基于改进的马尔可夫随机场声纳图像分割方法研究

声纳图像与普通的光学图像相比，具有对比度低、成像质量差、受噪声污染严重等特点，传统的图像分割方法难以取得高精度、鲁棒性强的分割结果。提出了一种基于改进的马尔可夫随机场(MRF)声纳图像分割方法。即对于MRF模型参数的建立，提出了新的3类分割空间邻域MRF模型参数；在此基础上把新建立的3类分割空间邻域MRF模型参数和层次间相互作用的模型参数，应用于空间分层MRF 3类分割中，得到最终精确的3类分割结果。通过对人造模拟声纳图像以及真实声纳图像的分割实验，验证了本文提出的分割方法具有较高的分割精度和适应性。该方法考虑了声纳图像中像素间的空间相关性，因而提高了其最终分割性能。     

改进MRF参数模型的声呐图像分割方法

为取得更好的声呐图像分割效果,提出了一种基于改进MRF参数模型的声呐图像分割方法.在空间邻域MRF3类分割中,利用一个简单的正比例分布模型来描述目标区的分布;对于MRF模型参数的建立,采用新的3类分割空间邻域MRF模型参数.在此基础上,把新建立的3类分割空间邻域MRF模型参数和层次间相互作用的模型参数应用于空间分层MRF3类分割,得到最终精确的3类分割结果.同时,通过对人造模拟声呐图像以及真实声呐图像的分割实验,验证了提出的分割方法对噪声不敏感,具有较高的分割精度和适应性.     

新的声纳图像自动分割方法

对水下声纳图像进行目标分割是非常复杂的,它不仅取决于被分割的不同目标,还与海底混响噪声、背景区域有着紧密的联系。通过分析声纳图像的特点,提出了一种新的声纳图像自动分割方法,即利用一种快速的模糊C均值聚类方法来完成初始分割,然后利用初始分割结果对马尔可夫模型的初始参数进行估计,最后,根据马尔可夫理论进行迭代条件估计,得到精确的图像分割结果。最后利用实测数据,验证了此种算法的可行性和有效性。     

用于避障研究的微型仿生机器鱼3维仿真系统

基于VC++6.0开发环境和OpenGL（open graphics library）国际图形标准,在Windows系统下开发了微型仿生机器鱼3维仿真系统。该系统可以降低用实体机器鱼进行机器鱼避障能力研究的成本和减少在研究过程中对实体机器鱼造成的损害。采用多边形建模的方法构建了虚拟微型仿生机器鱼模型,模拟了鱼类尾鳍的摆动。提出了一种模拟红外传感器探测障碍物的虚拟射线方法。并采用实时模糊决策算法设计了基于多传感器信息的复合模糊控制器,决策微型仿生机器鱼的避障行为。仿真实验表明,复合模糊控制器实时性好、效率高;无论是单个任意形状的障碍物还是多个连续障碍物,复合模糊控制器都能有效地引导仿生机器鱼避开障碍物,到达目标点。微型仿生机器鱼3维仿真系统为研究仿生机器鱼的自主避障能力提供了可靠、逼真、便利的平台。