基于改进CycleGAN的浑浊水体图像增强算法研究

针对循环生成对抗网络(Cycle Generative Adversarial Networks, CycleGAN)在浑浊水体图像增强中存在质量差和速度慢的问题,该文提出一种可扩展、可选择和轻量化的特征提取单元BSDK (Bottleneck Selective Dilated Kernel),并利用BSDK设计了一个新的生成器网络BSDKNet。与此同时,提出一种多尺度损失函数MLF(Multi-scale Loss Function)。在自建的浑浊水体图像增强数据集TC(Turbid and Clear)上,该文BM-CycleGAN比原始CycleGAN的精度提升3.27%,生成器网络参数降低4.15MB,运算时间减少0.107s。实验结果表明BM-CycleGAN适合浑浊水体图像增强任务。     

基于改进SSD的合成孔径声纳图像感兴趣小目标检测方法

轻量化目标检测模型SSD-MV3(Single Shot Detection-MobileNet V3)因输入图像尺寸限制无法直接检测高分辨率大尺寸合成孔径声纳（Synthetic Aperture Sonar, SAS）图像中感兴趣小目标.为此,本文提出了一种新的目标检测方法 HRSSD(High Resolution Single Shot Detection),该方法通过冗余切割确保SSD-MV3输入图像尺寸的规范以及感兴趣小目标的完整,并利用二次非极大值抑制保证检测结果的唯一.此外,提出了一种尺度、空间和通道注意力机制联合的特征提取模块,并利用该模块重新设计了SSD-MV3的基础网络和附加特征提取网络,记作SSD-MV3P(Single Shot Detection-MobileNet V3 Pro),使得SSD-MV3P能更有效的感知感兴趣小目标特征信息.实验结果表明,在感兴趣小目标检测数据集SST(Sonar Small Targets)上,SSD-MV3P的平均检测精度（mean Average Precision, mAP）比SSD-MV3提升4.39%.HRSSD实现...     

基于改进SSD的水下光学图像感兴趣目标检测算法研究

针对轻量化目标模型SSD-MV2对水下光学图像感兴趣目标检测精度低的问题,该文提出一种通道可选择的轻量化特征提取模块(SEB)和一种卷积核可变形、通道可选择的特征提取模块(SDB)。与此同时,利用SEB模块和SDB模块分别重新设计了SSD-MV2的基础网络和附加特征提取网络,记作SSD-MV2SDB,并为其选择了合理的基础网络扩张系数和附加特征提取网络SDB模块数量。在水下图像感兴趣目标检测数据集UOI-DET上,SSD-MV2SDB比SSD-MV2检测精度提高3.04%。实验结果表明,SSD-MV2SDB适用于水下图像感兴趣目标检测任务。     

基于改进SSD的合成孔径声呐图像水下多尺度目标轻量化检测模型

针对轻量化目标检测模型SSD-MV2对合成孔径声呐(SAS)图像水下多尺度目标检测精度低的问题,该文提出一种新的卷积核模块-可扩张可选择模块(ESK),ESK具有通道可扩张、通道可选择和模型参数少的优点.与此同时,利用ESK模块重新设计了SSD的基础网络和附加特征提取网络,记作SSD-MV2ESK,并为其选择了合理的扩张系数和多尺度系数.在合成孔径声呐图像水下多尺度目标检测数据集SST-DET上,SSD-MV2ESK在模型参数基本相等的条件下,检测精度比SSD-MV2提升4.71％.实验结果表明,SSD-MV2ESK适用于合成孔径声呐图像水下多尺度目标检测任务.     

一种合成孔径声纳图像线目标提取方法

本文研究了针对高分辨率合成孔径声纳图像中常见的管道、线缆等重要水下设施的线目标提取方法。基于图割理论的Grab Cut算法相比其他迭代算法具有较快的收敛速度,但需要人工辅助选定前/背景区域的初始化条件;为此,本文设计了基于尺度放缩后进行Radon变换的感兴趣区域提取环节,作为Grab Cut的初始化步骤解决方案,使之可以快速自动解译;此外,该优化方案还缩小了模型训练的样本容量,提升了直线目标的提取精度和效率。经实验验证,该方法可以快速准确地提取直线目标,且具有相对较强的鲁棒性。     

大测绘带合成孔径声呐斜距向分段运动补偿分析

运动误差是限制合成孔径声呐实现高分辨率成像的重要因素。对运动误差在斜距向空变性特点进行分析,研究斜距向分段策略,提出适用于大测绘带合成孔径成像声呐的斜距向非均匀分段补偿方法。沿地距向对回波数据均匀分段,借助距离压缩效应可得到斜距向的非均匀子段,顺应运动误差“先快后慢”的空变规律,实现更准确的误差补偿。仿真结果表明,经过非均匀分段补偿后,目标方位向峰值旁瓣比降低,目标与背景的对比度增强,远近目标聚焦差异性减弱。斜距向非均匀分段补偿方法通过区别处理空变程度不同的远近距离处的回波数据,对大测绘带合成孔径声呐在近距处的成像结果改善尤其明显。      

改进可变区域拟合模型的合成孔径声呐图像分割方法

为了自动且高精度地分割合成孔径声呐图像中的目标和阴影区域,提出一种核函数尺度自适应可变区域拟合(RSF)模型的分割方法。使用一种基于K-均值聚类的自动初始化方法对水平集进行初始化,减少了人为干预;提出改进的核函数尺度自适应RSF模型,其利用声呐成像中目标与阴影在沿扫测方向具有近似宽度的一般规律,自适应选择核函数尺度参数,使得对应目标和阴影的水平集函数能够同步演化,提高最终分割精度。通过对真实声呐图像的实验结果分析,验证了该方法能较为准确地实现目标和阴影区域的分割,具有一定的精确性和适应性。     

基于改进SSD的合成孔径声呐图像水下多尺度目标轻量化检测模型

针对轻量化目标检测模型SSD-MV2对合成孔径声呐(SAS)图像水下多尺度目标检测精度低的问题,该文提出一种新的卷积核模块-可扩张可选择模块(ESK),ESK具有通道可扩张、通道可选择和模型参数少的优点。与此同时,利用ESK模块重新设计了SSD的基础网络和附加特征提取网络,记作SSD-MV2ESK,并为其选择了合理的扩张系数和多尺度系数。在合成孔径声呐图像水下多尺度目标检测数据集SST-DET上,SSD-MV2ESK在模型参数基本相等的条件下,检测精度比SSD-MV2提升4.71%。实验结果表明,SSD-MV2ESK适用于合成孔径声呐图像水下多尺度目标检测任务。     

一种基于弱监督学习的声图小目标快速检测方法

小目标检测是声呐图像理解中最引人瞩目,同时又极具挑战性的任务之一。该文基于离散余弦变换和K-近邻聚类,提出了一种快速检测方法。离散余弦变换用于生成图像的指纹,是原始图像在二维频域的一种稀疏表达;改进的K-近邻模型对于带有标签数据的需求量相对较低,提升了算法的处理效率和对弱监督场景的适应性。经试验验证,该方法可在准确率和召回率之间达到一个恰当的平衡点,同时在实时成像的合成孔径声呐图像小目标检测中,获得了较为可靠的结果。