Page 180 - 《应用声学》2025年第2期
P. 180
440 2025 年 3 月
对差异图中的像素点进行连通区域分析进行
干扰滤除，并将检测结果映射到原始声图中，可以得 参 考 文 献
到最终的目标标注结果。传统的目标检测方法只能
[1] Hayes M P, Gough P T. Synthetic aperture sonar. A
检测当前时刻可能存在的目标，但无法准确掌握目 review of current status[J]. IEEE Journal of Oceanic En-
标变化规律。在变化检测处理过程中，由未进行校 gineering, 2009, 34(3): 207–224.
正的图 3 可知，由于位置偏移无法直接进行差值对 [2] 陈强, 田杰, 刘维, 等. 基于纹理特征的合成孔径声纳图像目
标检测研究 [J]. 声学技术, 2013, 32(4): 273–276.
比，直接进行变化检测会出现更多虚警目标；由未进 Chen Qiang, Tian Jie, Liu Wei, et al. Texture feature
行图像处理的图 9 可知，由于声图自身杂波干扰较 based target detection for SAS image[J]. Technical Acous-
多，距离对图像的亮度影响较大，未进行亮度均衡和 tic, 2013, 32(4): 273–276.
[3] 韦琳哲, 翟厚曦, 江泽林, 等. 一种合成孔径声纳图像线目标
干扰抑制操作，将无法有效从干扰中检测目标。 提取方法 [J]. 应用声学, 2016, 35(3): 265–271.
从图 14 可看出，经过整个检测流程的处理，前 Wei Linzhe, Zhai Houxi, Jiang Zelin, et al. A line target
后时刻声图间的所有变化均被标注在声图当中。试 extraction method of synthetic aperture sonar image[J].
Journal of Applied Acoustic, 2016, 35(3): 265–271.
验结果中标注了 4 个目标区域，其中最右侧为不规 [4] 郝紫霄, 王琦. 基于声呐图像的水下目标检测研究综述 [J]. 水
则高亮区，在目标判别过程可以直接判定为非目标 下无人系统学报, 2023, 31(2): 339–348.
进行剔除。而另外两个目标区域与预设目标位置能 Hao Zixiao, Wang Qi. Underwater target detection based
on sonar image[J]. Journal of Unmanned Undersea Sys-
够实现对应，验证了算法的有效性。最终的目标分 tem, 2023, 31(2): 339–348.
类仍需人工判别，但面对目标检测的需求，避免了大 [5] Yang F, Du Z, Wu Z. Object recognizing on sonar im-
量人工对比工作，一定意义上提高了检测效率。 age based on histogram and geometric feature[J]. Marine
Science Bulletin, 2006, 25(5): 64.
[6] 王晓, 邹泽伟, 李勃勃, 等. 基于多特征融合的彩色图像声呐
目标检测 [J]. 计算机科学, 2019, 46(S1): 177–181.
Wang Xiao, Qiu Zewei, Li Bobo, et al. Target detection
in colorful imaging sonar based on multi-feature fusion[J].
Computer Science, 2019, 46(S1): 177–181.
[7] 邹岗, 田晓东, 刘忠. 基于几何特征的声呐图像人造目标检测
算法 [J]. 舰船科学技术, 2007, 29(6): 177–179, 183.
(a) T ҉ (b) T ҉ (c) ಖฌፇ౧ Zou Gang, Tian Xiaodong, Liu Zhong. Man-made tar-
get detection algorithm of sonar image based-on geomet-
图 14 双时相变化检测结果 ric feature[J]. Ship Science and Technology, 2007, 29(6):
Fig. 14 Bi-temporal change detection result diagram 177–179, 183.
[8] 崔杰, 胡长青, 徐海东. 基于帧差法的多波束前视声呐运动目
4 结论 标检测 [J]. 仪器仪表学报, 2018, 39(2): 169–176.
Cui Jie, Hu Changqing, Xu Haidong. Moving target de-
tection for multi-beam forward-looking sonar based on
针对水下声图的特点和水下作业的多次扫测
frame-difference method[J]. Technical Acoustics, 2020,
特征，本文提出利用水下环境时间变化的特质，对双 39(3): 279–283.
频SAS图像进行变化检测和标注的方法。利用双时 [9] Liu H, Dai J, Wang R, et al. Combining background sub-
traction and three-frame difference to detect moving ob-
相声呐图像，首先从特征级进行声图的空间校正，为
ject from undrwater video[C]// Oceans-Shanghai. Shang-
像素级的图像对比奠定位置基础；之后结合成像原 hai, China: IEEE, 2016.
理对声图进行处理，实现图像的均衡和滤波；最后结 [10] Kronauge M, Rohling M. Fast two-dimensional CFAR
procedure[J]. IEEE Transaction on Aerospace & Elec-
合 CFAR 和直接对比的变化检测方法，完成目标的
tronic Systems, 2013, 49(3): 1817–1823.
差异变化检测和标注。试验数据证明该方法能够准 [11] Shuang W, Henry L, Myers V. An automated change
确地检测出可能出现或消失的目标，对于水下环境 detection approach for mine recognition using sidescan
sonar data[C]// Proceedings of the 2009 IEEE Interna-
变化规律和水下可疑目标的监测提供了有效的方
tional Conference on Systems, Man, and Cybernetics, San
案。当前方法在水声环境干扰较大的情况下，仍存 Antonio, TX, USA, 2009.
在一定的虚警率，需进一步提高变化目标检测的鲁 [12] 韦琳哲. 合成孔径声纳图像目标检测方法研究及管理软件实
现 [D]. 北京: 中国科学院大学, 2016.
棒性。
