[发明专利]基于多尺度卷积与池化策略的侧扫声纳海底沙波检测方法

说明书

本发明提供了一种基于多尺度卷积与池化策略的侧扫声纳海底沙波检测方法，本发明基于深度学习进行海底沙波识别，并结合波形匹配分析，应用于海底沙波探测中。基于累积学习双边分支网络提取海底沙波图像的深层语义信息，根据海底沙波自身特点引入金字塔卷积模块与条形池化进行特征的自适应优化和全局信息增强，有效地解决了海底沙波样本数量分布不均衡，复杂海底环境下沙波的形态特征多样，海洋混响噪声干扰严重的问题，并通过波形匹配以回波强度为研究对象对海底沙波进行定位，分析海底沙波的波长、波高、非对称指数等形态学特征以及海底沙波的迁移趋势，从而为海底沙波的进一步调查分析奠定了基础。

技术领域

本发明具体涉及一种基于多尺度卷积与池化策略的侧扫声纳海底沙波检测方法，属于海洋智能信息处理和水下目标检测与识别技术领域。

背景技术

海洋探测主要用于探测海底各种地球物理场特征、地质构造和矿产资源，探查海底砂矿以及沙波的分布特征。其中，海底沙波是在各种环境因素，如沉积物粒度、潮汐特征和相关的残余流作用下形成的一种普遍分布在各大海域的地貌形态。海底沙波识别是一种对海底沉积物调查的重要方式，是海洋沉积物测深学、海洋地貌学、海洋地球物理学、海洋地质调查等领域的重要研究内容。海底沙波识别的方法一般有数值计算法，模型计算法，遥感探测，野外调查法。目前采用基于自主式水下航行器(Autonomous Underwater Vehicle,AUV)或有缆水下航行器(Remotely Operated Vehicle,ROV)搭载侧扫声纳的声学野外调查法在海底沙波的研究中被广泛应用。

侧扫声纳通常安装在搭载设备两侧，换能器阵列按照一定的频率发射声波，声波在遇到沙波等海底沉积物就会返回，侧扫声纳的接收阵列会逐频接收从底部反射、衍射或散射得到的声纳信号并将回波强度拼接成侧扫声纳图像，根据不同的频率来提供海底特性的不同信息，反映海底复杂的地形地貌，可以实现大范围的海底沙波调查。通过侧扫声纳进行海底沙波调查的方法得到了广泛的应用，也为进一步的海底沙波模拟，预测分析提供了研究基础，但目前也面临很多的挑战。

首先，由于海洋混响噪声以及探测设备自身的噪声影响、声波在海水中存在能量损失、声波单次传输信息量有限等因素导致采集到的侧扫声纳图像质量受到影响，沙波边缘不清晰。这些问题都使得传统的图像识别方法在手动提取沙波目标特征时受到严重的阻碍，难以兼顾全部特征，拟合海底沙波的形态，影响沙波识别的处理速度和准确率。

其次，由于在侧扫声纳采集的数据中，背景区域的图像数量远大于沙波的图像数量，呈现样本不均衡，使得深度学习网络将更多的注意力放在背景区域样本准确率的提升上，而背景区域图像对沙波区域图像施加过量的负样本梯度，使得沙波区域本身的正样本梯度被淹没，从而导致过拟合，沙波数据的识别准确率受到严重影响。

再次，不同海域中潮汐流，残余流以及海底底质类型等水文环境有所差异导致海底地形特征多样化，沙波几何形态学特征、沙波类别与海底环境之间存在多层且复杂的非线性关系，不同海底地形下沙波的形状有很大区别，因此对于沙波的识别需要根据周围环境综合判断，并且需要拥有较大的感受野和较强的泛化性能、推理能力。

最后，无论是直线型沙波，新月型沙波其形态都具有长条状的共性，波纹呈现有间隔的离散分布，规则的正方形池化核限制了沙波特征捕获的上下文灵活性且不利于有效地提取沙波特征，传统的方形池化核很可能会引入噪声等不必要的连接干扰海底沙波的识别。

发明内容

针对上述问题，本发明的目的是提供一种基于多尺度卷积与池化策略的侧扫声纳海底沙波检测方法，包括侧扫声纳海底沙波的识别方法和形态分析方法。

为达到上述目的，本发明采用的具体技术方案如下：

一种基于多尺度卷积与池化策略的侧扫声纳海底沙波检测方法，包括以下步骤：

S1：收集海底侧扫声纳数据与姿态定位数据；

S2：对S1收集到的海底侧扫声纳数据进行预处理；