一种基于成像声呐的无人艇水下目标智能识别方法与流程

本发明涉及无人艇操作平台、目标识别和分类的数字图像处理、水下目标识别等。

背景技术：

1、无人水面艇(unmanned surface vessels,usv)指的是那些能够通过岸基或者水面舰艇布放或者回收的，可以实现自主或者半自主航行的智能无人平台。在海洋环境探测领域，无人水面艇成为了环境探测一体化、智能化领域的一个新的探测手段。因此，搭载声呐的无人水面艇常用于水下环境的实时探测，这也使其广泛应用于军事领域和环境勘探领域，如探雷、情报收集、监视、侦察、近海防御和海洋水文气象信息采集、海底地形地貌扫描测绘等。

2、无人水面艇普遍体积小吃水浅，执行任务主要集中在浅水水域。水下探测技术主要包括光学成像和声呐成像。无人艇水下目标识别技术不同于陆地或空中目标识别方法。由于受到浅水水域环境因素的影响，如时刻变换的水流、光照不均匀、水质浑浊等，目标图像信息采集困难。同时它受水介质对目标信息的散射作用的影响较大，导致目标信息模糊或失真。无人艇传统水下目标识别方法是光学识别，光学成像的距离一般在几米到几十米之间，距离较近，而且在浑水域基本失效。声呐成像具有作用距离远、穿透能力强等优点，特别适合用于浑水域。

3、近些年，深度学习在目标识别和分类数字图像处理方面取得了重大进展，通过对大量样本的训练模型的训练能够提高识别的准确率。由于声呐目标成像试验的代价较大，且难以获得大量可用的实际图像，这使得直接训练cnn时会出现过拟合会导致声呐识别准确率较低。

技术实现思路

1、针对无人水面艇传统水下目标光学识别方法存在的识别目标近，浑水域基本失效；声呐目标成像识别训练样本难以获得，使得训练结果易过拟合导致识别准确率较低的情况，本发明提供了一种基于成像声呐的无人艇水下目标智能识别方法，利用无人艇搭载多波束前视成像声呐，采用基于curvelet-enhance曲波变换的声呐图像增强算法与卷积神经网络深度学习算法结合，突出声呐图像边缘、纹理等细节信息，改善声呐成像质量，满足无人艇常用场景的目标识别需求，提高了无人艇水下目标识别准确性。

2、本发明的技术解决方案包括：利用无人水面艇搭载的多波束前视成像声呐发射基阵一次发射多个具有相同水平开角和垂直开角的声波束，对声呐前一个扇形三维区域进行扫描，采集多环境多角度的水下目标声呐图像；将采集到的原声呐图像进行curvelet-enhance曲波分解，提高声呐图像的整体对比图，增强声呐图像的整体成像质量。建立深度学习神经网络，建立卷积层，提取图像的局部特征，交替建立卷积层和池化层，防止数据过拟合，迭代训练提高样本识别准确率。

3、本发明与现有技术相比具有的优点如下：

4、无人艇传统的目标识别方法是光学识别，但是传统的光学成像在浑水域的成像效果，会受到水域波浪、阳光散射的影响，基本失效。而普通的成像声呐采集到的图像往往具有噪声强、畸变严重、目标边缘模糊、分辨率低等特点。本发明采用基于curvelet-enhance曲波变换的声呐图像增强算法与卷积神经网络深度学习算法结合的水下目标智能识别方法，改善了声呐图像的显示效果，基于curvelet曲波变换具有的多尺度特性和良好的方向性，提出了基于curvelet-enhance变换的分段非线性增强方法，能够将噪声信息和边缘信息很好地分开，在提高对比度、抑制噪声的同时，能够突出声呐图像边缘、纹理等细节信息，针对采集的声呐图像-轨道砦、栅栏、渔网等的应用场合，有目的地加强声呐图像的整体和局部特性，扩大图像中不同物体特征之间的差别，满足无人艇水下智能目标识别的需要。提高了目标识别准确性和环境适应性，降低了虚警和漏检概率。

技术特征：

1.一种基于成像声呐的无人艇水下目标智能识别方法，其特征在于：

技术总结
本发明公开了一种基于成像声呐的无人艇水下目标智能识别方法，涉及无人操作平台、目标识别领域。本发明针对无人艇航行及任务的需求，考虑无人艇的任务特征，具体方法是采用前视声呐进行目标测距定位和精准识别，对于水下目标，基于机器学习和，实现水域透彻感知、目标探测和精准识别。本发明可以提高无人艇水下目标识别性能。

技术研发人员：张鹏达,丁友峰,孙斌,崔威威
受保护的技术使用者：中国船舶集团有限公司第七二四研究所
技术研发日：
技术公布日：2024/1/13