一种水下声呐图像弱小目标检测方法

本发明涉及水下前视图像处理领域，具体涉及一种水下声呐图像弱小目标检测方法，适用于水下前视声呐图像远距离弱小目标复杂场景。

背景技术：

1、声呐图像视觉检测是复杂水域资源勘探、水下异物目标探测以及水下复杂环境救援活动等领域的重要技术之一。基于深度学习技术的卷积神经网络对水下大尺度显著性目标的检测效果较好，然而，但针对低信噪比微小目标的细节特征捕捉能力受限，抗背景干扰处理能力较弱，检测精度难以满足实际应用需求。如何提高水下声呐图像复杂场景弱目标检测精度与效果，成为亟待解决的问题。

技术实现思路

1、本发明提供一种水下声呐图像弱小目标检测方法，用于解决于现有技术中水下复杂环境情况下存在易受背景信息干扰、目标检测准确度较低的问题。

2、鉴于上述问题，第一方面，本发明提供了一种水下声呐图像弱小目标检测方法，以卷积神经网络为基础，对网络输出预测分支进行调整，引入小目标特征激活模块、多卷积通道调控模块和全域信息汇总模块；具体包括如下步骤：

3、s100基于水下前视声呐对目标区域进行图像采集，确定所述目标区域的声呐图像；

4、s200在颈部网络中设计小目标特征激活模块，激活包含小目标底层语义的高分辨率特征图，并引入先验框尺度校准机制匹配底层语义特征检测分支；

5、s300在主干网络中设计多卷积通道调控模块，用于在不同感受野获得特征图上进行通道加权融合与空间信息提取；

6、s400在颈部网络中设计全域信息汇总模块；以捕捉弱小目标全局上下文信息；

7、s500根据所述小目标特征激活模块、多卷积通道调控模块、全域信息汇总模块构建水下声呐图像弱小目标检测模型，收集声呐图像形成数据集对模型进行训练；

8、s600通过训练后的水下声呐图像弱小目标检测模型对所述目标区域的声呐图像进行检测。

9、第二方面，本发明提供了一种水下声呐图像弱小目标检测系统，所述系统包括：

10、影像采集模块，获取水下前视声呐设备对目标物的影像，从而获得高分辨率水下声呐图像；

11、位置类别信息获取模块，获取水下经典目标位置和类别信息以及目标出现频率；

12、主干特征提取模块，对原始输入图像进行抽象语义结构获得不同分辨率包含不同语义信息的特征图；

13、颈部特征提取模块，利用编码器多尺度特征信息与解码器特征信息进行拼接，获得融合加权后小目标特征信息；

14、预测头解耦模块，对现有提取特征图进行解耦操作，获得目标类别、数量、位置定位信息，对目标物进行框级标定。

15、本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

16、本发明中主干网络作为编码器，并在此基础设计多卷积通道调控模块，用于增强模型对增强对小目标通道域和空间域关键信息的关注度并进行加权处理；颈部网络作为解码器，并在此基础设计小目标特征激活模块与先验框匹配策略，激活包含小目标底层语义信息的高分辨率特征图，通过最佳召回率并验证先验框尺度与真实框尺度的匹配程度，加强模型对小目标检测的表征能力。颈部网络部分还设计全域信息汇总模块，提高模型对输入特征的全域信息的关注度。通过水下声呐图像弱小目检测模型对目标区域的声呐图像进行目标检测的技术方案，解决现有声呐图像在处理水下噪声环境干扰导致精度低的技术问题，达到了提高水下声呐图像复杂场景目标检测精度的技术效果。

17、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

技术特征：

1.一种水下声呐图像弱小目标检测方法，其特征在于，以卷积神经网络为基础，对网络输出预测分支进行调整，引入小目标特征激活模块、多卷积通道调控模块和全域信息汇总模块；具体包括如下步骤：

2.如权利要求1所述的一种水下声呐图像弱小目标检测方法，其特征在于，所述s200具体包括：

3.如权利要求1所述的一种水下声呐图像弱小目标检测方法，其特征在于，所述s300具体包括：

4.如权利要求1所述的一种水下声呐图像弱小目标检测方法，其特征在于，所述s400具体包括：

5.一种水下声呐图像弱小目标检测系统，其特征在于，所述系统包括：

技术总结本发明提供了一种水下声呐图像弱小目标检测方法,涉及水下前视图像处理技术领域。本发明通过设计小目标特征激活模块和引入先验框尺度校准机制，匹配底层语义特征检测分支，从而提高了小目标检测精度。同时，提出了多卷积通道调控池化模块，有效保留了有效通道域小目标信息，并克服了复杂背景信息的干扰。最后，设计全域信息汇总模块深入挖掘弱小目标的全域特征，避免了冗余信息覆盖小目标微弱关键特征。本发明解决了现有水下声呐图像弱小目标检测技术面临特征微弱和背景信息干扰导致精度低的问题，达到了提高水下声呐图像弱小目标检测精度的技术效果。技术研发人员：何自芬,何梦云,张印辉,陈光晨,张鹏林,张瑞受保护的技术使用者：昆明理工大学技术研发日：技术公布日：2024/8/16