺度几何分析与仿生机理的侧扫声纳图像超分辨率重建

从侧扫声纳成像的机理与特点研究着手，探讨多尺度几何分析和视觉仿生在侧扫声纳图像处理与超分辨率重建中的应用研究。基于侧扫声纳图像先验信息构造多尺度几何变换（MGT）域隐马尔可夫树(HMT)模型，研究基于MGT-HMT模型的图像降噪方法。借鉴生物视觉侧抑制机理处理MGT系数，实现声纳图像的增强。借鉴生物视觉的超视锐度机理，在MGT域利用HyperBF神经网络模型进行非线性插值，实现单幅侧扫声纳图像的超分辨率重建。为进一步提高图像质量，提出两种多幅侧扫声纳图像超分辨率重建方法：基于MGT域的Choquet模糊积分图像融合方法和在MGT域非均匀插值的超分辨率重建方法。本课题的研究在水声图像处理领域是一种新颖的有益尝试，对提高声纳图像的分辨率、改善声纳图像质量，具有一定的借鉴与促进作用。

国防、海洋开发和工程应用等领域的重大需求，使得水下侧扫声纳成像技术得到了越来越广泛的应用。但由于水体介质的吸收和散射效应，严重影响了侧扫声纳图像质量，因而使其应用受到很大的限制。本项目从侧扫声纳成像的机理与特点研究着手，探讨多尺度几何分析和视觉仿生在侧扫声纳图像处理与超分辨率重建中的应用研究。通过研究侧扫声纳图像的成像机理及其多尺度几何变换域的统计特性，提出了基于Curvelet域贝叶斯估计和基于3 维块匹配的降斑方法。借鉴视觉仿生机理处理多尺度几何变换系数，实现水下图像的增强与微弱目标边缘的检测。利用图像局部结构的自相似性和可传递性，结合非下采样Contourlet变换（NSCT）的优点，提出了基于自类推的NSCT域单幅图像超分辨率重建方法和基于NSCT网络的声纳图像超分辨率重建方法。结合水底声纳图像的纹理特性以及多尺度几何变换多分辨、多方向的特点，提出了水底声纳图像纹理特征提取与底质分类的方法；提出了一种统计模型和边缘信息相结合的变分水平集分割方法，实现声呐图像目标区、阴影区及海底混响区的三类分割。本项目研究对提高声纳图像的分辨率及质量、促进声纳图像的自动解译，具有一定的借鉴与促进作用。