样本仿真结合迁移学习的声呐图像水雷检测

盛子旗，霍冠英

（河海大学 物联网工程学院，江苏 常州 213022）

水雷目标检测对于排除航道上的危险、保障战舰和货船的安全通行具有特别重要的意义。由于声波作用距离远，侧扫声呐、前视声呐等各种声呐设备是当前水雷目标探测主要采用的装备。侧扫声呐基于声学散射原理来探测海底地貌和凸起物体[1]，接收到的回波经过处理后以瀑布图像的形式显示，可以获得海底地貌和障碍物等重要信息。

水雷目标的探测和识别，当前仍然依赖人工对声呐获取的图像进行判读，效率较低，难以适应潜航器大面积智能、快速扫雷的需求。如何实现水雷目标的精确检测，是亟待解决的难题[2]。水雷目标的自动检测通常分为两步：第一步首先检测出所有可能的疑似水雷目标，侧扫声呐图像分割方法[3-4]能够区分目标高亮区、阴影区和背景混响区，可用于标记所有可疑水雷目标；第二步，对每个目标进行特征提取和判别，判断其是否属于水雷目标。

在深度学习兴起之前，传统的检测方法大多使用先验知识或数据驱动的方法来识别类水雷目标，通过从目标中提取的特征信息与训练数据进行比较，当两者的相似度非常高时，这些方法可以有较高的精度[5]。Bryner等[6]提出一种形状先验知识指导的主动轮廓跟踪方法提取声呐图像中的目标轮廓进而实现目标分割。Raquel等[7]提出一种基于分类的声呐图像水底目标检测系统中最优特征级的设计方法，通过对感兴趣区域的分割完成目标高亮及阴影区域的分割。……