一种平衡的水下声学图像目标检测方法技术

本发明专利技术公开了一种平衡的水下声学图像目标检测方法，解决了水下声学图像目标检测的不平衡问题。具体为：利用图像嫁接、物体拉伸、图像随机裁剪以及多方向物体翻转技术来解决水下声学图像的样本不平衡问题；利用对偶特征金字塔、可变形卷积以及图像尺度抖动来解决水下声学图像中的物体尺度不平衡问题；利用高斯模型建模回归问题、高斯模型方差投票修正以及级联目标检测器技术来解决水下声学图像中物体定位不平衡问题；利用重加权以及重采用技术来解决水下声学图像中图像类型不平衡问题。本发明专利技术提出的方法针对性强，性能优越，提高了目标检测方法在水下声学图像中的适用性和泛化性，对于水下声学图像处理领用具有重要的应用价值。值。值。

【技术实现步骤摘要】
一种平衡的水下声学图像目标检测方法


[0001]本专利技术涉及一种平衡的水下声学图像目标检测方法，属于水下声学图像目标检测


技术介绍

[0002]水下目标检测是近年来非常活跃的研究领域之一，其应用非常广泛，涉及濒危水生物的跟踪与保护、鱼群定位、分类与跟踪、打捞与救助、海底管道探测等方面。由于水下环境复杂多变(如声学介质约束及异质性)以及水下信号获取、传送及处理成本等因素，水下可用数据往往不够准确。由于声呐可以在低能见度条件下可靠运行，是目前最常用的检测手段。水下声呐设备主要包括前视声呐、侧扫声呐和合成孔径声呐。
[0003]基于声呐图像的水下目标检测方法很多，其中常用的目标检测方法有基于恒虚警率检测算法、单元平均恒虚警率算法和累积单元平均恒虚警率算法等。此类算法通过比较声呐图像的像素灰度是否超过设定的检测阈值实现水下目标的检测。
[0004]显然，这些算法基于声学图像的表面特征（纹理、边框等）和一些统计特征（灰度直方图、图像矩等）来实现目标检测，因此难以泛化到场景复杂的地形中，以及难以对复杂目标实现检测。同时，不同于通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种平衡的水下声学图像目标检测方法，其特征在于，所述方法包括如下步骤：步骤1，获取水下声学图像，并分为训练图像和测试图像，对训练图像进行预处理，包括采用图像嫁接、物体拉伸、图像随机裁剪、多方向物体翻转以及图像尺度抖动技术进行数据增强；步骤2，利用卷积神经网络基网对步骤1预处理后的训练图像提取特征，得到卷积神经网络基网四个阶段各自对应的特征图；步骤3，将步骤2卷积神经网络基网各个阶段生成的特征图输入对偶特征金字塔网络，得到从上至下和从下至上的两个对偶的特征金字塔，再将两者相加得到最后的输出；步骤4，将步骤3最后输出的特征经过区域提取网络得到若干个感兴趣区域及各感兴趣区域的分类得分，将各感兴趣区域与真实包围框进行匹配，得到面积交并比，将面积交并比大于阈值的感兴趣区域标记为正例，反之则为负例；将分类得分前2000的感兴趣区域按其面积从各个层级的特征金字塔中提取对应的特征到同一分辨率尺度，得到感兴趣区域特征；步骤5，将步骤4得到的感兴趣区域特征输入到三个级联检测头中，依次进行分类、回归以及各个检测头对应的预测框位置的方差估计，得到每个检测头对应的预测框分类得分、预测框位置及其方差；步骤6，对步骤5中每个检测头得到的预测框与真实包围框进行匹配，得到面积交并比，将面积交并比大于检测头对应的面积交并比阈值的预测框标记为正例，反之则为负例；其中，三个级联检测头对应的面积交并比阈值逐渐提升；步骤7，对步骤4标记为正例的感兴趣区域和标记为负例的感兴趣区域的分类得分计算交叉熵损失，同时，对每个检测头，将步骤6标记为正例的预测框和标记为负例的预测框的分类得分计算交叉熵损失；步骤8，对步骤4标记为正例的感兴趣区域计算与对应真实包围框的回归损失，对步骤6每个检测头的预测框，计算标记为正例的预测框及其方差与对应真实包围框的相对熵损失；步骤9，计算步骤7和步骤8中所有损失的梯度，对整个目标检测网络进行梯度反向传播，并更新网络参数，直至网络收敛；步骤10，利用训练得到的目标检测网络对测试图像进行检测，并通过方差投票的软非极大值抑制算法进行后处理，得到最终的目标检测结果。2.根据权利要求1所述平衡的水下声学图像目标检测方法，其特征在于，步骤1所述图像嫁接的具体过程为：对于给定的一张侧扫的声学图像，随机选取的左半边或者右半边图像，从训练图像中随机选取一张侧扫图像，并随机选取的左半边或者右半边图像，将图像
与嫁接得到一张新的图像，上述过程形式化为：其中，为拼接算子，优先选择中没有物体的一半作为，优先选择中有物体的一半作为。3.根据权利要求1所述平衡的水下声学...

【专利技术属性】
技术研发人员：顾善植，彭智亮，蓝丹，吴瑶，王聪睿，胡亚清，王明兴，杨石梦，
申请(专利权)人：湖南汇视威智能科技有限公司，
类型：发明
国别省市：