基于声呐图像的水雷目标检测技术简述

发布时间：2024-12-10 03:15

　　 针对水雷目标探测识别困难这一现实问题,分析了水雷及其声呐图像的主要特点,介绍了基于统计特征、形态学、最大熵、分形和聚类等传统水雷识别方法和基于深度学习技术的水雷目标检测算法,以期为后续算法研发提供技术参考。

【文章页数】：6 页

【部分图文】：

图1 侧扫声呐不同角度和距离成像结果

从1999年至今，法国大西洋水下研究集团一直研究新型声呐系统对掩埋目标的探测可行性。迄今为止猎雷声呐系统无法有效地对付掩埋在沉积层中的水雷（如图2）。图1侧扫声呐不同角度和距离成像结果

图1 侧扫声呐不同角度和距离成像结果

图1侧扫声呐不同角度和距离成像结果目前AUV搭载的探测设备能够对锚雷、沉底雷较好地成像，但是由于其工作频率高，对于掩埋雷探测效果不佳，传统的侧扫声呐无法有效地探测到掩埋目标，导致无法进行目标自动定位和识别，需要研发新型探测设备和目标识别算法。

图2 掩埋在淤泥中达2/3的圆柱体

目前AUV搭载的探测设备能够对锚雷、沉底雷较好地成像，但是由于其工作频率高，对于掩埋雷探测效果不佳，传统的侧扫声呐无法有效地探测到掩埋目标，导致无法进行目标自动定位和识别，需要研发新型探测设备和目标识别算法。2水雷探测识别方法

图3 声呐图像目标识别流程

基于传统技术的声呐图像检测识别算法主要包括如图3。传统算法为在采集的图像中分割出目标，针对分割后的目标完成特征提取和识别。

本文编号：4015518