阅读量：

1078

作者：

荆丹翔

展开

摘要：

海洋牧场是近海渔业由传统的捕捞和养殖方式向增殖和管理利用方式转变的现代渔业形式,是指在特定海域开展类似陆地农牧场的建设,从而提高海洋生物资源的质量和产量,实现海洋生态系统的保护与资源的可持续利用.海洋牧场的渔业资源评估是海洋牧场开发的一个重要环节,目前海洋牧场的资源主要依靠计量鱼探仪测量和采样捕获调查进行评估.前者通过测量回波的目标反射强度来粗略估算鱼类数量,并无目标跟踪,定位等功能,后者的捕获方式本身就有损鱼类资源,其精度也十分有限.而识别声呐是一种利用声学透镜发射独立波束的多波束系统,它可以在昏暗或浑浊水域中生成几乎等同于光学影像的高清晰度图像,达到识别目标的程度.相对于传统的多波束系统采用时延阵列或者数字波束形成技术进行信号的收发,识别声呐通过声学透镜实现波束形成,既降低系统功耗,减小体积,又提高了成像效率.现阶段,识别声呐在渔业探测中的应用尚停留在个体目标计数,体长测量以及行为观测阶段,并没有形成一套完整的资源评估体系.因此,本文在探讨识别声呐工作原理的基础上,利用识别声呐进行渔业资源评估的理论研究和实际应用,提出一套基于识别声呐的新型渔业资源评估方法.具体研究内容如下: 对声呐图像展开预处理并进行目标提取研究.对采集的声呐数据进行坐标变换,利用反距离加权内插法将图像还原成水下影像.利用线性变换增强图像,设计基于迭代最小二乘去噪法去除图像中的斑点噪声,采用基于信号强度模型的方法去除图像背景,利用三倍标准差准则获取阈值进行目标提取,最后针对复杂背景下的声学图像,提出一种基于Sobel算子的边缘提取结合形态学处理的目标提取算法. 对鱼类跟踪算法展开研究.由于水下环境复杂,对于杂波横生,目标密集的多目标跟踪问题,基于数据关联的目标跟踪算法计算量巨大,不能实现水下多目标的实时跟踪,因此在对基于贝叶斯理论的联合概率数据关联,多假设目标跟踪等算法研究的基础上,提出基于序贯蒙特卡罗的概率假设密度滤波结合Auction航迹识别的多目标跟踪算法,利用识别声呐的定点采集模式获取水下鱼类信息,进行多目标跟踪研究,并利用Visual Studio结合OpenGL实现多目标轨迹按照时间顺序显示在三维空间中. 研究基于识别声呐的鱼类数量评估方法.提出一种基于平均体密度和面密度的鱼群数量估计算法,即首先利用识别声呐通过走航的方式采集水下数据,通过声呐图像处理算法提取目标,利用最近邻结合扩展卡尔曼滤波算法对多目标跟踪计数,统计声呐扫过水域体积或面积,获得对应的体密度或面密度,结合整个水域的蓄水量或占地面积,实现鱼类数量估计.为了验证算法的可行性,在青草沙水库进行现场试验,采用体密度估计法实现了对整片水域的鱼类数量估计. 研究基于识别声呐的水下目标定位算法.针对识别声呐只能获取目标在波束探测范围内斜距与方位角信息的特点,提出基于单台识别声呐在不同走航探测模式下,以及基于两台识别声呐在不同布置模式下,实现目标空间定位的算法.通过水池试验,验证单台声呐走航定位的可行性与准确性,并深入分析定位误差产生的原因以及被测目标的不同运动参数,位置对误差的影响.结合数据关联算法,对滴水湖采集的现场数据进行鱼类水下定位研究,获得目标的三维跟踪轨迹,并分析水库中鱼类的垂直分布特性以及鱼类在水下的游泳特性,包括游泳速度,方向等. 通过对鱼类的目标数量估计,多目标跟踪和水下分布等内容的研究,形成一套新型的基于识别声呐的渔业资源评估体系,填补我国在渔业资源高精度评估领域中的空白,为我国海洋牧场开发提供技术支撑.

展开

关键词：

海洋牧场 渔业资源评估 识别声呐 目标检测 跟踪算法 水下定位

学位级别：

博士

学位年度：

2018