基于轻量化YOLOv7算法的侧扫声纳图像沉船检测

针对现有的侧扫声纳图像水下沉船检测方法存在检测速度慢,传统的YOLOv5算法存在的漏检的问题,提出基于轻量化YOLOv7算法的水下沉船检测改进方法。首先,通过随机翻转、随机噪声等操作扩充沉船图像的样本数量;然后,引入迁移学习策略,将在COCO数据集上学习到的权重迁移到沉船检测的YOLOv7网络中;其次,改进模型损失函数中惩罚项的计算方式,提升收敛速度;最后在YOLOv7网络中引入FasterNet结构,减少模型的参数量和计算复杂度,降低模型对硬件的需求,达到轻量化模型的目的。实验结果表明,改进方法较原始YOLOv7算法在类平均精度值(mAP值)上提升了4.75%,检测速度也由原来的0.0218秒/帧提升到0.0179秒/帧,证明了改进方法的工程应用价值。

联合多波束与侧扫声纳的海缆检测方法

为解决海底电缆路由检测中多波束扫测分辨率低、侧扫声纳(SSS)图像位置不准且存在误识别问题,提出了一种联合多波束与侧扫声纳的海底电缆路由自动检测方法,利用多波束图像高精度的位置信息纠正侧扫声纳图像,并顾及侧扫声纳图像海缆成像特点进行线状特征增强与边缘提取,实现海底电缆目标的自动、准确检测。实验结果表明,该方法能实现非掩埋海缆探测的准确探测,为海底电缆检测提供了多源测量信息融合的新思路,丰富了海底电缆检测的技术方法。

基于CSLS-CycleGAN的侧扫声纳水下目标图像样本扩增法

针对侧扫声纳水下目标图像稀缺,获取难度大、成本高,导致基于深度学习的目标检测模型性能差的问题,结合光学域类目标数据集丰富的现状,提出一种基于通道和空间注意力(channel and spatial attention,CSA)模块、最小二乘生成对抗生成网络(least squares generative adversarial networks,LSGAN)及循环对抗生成网络(cycle generative adversarial networks,CycleGAN)的侧扫声纳水下目标图像样本扩增方法。首先,受CycleGAN的启发,设计基于循环一致性的单循环网络结构,保证模型的训练效率。然后,在生成器中融合CSA模块,减少信息弥散的同时增强跨纬度交互。最后,设计了基于LSGAN的损失函数,提高生成图像质量的同时提高训练稳定性。在船舶光学域数据集与侧扫声纳沉船数据集上进行实验,所提方法实现了光学-侧扫声纳样本间信息的高效、稳健转换以及大量侧扫声纳目标样本的扩增。同时,基于本文生成样本训练后的检测模型进行了水下目标检测,结果表明,使用本文样本扩增数据训练后的模型在少样本沉船目标检测的平均准确率达到了84.71%,证明了所提方法实现了零样本和小样本水下强代表性目标样本的高质量扩增,并为高性能水下目标检测模型构建提供了一种新的途径。

基于语义分割的侧扫声纳管线目标检测方法

为提高侧扫声纳图像中管线目标检测的自动化程度及效率,提出了一种基于语义分割的水下管线目标检测方法。首先通过构建高效语义分割网络主干,提高网络计算速度并降低网络对计算机硬件性能的需求;其次给出了一种针对管线目标特点的加权交叉熵损失函数,解决了因类间数量不均衡导致的网络训练困难问题。以多种复杂条件下侧扫声纳实测数据进行了水下管线检测试验,结果表明,该方法在取得和经典网络相近精度的情况下,速度提升了2.7倍,可达52.6FPS,实现了水下管线的快速、准确检测。

基于区域生长的侧扫声纳海底线追踪算法

针对当前侧扫声纳海底线自动追踪存在有飞点、连续性较差、易受噪声影响等问题,通过分析侧扫声纳海底线形成机理及图像特征,提出了基于改进的区域生长法的侧扫声纳图像海底线追踪方法,首先利用控制生长方向方法优化区域生长法计算复杂度高、效率低的问题,在提高追踪效率的前提下抗干扰能力也得到了有效加强,然后利用大滤波核中值滤波方法在保留海底边界特征的同时提高海底线连续性,最后利用二次区域生长方法针对性消除航迹线对瀑布图海底线的影响。通过对该方法进行研究和实验,成功实现了海底线自动追踪提取。在秦皇岛附近海域开展现场测试,论证了与传统阈值法提取海底线相比,提出的新方法在抗噪能力、连续性、普适性等方面都具有更好的效果。

水面无人艇侧扫声纳技术在人工鱼礁调查中的应用

人工鱼礁作为海洋牧场的重要组成部分,在增殖和优化渔业资源、改善海洋生态环境、调整海洋渔业产业结构方面发挥着重要作用。水面无人艇(USV,Unmanned SurfaceVehicle)具有吃水浅、灵活机动、安全高效的特点和优势,日益成为浅水地区调查的重要手段。水面无人艇搭载侧扫声纳设备,运用无人艇自动巡线、人工监控的作业模式开展人工鱼礁后期监测,近岸地区适用性强且经济高效。本文基于2023年运用无人艇在珠江口某海岛近岸海域获取的调查数据,处理和分析评估表明其采集数据可靠性高,能清晰识别人工鱼礁特征体,摸清工区内人工鱼礁的分布状况,以及对礁体后期监测,为海洋牧场建设提供可靠的技术支撑。

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。

以3DSS-iDX-450三维侧扫声纳为例探究声纳于海洋测绘中的应用

本篇以3DSS-iDX-450三维侧扫声纳为基础进行分析,探究侧扫声纳系统在海洋测绘当中的地位以及目前发展的进度和目前为止存在的不足之处。中国海洋资源是位于世界榜首处,但中国对于海洋资源的合理开发与利用可谓是微乎其微,将侧扫声纳系统功能作用改善,可以推动海洋测绘的进一步发展,并将祖国的海洋资源在合理开发下充分发挥其作用,为祖国建设增添新的方向与力量。

侧扫声纳图像增益补偿判断模型建模方法研究

为解决复杂海洋环境导致的侧扫声纳图像亮度不均、对比度低等问题,基于侧扫声纳的工作原理,对声纳图像在外业实时控制和内业数据处理过程中常用的增益补偿方法进行了深入研究,提出了一种侧扫声纳图像增益补偿判断模型,依据此模型可以实现在数据采集时对图像增益做出自动判断并进行合理补偿,提高实时生成的图像质量。模型采用灰度直方图二次拟合的方法对图像增益进行判断,考虑到侧扫声纳拖鱼两侧可能出现回波强度不一致的情况,模型也提出了相应的判断方法。最后分别利用不同型号侧扫声纳系统的扫测结果进行验证,证明了该模型的普遍适用性,在实际应用中可以减少侧扫声纳系统对使用者的依赖。

基于地物不变性的侧扫声纳条带图像匹配方法

为解决侧扫声纳条带图像拼接时共视目标的扭曲和错位问题,提出了基于地物不变性的特征点匹配方法。该方法对侧扫声纳图像重叠区域进行符合地物不变性的特征点提取、K-均值分区和薄板样条弹性变换等处理,实现匹配点对的精确配准。采用某海域实测侧扫声纳数据对算法进行了验证,结果表明,特征点匹配效率和准确率高于传统的RANSAC算法,配准精度达到0像素偏差,拼接后的图像能够准确反映海底地貌特征,对大面积、高质量的海底地形地貌图像获取有重要意义。

侧扫声纳系统在海底管道检测中应用研究

使用侧扫声纳系统可对海底管道的平面位置、裸露的高度、悬跨程度等在位状态进行检测。对于平坦海底面上的管道,依据声纳记录上管道声影区与管道影像的尺寸和相互接触关系,能够计算出管道的裸露或悬跨高度。对于位于管道沟中的海底管道,在一定条件下侧扫声纳仍能检测到管道的在位状态。通过工程实例分析,侧扫声纳能够用于管道检测,提高管道工程的安全性。

多波束声纳和侧扫声纳数字信息的配准及融合

提出了基于等深线和轮廓线的同名特征点配准法,它组合测深数据和回波强度图像信息,从等深线和轮廓线段中提取特征点,对同名特征点使用二次多项式拟合方法确定变形模型,实现不同数据源的配准。使用小波进行融合处理,采用交叉熵对结果进行评价。用模拟数据进行了验证,取得了理想的效果。

侧扫声纳系统在石料人工鱼礁堆体积估算中的应用

采用侧扫声纳系统,对大连市金州湾蚂蚁岛海域中A、B两个石料人工鱼礁区进行调查评估,将声学方法应用到石料礁堆体积估算中,目的是探究石料礁堆体积估算的新方法,提高计算结果的准确性,进而提高工作效率。使用侧扫声纳系统进行数据采集,通过相关数据处理软件和计算机辅助技术对声纳数据进行后处理,提取石料礁堆特征图像,结合函数曲线对石料礁堆体积进行估算。结果显示,侧扫声纳图像能够清晰反映石料礁在海底的分布状态,根据图像能够对石料礁的冲淤程度进行判别,利用几何关系及相关技术手段对石料礁堆体积进行估算,估算结果存在一定误差,通过多次不同角度的检测或配合其他辅助软件能尽可能减小误差。在A石料礁区,运用积分断面法估算的石料礁堆体积与该礁区投放纪录的实际体积相比,相对误差接近16%;对B石料礁区进行检测评估,所得石料礁堆体积与实际体积之间的相对误差也接近16%。两个石料人工鱼礁区所估算的体积与实际体积相差均很少,虽然两个礁区物理环境以及石料礁堆大小均不同,但二者相对误差接近且均小于20%,验证了积分曲线的合理性。因此,在诸多不确定因素的影响下,该方法可相对精确地估算石料礁堆体积,可为人工鱼礁区建设、管理和评价提供支持和依据。

用于侧扫声纳图像边缘检测的改进Canny算子

针对侧扫声纳图像斑点噪声强的特点,提出一种改进的Canny算子进行边缘检测.根据斑点噪声的乘性模型和瑞利分布特性,在非下采样Contourlet变换域进行局部自适应降斑.该方法在有效抑制斑点噪声的同时可较好地保护边缘,避免了Canny算子造成的边缘模糊.计算降斑后图像的梯度值分布,对梯度幅值进行非极大值抑制得到极大值点.将梯度模的极大值点分成强边缘点、弱边缘点与非边缘点3类,基于类间方差最大自适应确定区分3类的双阈值,经双阈值处理与弱边缘连接得到边缘图.对模拟声纳图像和实际声纳图像的边缘检测结果表明,较之Canny算子和小波模极大等边缘检测方法,该方法具有边缘检测完整、定位准确、伪边缘点较少等优点.

基于侧扫声纳方法的框架式人工鱼礁测量

为研究应用侧扫声纳技术评估已建人工鱼礁工程建设质量的可行性,于2017年4月应用侧扫声纳技术对已建1年的资源保护型人工鱼礁区进行现场勘测,随机选取AR1与AR2 2种人工鱼礁各15个,通过分析软件处理侧扫声纳实测数据,可获人工鱼礁的高度、沉降量、礁体布局等状态信息。结果显示,勘测礁区AR1型礁体高度为3.74~4.76 m,平均为4.44 m,沉降率为13.52%~32.20%,平均为19.20%;AR2型礁体礁体高度为2.57~3.45 m,平均为2.85 m,沉降率为13.67%~35.75%,平均为28.66%。截至调查时间为止,2种混凝土礁体结构较完整,个别礁体倾倒,实际礁体布局与预设布局有一定偏差。2种礁体沉降度单因素方差分析结果表明,2种礁体在投放海区的抗沉降能力差异显著,AR1型礁体抗沉降能力优于AR2型礁体。

侧扫声纳图像增强技术

随着海洋探测技术的飞速发展,侧扫声纳的图像质量和定位精度迅速提高,其应用日益广泛和深入。在声纳图像判读分析时,常常需要进行辐射改正和均衡增强。根据海底地貌声纳图像的特点,归纳了几种有效、适用的图像增强方法,并建立了声纳图像分析软件。

基于数据融合的侧扫声纳图像预处理

论述了基于数据融合的侧扫声纳图像处理的特殊过程。根据现代侧扫声纳系统的特点 ,提出了利用声线跟踪法进行斜距改正 ,同时对目标阴影区进行了处理 ;对文献 [1]的灰度不均衡的改正算法进行了改进。利用小波变换检测出灰度突变区 ,根据剔除突变区后计算的灰度改正系数进行航向上的灰度改正 ,并用模拟数据和实际数据进行了验证 ;鉴于波束展宽效应对远场目标造成的拖尾效应 。

悬跨海底管道的侧扫声纳检测方法

阐述了侧扫声纳的工作原理,介绍了侧扫声纳对不同状态海底管道检测所能得到的声纳图形式。实地检测结果表明,对于铺设于相对平坦海底的管道,侧扫声纳能够对管道的悬跨或掩埋程度进行判别;对于埋设施工的海底管道,可对管道与沟槽底部的接触或悬跨进行判别,但由于管道、沟槽尺寸或检测角度的影响,检测结果可能出现误差,可通过多次不同角度的检测或配合其他海洋声学设备,得到可靠的结果。最后指出应对检测图像进行去噪、融合、分割、识别和检索等处理,以提高声纳图的准确性及可判读性,从而为海底管道的悬跨治理和运行安全提供保障。

侧扫声纳图像实时增强技术

本文从声纳原理和测量实践出发,针对海底图像实时判读问题,首次将负反馈分析理论引入海底图像处理,论述了海底声纳图像快速增强处理方法,探讨了数据采集实时性、图像处理复杂性、外业环境干扰强等矛盾的解决方法,实现了实时多色调海底声纳图像快速增强显示,首次提出侧扫声纳图像镶嵌必须考虑增益因素。实验结果表明:海底图像满足野外环境下的声纳作业要求,声纳数据符合目标信号、系统增益控制和目标判读三个层面的要求。

基于侧扫声纳图像海底目标物提取方法

分析了侧扫声纳数据成像原理,利用凹凸目标成像与阴影的关系,依次采用二值化处理、中值滤波处理、开启与闭合操作、Canny边缘提取等多种图像处理的手段,实现了海底目标物的提取与定位,并通过实验验证了本方法的可行性。