文档名：基于BMMFastSCNN的海底线实时提取算法
摘要：侧扫声呐瀑布图由于其成像原理,需要借助海底线位置对原始图片进行斜距校正.然而在实际采集过程中,声呐自噪声、悬浮物和海底目标等许多干扰因素会增加海底线提取的难度,现有的传统方法和神经网络方法在回波信号信噪比较差时无法正确实时地提取海底线.针对这些问题,提出了一种基于海底信息对称模块和多尺度特征融合模块的快速分割卷积神经网络(BottomInformationSymmetryModuleandMulti-scaleFeatureFusionModuleFast-SCNN,BMM-Fast-SCNN)用于实时正确提取海底线.该算法基于Fast-SCNN-1D,结合海底信息对称模块(BottomInformationSymmetryModule,BISM)来提高网络的鲁棒性,并通过多尺度特征融合模块(Multi-scaleFeatureFusionModule,MFFM)增强网络提取海底线细小特征的能力.在两条测线中,该算法在一个像素和两个像素误差范围内的提取精度分别为83.56％,97.63％和96.27％,99.49％,相较于其他方法,分别至少提高了1.41％、9.07％和0.74％、0.48％.实验结果表明,该算法能够有效地提取海底线,方法执行时间为9.38ms,满足实时正确提取海底线的要求.
作者：陈朋 昝昊 赵冬冬 郭新新 Author：CHENPeng ZANHao ZHAODongdong GUOXinxin
作者单位：浙江工业大学计算机科学与技术学院,浙江杭州310000浙江工业大学信息工程学院,浙江杭州310000中国科学院深海科学与工程研究所,海南三亚572000
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2023, 36(8)
分类号：P229.1
关键词：图像处理 海底线提取 卷积神经网络 BISM 声呐图像
Keywords：imageprocessing bottomextracting convolutionalneuralnetwork BISM sonarimage
机标分类号：TP391.41TN912.34S126
在线出版日期：2023年10月13日
基金项目：国家自然科学基金，浙江省自然科学基金项目，中国科学院战略性先导科技专项基于BMM-Fast-SCNN的海底线实时提取算法[
期刊论文] 传感技术学报--2023, 36(8)陈朋 昝昊 赵冬冬 郭新新侧扫声呐瀑布图由于其成像原理,需要借助海底线位置对原始图片进行斜距校正.然而在实际采集过程中,声呐自噪声、悬浮物和海底目标等许多干扰因素会增加海底线提取的难度,现有的传统方法和神经网络方法在回波信号信噪比较...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于BMM-Fast-SCNN的海底线实时提取算法 Real-Time Extraction Algorithm of Bottom Based on BMM-Fast-SCNN
基于BMM-Fast-SCNN的海底线实时提取算法.pdf
- 文件大小:
- 5.87 MB
- 下载次数:
- 60
-
高速下载
|
|
