一种高效侧扫声呐图像生成方法技术

本发明专利技术公开一种高效侧扫声呐图像生成方法包括侧扫声呐原始数据经过基于目标声学散射特性与真实海底背景的样本生成方法处理后得到基于真实海底环境的侧扫声呐目标图像；基于真实海底环境的侧扫声呐目标图像通过基于源域和目标域结构一致性的样本增强方法，减小源域和目标域外观上的差异，得到与真实测量环境下测得的侧扫声呐图像相近的侧扫声呐目标图像。基于深度学习的目标检测方法提供充足的代表性样本，有效提升目标检测模型的泛化能力与检测精度，解决了侧扫声呐目标图像稀少且获取高昂的难题。取高昂的难题。取高昂的难题。

【技术实现步骤摘要】
一种高效侧扫声呐图像生成方法


[0001]本专利技术涉及海洋工程
，具体涉及一种高效侧扫声呐图像生成方法。

技术介绍

[0002]目前，经济发展高度依赖远洋运输，随着海上活动的增多，海上事故频发，各种水下设施也需要定期调查与维护。此外，海上利益冲突加剧，为保证海洋安全及海洋活动有序持久地发展，对水下目标探测技术提出了更高的要求。
[0003]其中，参照图1，侧扫声呐作为一种主动声呐，不仅能够快速地获取大范围高分辨率的海底地貌图像，而且价格低廉，因而被广泛地应用于水下目标探测领域。侧扫声呐通过安装在左右两侧的侧扫声呐换能器来获取海底声学影像图。侧扫声呐换能器在船壳内或拖曳体中，开始测量时向两侧下方发射扇形波束的声脉冲，利用回声测深原理，侧扫声呐换能器收到来自照射区各点的反向散射信号。在工作船向前航行时，侧扫声呐按一定的时间间隔进行发射和接收，并把接收到的数据显示出来。然而，其受成像机理、测量环境、设备等因素影响，侧扫声呐目标图像具有噪声高、畸变大、成像质量不佳等问题，导致传统目标自动识别方法特征提取困难，识别精度有待提高。
[0004]而深度学习技术中的人工神经网络能自动地从复杂图像中学习到抽象的高维特征，并通过强大的映射能力，取得了远超传统目标识别方法的性能。然而，深度学习方法作为一种数据驱动的方法，需要大量代表性训练样本。侧扫声呐目标图像样本稀少且获取困难，严重制约了深度学习方法在侧扫声呐图像目标检测中的应用。
[0005]现有技术中获取侧扫声呐目标图像的手段主要有：(1)测量船搭载侧扫声呐进行外业测量，只能获取少量目标样本图像，花费高昂，并且无法获取非合作方设备目标图像；(2)通过对已有的侧扫声呐目标图像进行旋转、反折、缩放、平移、模糊、添加噪声、弹性变换等操作来增加样本数量，虽能够提升网络对目标平移、旋转、变形、明暗变化等影响因素的不变性，对于改善网络性能有一定的帮助，但无法产生全新目标图像，当数据量过少时，对于提升网络泛化能力的作用有限。(3)通过数据仿真生成侧扫声呐目标图像，为了仿真结果更加真实，需要大量真实物理参数，且无法顾及不同声呐成像差异。(4)通过图像转换将其它类型的图像转化为类似侧扫声呐成像风格的图像，无法顾及目标与真实海床背景间的关系，也无法得到与原图像中不同类型的侧扫声呐目标图像。
[0006]如何能够快速低成本地获取海量侧扫声呐目标图像，使得深度学习方法能够更好地应用于测量声呐图像水下目标检测，同时考虑到图像背景的复杂程度和目标本身状态、属性均会对目标检测结果产生影响的事实以及现实中存在大量不包含目标侧扫声呐图像。图像背景的复杂程度对应真实的海底背景的复杂程度。

技术实现思路

[0007]根据本专利技术的一个方面，提供了一种高效侧扫声呐图像生成方法，包括基于目标声学散射特性与真实海底背景的样本生成方法和基于源域和目标域结构一致性的样本增
强方法；
[0008]侧扫声呐原始数据经过基于目标声学散射特性与真实海底背景的样本生成方法的处理后得到基于真实海底环境的侧扫声呐目标图像；
[0009]所述基于真实海底环境的侧扫声呐目标图像通过基于源域和目标域结构一致性的样本增强方法，减小源域和目标域外观上的差异，得到与真实测量环境下测得的侧扫声呐图像相近的侧扫声呐目标图像。
[0010]本专利技术的高效侧扫声呐图像生成方法，基于深度学习的目标检测方法提供充足的代表性样本，有效提升目标检测模型的泛化能力与检测精度，解决了侧扫声呐目标图像稀少且获取高昂的难题。
[0011]同时，能够在零真实样本的情况下，获得能够识别非合作方设备的目标检测模型，提升我国维护海洋权益和国家水下安全的能力。
[0012]还可以基于本专利技术获取样本数据的方法部署于无人设备，可极大提升无人搜寻设备的智能化程度。
[0013]获取到的样本数据可为自动目标检测算法提供充足的测试数据，减少测试成本，提高算法所用模型的性能，提升算法可靠性。
[0014]在一些实施方式中，所述侧扫声呐原始数据经过基于目标声学散射特性与真实海底背景的样本生成方法的处理后得到基于真实海底环境的侧扫声呐目标图像包括：
[0015]将所述侧扫声呐原始数据经过处理后得到原始瀑布图像，
[0016]将所述原始瀑布图像基于海底线跟踪方法初始化侧扫声呐参数，
[0017]将所述原始瀑布图像经过处理得到反映地物真实空间分布的图像，
[0018]对目标根据目标三维模型等模型处理得到包含目标的水下三维场景，
[0019]结合侧扫声呐参数、反映地物真实空间分布的图像和包含目标的水下三维场景经过处理得到包含目标的侧扫声呐图像，
[0020]对所述包含目标的侧扫声呐图像处理后得到基于真实海底环境的侧扫声呐目标图像。
[0021]在一些实施方式中，将所述原始瀑布图像基于海底线跟踪方法初始化侧扫声呐参数的具体过程包括：
[0022]获得侧扫声呐测量过程中的航高。
[0023]在一些实施方式中，所述将所述原始瀑布图像经过处理得到反映地物真实空间分布的图像的具体处理过程包括：
[0024]对原始瀑布图像进行与辐射改正后得到移除传播损失后的图像，对所述移除传播损失后的图像进行斜距改正。由此，可以具有仿真目标图像考虑到地物真实的空间分布的效果。
[0025]在一些实施方式中，所述对所述目标根据目标三维模型等模型处理得到包含目标的水下三维场景包括：
[0026]基于平坦海床的假设，将目标以任意的姿态随机散布于反映地物真实空间分布的图像所覆盖的海床之上，构建出包含目标的水下三维场景。由此，可以具有仿真目标图像中的目标具有多样的变化的效果。可选的，平坦海床的假设也可通过三维反演方式实现。
[0027]在一些实施方式中，所述结合侧扫声呐参数、反映地物真实空间分布的图像和包
含目标的水下三维场景得到包含目标的侧扫声呐图像包括：
[0028]基于散射模型计算来自目标射线交点回波强度；计算某一时刻采样点的回波强度值；根据所述某一时刻采样点的回波强度值按照时间顺序排列，得到包含目标的侧扫声呐图像。由此，具有仿真目标图像顾及了来自真实海床的混响部分又考虑了目标自身的散射，可以更为真实的反映真实情况的效果。
[0029]在一些实施方式中，所述对所述包含目标的侧扫声呐图像处理后得到基于真实海底环境的侧扫声呐目标图像包括：
[0030]对所述包含目标的侧扫声呐图像进行添加噪声操作后得到基于真实海底环境的侧扫声呐目标图像。
[0031]在一些实施方式中，所述计算某一时刻采样点的回波强度值通过对该时刻声波照射范围内所有射线交点处的回波强度值求平均得到。由此，还可以具有考虑到某一时刻侧扫声呐采样点回波强度是该时刻声波照射范围内所有物体表面共同作用的结果的效果。
[0032]在一些实施方式中，所述基于真实海底环境的侧扫声呐目标图像通过基于源域和目标域结构一致性的样本增强方法，减小源域和目标域外观上的差异，得到与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高效侧扫声呐图像生成方法，其特征在于，包括：侧扫声呐原始数据经过基于目标声学散射特性与真实海底背景的样本生成方法的处理后得到基于真实海底环境的侧扫声呐目标图像；所述基于真实海底环境的侧扫声呐目标图像通过基于源域和目标域结构一致性的样本增强方法，减小源域和目标域外观上的差异，得到与真实测量环境下测得的侧扫声呐图像相近的侧扫声呐目标图像。2.根据权利要求1所述的一种高效侧扫声呐图像生成方法，其特征在于，所述侧扫声呐原始数据经过基于目标声学散射特性与真实海底背景的样本生成方法的处理后得到基于真实海底环境的侧扫声呐目标图像包括：将所述侧扫声呐原始数据经过处理后得到原始瀑布图像，将所述原始瀑布图像基于海底线跟踪方法初始化侧扫声呐参数，将所述原始瀑布图像经过处理得到反映地物真实空间分布的图像，对所述目标根据目标三维模型等模型处理得到包含目标的水下三维场景，结合侧扫声呐参数、反映地物真实空间分布的图像和包含目标的水下三维场景得到包含目标的侧扫声呐图像，对所述包含目标的侧扫声呐图像处理后得到基于真实海底环境的侧扫声呐目标图像。3.根据权利要求2所述的一种高效侧扫声呐图像生成方法，其特征在于，将所述原始瀑布图像基于海底线跟踪方法初始化侧扫声呐参数的具体过程包括：获得侧扫声呐测量过程中的航高。4.根据权利要求2所述的一种高效侧扫声呐图像生成方法，其特征在于，所述将所述原始瀑布图像经过处理得到反映地物真实空间分布的图像的具体处理过程包括：对原始瀑布图像进行与辐射改正后得到移除传播损失后的图像，对所述移除传播损失后的图像进行斜距改正。5.根据权利要求2所述的一种高效侧扫声呐图像生成方法，其特征在于，所述对所述目标根据目标三维模型等模型处理得到包含目标的水下三维场景包括：基于平坦海床的假设，将目标以任意的姿态随机散布于反映地物真实空间分布的图像所覆盖的海床之上，构建出包含目标的水下三维场景。6.根据权利要求2所述的一种高效侧扫...

【专利技术属性】
技术研发人员：郑根，杨辉，杨毅，
申请(专利权)人：广东智能无人系统研究院，
类型：发明
国别省市：