【技术实现步骤摘要】
本专利技术涉及锂电池，尤其涉及一种声呐图像优化方法、系统、设备及存储介质。
技术介绍
1、在复杂的水下环境中，光照度较低，光学设备的探测范围受到极大限制。同样条件下，声学设备基于收发超声波进行环境的感知，其不依赖光照，不易受干扰，并且探测范围远，更适合复杂的水下环境监测工作。利用多波束声呐对水下结构进行目标检测和三维重建，由于声呐噪声和多径声反射等噪声的影响，具有很大的挑战性，不能直观地展示水下环境。为此，专家学者们通过使用机器学习和图像处理技术对水下的目标检测和三维重建展开研究。
2、然而，利用机器学习的方法，需要一个包含大量真实声呐图像样本的数据集来训练网络模型，使模型能从图像中检测到结构目标，而未经训练的结构，甚至类似的结构，很可能无法被网络检测到。现有技术在进行图像处理的过程中，仅依靠常规处理方法，可能会出现杂波过多、处理时间久、二维图像特征不明显，以至于点云缺失、冗余或位置失准。
3、因此，现有技术中在进行声呐图像处理的过程中，存在图像特征可靠度不高的问题。
技术实现思路b>
1本文档来自技高网...
【技术保护点】
1.一种声呐图像优化方法，其特征在于，包括：
2.根据权利要求1所述的声呐图像优化方法，其特征在于，所述对所述初始二维声呐图像进行双阈值分割增强处理，包括：
3.根据权利要求2所述的声呐图像优化方法，其特征在于，所述对所述初始二维声呐图像进行骨骼化处理，包括：
4.根据权利要求3所述的声呐图像优化方法，其特征在于，所述对所述初始二维声呐图像进行Canny边缘特征提取，包括：
5.根据权利要求4所述的声呐图像优化方法，其特征在于，所述对所述初始二维声呐图像进行霍夫直线剔除处理，包括：
6.根据权利要求5所述的声...
【技术特征摘要】
1.一种声呐图像优化方法，其特征在于，包括：
2.根据权利要求1所述的声呐图像优化方法，其特征在于，所述对所述初始二维声呐图像进行双阈值分割增强处理，包括：
3.根据权利要求2所述的声呐图像优化方法，其特征在于，所述对所述初始二维声呐图像进行骨骼化处理，包括：
4.根据权利要求3所述的声呐图像优化方法，其特征在于，所述对所述初始二维声呐图像进行canny边缘特征提取，包括：
5.根据权利要求4所述的声呐图像优化方法，其特征在于，所述对所述初始二维声呐图像进行霍夫直线剔除处理，包括：
...【专利技术属性】
技术研发人员：宋利飞，李一，郭荣，王毓清，陈泽宇，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。