基于改进YOLOv5网络的侧扫声纳图像目标检测方法

为构建适合不同测量平台搭载以及满足不同任务需求的高效侧扫声纳图像目标检测网络,将高性能轻量级目标识别网络PP-LCNet引入YOLOv5目标检测框架,并通过调整网络卷积层的通道数,构建了8种不同大小的高性能水下目标检测网络模型。以水下沉船目标为例进行了目标检测试验,结果表明,当网络主干改进为PP-LCNet-1.5x和PP-LCNet-2.0x时,检测精度(mAP)可分别达0.845和0.849,较原始YOLOv5s分别提升了0.024和0.028,同时参数量更少,能够满足普通硬件上的实时目标检测需求。     

联合YOLOv4和迁移学习的侧扫声纳图像沉船检测

为解决侧扫声纳(SSS)图像沉船检测中样本不足、代表性弱等带来的检测精度低的问题,提出了一种联合YOLOv4和迁移学习的SSS图像沉船检测方法。首先,基于SSS成像机理实现了SSS沉船图像样本扩增,解决样本少而无法开展沉船检测模型构建的难题;然后,利用迁移学习,将公共数据集上学习到的权重和沉船通用性特征引入YOLOv4网络,构建高性能沉船检测模型。试验表明,构建的沉船检测模型取得了85.5%的类平均精度(mAP),将传统方法的检测精度提升了7.7%,在少样本情况下实现了沉船的高精度检测。     

侧扫声纳系统在海底障碍物扫测中的应用

针对海道测量中侧扫声纳位置精度低的问题,利用GPS定位数据、单波束水深数据和侧扫数据,研究侧扫声纳扫海测量中海底障碍物信息精化问题。海上试验数据表明：文中提出的多源水声测量信息联合扫测海底障碍物的方法,可改善单一侧扫系统目标探测的精度,对海底目标物扫测具有较好的适用性。     

二维小波变换在侧扫声图目标检测中的应用

针对侧扫声纳图像目标边缘检测困难的问题,利用二维离散小波变换对侧扫声纳(SSS)声图进行多分辨率分析,对大尺度分解的小波系数进行非极大值抑制,并重构小尺度上的低频分量。联合各尺度上的低频分量,构建SSS声图像素点处特征向量,构成其特征空间,对特征空间进行主成分分析,压缩其维数,并对压缩后的特征向量进行K-均值聚类分析,提取类间边缘线。利用含有沉船的SSS声图,并在其均质区域内加入目标与声影进行验证实验。该方法在实验中边缘检测准确率为0.90,表明该方法的有效性。     

基于侧扫声纳的人工鱼礁自动识别方法研究

人工鱼礁的投放是海洋牧场建设的重要措施,为实现大范围人工鱼礁信息的自动识别提取,提出了一套基于侧扫声纳影像的人工鱼礁自动识别方法。首先使用侧扫声纳后处理软件对采集的数据进行预处理,再对预处理后的图像进行均值平滑滤波整体去噪、自适应平滑滤波局部去噪、极差滤波锐化图像、提取目标边缘判定目标、二值化,最后进行矩阵运算提取礁体及其声影区,最终获得鱼礁的位置信息。实验结果表明,本方法应用于两种侧扫声纳图像人工鱼礁识别,正确度达94%以上,完整度达85%以上,且具有良好的通用性,能够为海洋牧场建设中人工鱼礁投放质量评估提供科学的数据支撑。     

侧扫声纳图像中央区的自动确定和重建

侧扫声纳是海洋测绘领域的常用设备,为解决侧扫声纳波束模式带来的声纳图像中央区域质量较差的问题,提出了侧扫声纳图像中央区的自动确定和重建方法。首先根据侧扫声纳测量原理,基于波束模式,自动确定侧扫声纳图像的中央区域;然后根据图像强度梯度和像素可靠信息,计算图像重建区域的优先级;最后根据优先级顺序,采用基于样例的方法对中央区进行重建,提高侧扫声纳图像质量。研究表明,重建后的侧扫声纳图像无论是在主观视觉还是客观评价指标方面,都取得了满意的结果。采用本文所提方法得到的重建图像,能够清晰地反映海底特征,具有很好的应用价值。     

多波束与侧扫声纳海底目标探测的比较分析

侧扫声纳是目前常用的海底目标(如沉船、水雷、管线等)探测工具,在测深领域,多波束以全覆盖和高效率证明了它的优越性。由于多波束具有很高的分辨率,目前在工程上已经开始应用多波束进行海底目标物的探测。对多波束和侧扫声纳进行了比较分析,并着重探讨了影响多波束分辨率的各种因素。结果表明:多波束的最大优点在于定位精度高,但其适用范围不如侧扫声纳广泛,尤其受到水深和波束角的限制,多波束和侧扫声纳在探测海底目标时具有很好的互补性,同时应用可以提高目标解译的准确性。     

海底管道检测中侧扫声纳声波掠射角的优化设计

针对利用侧扫声纳检测海底管道时因其检测声影图像模糊而导致管道悬空高度检测误差过大的问题,提出了侧扫声纳声波掠射角优化设计的思路及方法。阐述了利用侧扫声纳对海底管道进行检测的工作原理,并利用海底管道和海底底质反向散射强度的计算公式探讨了声波在海底的反向散射强度、侧扫声纳声影图像的质量以及声波掠射角的取值这三者之间的关系对海底管道悬空高度h计算精度的影响,从理论上确定声波掠射角最佳取值范围的存在。通过工程实例的现场检测与比对试验,获得了在本试验所处海域环境中利用侧扫声纳检测海底管道时声波掠射角的最佳取值范围,对于类似的海底管道检测工程具有一定的指导意义。     

基于虚警函数的侧扫声纳水下目标实时检测方法

研究了侧扫声纳系统进行水下目标探测过程中目标信号的检测问题。通过分析海底回波信号的统计模型及其参数的估计,讨论了目标信号对统计模型拟合的影响规律,提出了侧扫声纳回波信号虚警函数和虚警率的概念,及其对Ping信号中目标信号的检测方法。算例结果表明,回波信号的三种分布模型中K分布拟合程度最优,在相同虚警率的条件下,基于K分布的虚警函数目标检测率最高。该法可为侧扫声纳回波信号中目标的实时报警提供技术支撑。     

可变尺度区域拟合模型的侧扫声纳分割方法

为解决现有侧扫声纳图像目标分割准确度不高的问题,提出一种联合最大熵去噪和可变尺度区域拟合模型的侧扫声纳图像分割方法。首先,计算图像一维熵,基于最大熵原则对侧扫图像进行降噪处理,提高图像质量,并根据峰值信噪比评判降噪效果;然后基于可变尺度区域拟合模型,采用高斯核函数对分割活动轮廓进行约束,分割降噪后的侧扫声纳图像。通过对含有不同目标物的侧扫声纳图像进行分割实验,验证了联合最大熵去噪和可变尺度区域拟合模型的有效性。     

侧扫声纳图像海面线检测和消除方法研究

海面线是影响侧扫声纳图像海底线跟踪和海底目标检测识别的重要因素,识别并处理海面线是侧扫声纳图像处理的主要内容。考虑到海面风浪影响及拖鱼姿态变化,提出了一种基于移动最小二乘法的侧扫声纳海面线拟合提取方法。首先根据侧扫声纳Ping回波强度的分布特征,利用迭代收敛算法得到海面线概略拟合结果;然后利用移动最小二乘法实现海面线的精确拟合;最后依据得到的海面线,抑制海面线强度,以实现消除海面线。实验结果表明：本文所述方法精度高、误差小、拟合效果佳,能很好地消除海面线。     

基于LOG算子的侧扫声呐图像水下小目标检测算法研究

针对侧扫声呐图像噪声干扰严重、分辨率低、目标轮廓模糊等特点,提出了一种基于LOG算子的侧扫声呐图像水下小目标检测算法。首先,根据侧扫声呐图像中水下小目标成像特点,对声呐图像进行滤波及聚类分割,大幅降低图像中噪声;然后,采用斑点检测思想,提取侧扫声呐图像中疑似目标区域;最后,基于自动阈值分割算法对声呐图像进行分割,获取目标区域二值图像,使用二阶矩估计目标尺度,剔除虚假目标,最终实现水下小目标准确检测。实验结果表明：该方法计算速度快、检测成功率高,对侧扫声呐图像中的水下小目标具有良好的检测效果。     

障碍物探测方法探讨

介绍了侧扫声纳、多波束测深系统、磁力仪的工作原理,提出了障碍物探测的相关技术要求。实例分析了综合利用侧扫声纳、多波束进行沉船探测的方法,结合侧扫声图和多波束水深探明障碍物的精确位置,测得最浅点水深,全面获得障碍物信息,大大提高了探测质量。对铁磁性小目标探测能力进行评估,并用实例加以分析和佐证。     

侧扫声纳在护底工程软体排检测中的应用

介绍了Edge Tech 4100-P型侧扫声纳系统的技术指标和工作原理。根据水下潜堤护底工程软体排的铺排特点,侧扫声纳系统可以高效地探测出海底面以上相邻的软体排结构物的拼接和叠加情况,同时还可以根据侧扫声纳图像判断软体排有无破损及破损后填充物流失情况,评估水下潜堤护底工程的安全系数。通过实例说明了侧扫声纳在软体排检测的外业工作流程,以及内业图像识别与分析,探讨侧扫声纳系统在水下水工结构物探测的应用前景。     

侧扫声纳图像地理编码方法研究

从侧扫声纳各类数据的特点出发,通过构建声纳图像的地理编码模型,提出侧扫声纳图像地理编码方法,将声纳回波数据与定位数据一一对应。实验数据结果表明:该方法是合理可行的,不仅较好地处理了定位数据,消除了拖鱼轨迹线上的折点和扇形裂缝,而且可实现海底回波点的地理定位。     

基于改进Faster R-CNN的无人机航拍图像目标检测

无人机航拍图像中目标检测问题要求检测模型具有旋转不变性。针对这一问题,提出改进的Faster R-CNN算法。首先在区域建议网络中采用K-means聚类方法生成适应数据集的预设锚点框,其次在Fast R-CNN网络中引入新的特征提取层,并在模型多任务损失函数中增加旋转约束条件,为后续检测学习旋转不敏感特征。在人工采集的数据集上进行了对比实验,结果表明:在检测速度无明显降低的情况下,改进方法的检测精度提升了1.6%mAP,算法检测性能较优,更能满足实际应用需求。     

侧扫声纳和多波束测深系统组合探测海底目标

介绍了侧扫声纳和多波束测深系统的特点,通过实例说明了侧扫声纳和多波束测深系统在海洋目标探测中的综合应用。综合利用多波束测深系统测量数据和侧扫声纳声像图,可有效增强不同观测数据的互补性,提高工程质量。     

多波束声呐水体影像沉船自动提取方法

为解决人工浏览水体数据耗时且无法保证结果可重复性的问题,提高数据的利用率和定量分析能力,通过分析水体数据的成像机理,提出一种基于单帧水体影像自动提取沉船目标的算法,利用噪声抑制、数学形态学方法检测目标边缘,根据海底统计特性识别海底,再结合深度特性实现海底与沉船目标分离。使用实测数据验证了沉船自动提取算法,且抗噪性较强。通过水体影像提取的目标信息能够弥补水深点目标模型分辨率不足的缺点,为后续目标三维精细建模奠定基础。     

侧扫XTF格式数据UTM坐标转换重写入实现

以侧扫声纳实际调查数据为例,分析XTF格式侧扫声纳数据中的UTM坐标转化成经纬度坐标问题,同时保证数据的调查精度与格式不变,调查信息不丢失,通过二进制XTF格式数据的解析,确定了调查数据的坐标信息和数据结构,使用VC6.0编制程序,实现了批处理UTM坐标转换为地理坐标信息并重新写入原始XTF数据,提出通过前后坐标插值的方法补充个别坐标异常数据.在908专项QC17区块的侧扫声纳数据处理中得到实际应用,取得了良好效果.     

融合scSE模块的改进Mask R-CNN海洋锋检测方法

海洋锋是重要的中尺度海洋现象,具有数据量小、目标小、弱边缘等特性。针对实际检测任务中弱边缘、小目标海洋锋的检测精度低、错检及漏检率高等问题,融合scSE (spatial and channel Squeeze&Excitation)空间注意力模块构建了一种改进的Mask R-CNN海洋锋检测模型。该方法首先对Mask R-CNN骨干网络结构进行改进,采用scSE模块引导的ResNet-50网络作为特征提取网络,通过加权策略对图像通道和空间位置进行特征突出,提升网络对重要特征的提取能力;其次,针对海洋锋目标边缘定位不准确的问题,引入IoU boundary loss构建新的Mask损失函数,提高边界检测精度。最后,为验证方法的有效性,从训练数据和实验模型上,分别设计多组对比实验。实验结果表明,相比传统Mask R-CNN、YOLOv3神经网络及现有Mask R-CNN改进网络,本文方法对SST梯度影像数据集上的强、弱海洋锋检测效果最好,定位准确率（IoU,Intersection-over-union））及检测精度（mAP,Mean Average Precision）均达0....