水下目标检测——论文阅读与整理

1. 论文阅读

这次的任务主要是检测与标注,不需要识别类型和跟踪

1.1 《基于声呐图像的水下目标检测、识别与跟踪研究综述》1

1.1.1 摘要

  1. 重要性:水生物跟踪定位,水底环境检测,军事领域
  2. 难点:水下环境(声学介质等多变),信号传送与获取的过程收到的干扰,往往导致水下数据不可靠。
  3. 目标:提高准确性快速性,降低计算成本
  4. 不同声呐设备的特点
    在这里插入图片描述
  5. 过程:
水下目标检测
声呐图像与处理
水下目标识别
水下目标跟踪

1.1.2 水下目标检测算法

在这里插入图片描述

1.1.3 图像预处理

图像去噪:空间域,变换域
存在问题:滤除噪声与保持图像边缘纹理细节等信息的矛盾
解决方法:偏微分方法+限制条件,变换域方法(论文中有列举)

1.1.4 声呐图像分割(这个看的稀里糊涂)

目的:提取出目标与阴影
分类:

  1. 有监督:(研究较少??)贝叶斯MMP,MAP;变分框架
  2. 无监督:基于MRF的图像分割技术,基于主动轮廓模型的图像分割技术

1.1.5 目标分类识别跳过

1.2 《基 于 卷 积 神 经 网 络 的 声 呐 图 像 目 标 检 测 识 别》2

1.2.1 引言

对比 传统方法 深度学习方法
原理 基于特征 将数据利用网络训练
特点 依赖于特征的选取 需要大量训练

文章所做是对不同目标检测的网络对声呐图像处理的效果进行对比,选出最优的网络

1.2.2 使用的网络以及结果分析

在这里插入图片描述

2.总结

总结 内容
重要性 应用广,难度大
难点 介质多变,信号干扰
目标 快速,准确识别
方法 传统方法与深度学习的方法

2.1结合赛题的想法:

  1. 我们目前要做的是目标检测,不用进行分类与跟踪。
  2. 可以先不用对图像预处理进行网络训练(思路比较简单,但训练花时间,在训练时,想起他方法,先不进行预处理看效果,之后与预处理后进行比较,权衡边缘信息与噪声)
  3. 前扫和侧扫两者图像特点进行对比,看是否需要针对性处理(初步想法:前扫噪声敏感,或许需要预处理)

2.2 图像示例:

前视声呐(精度低,噪声敏感)
在这里插入图片描述
侧扫声呐(精度低,数据量大)
在这里插入图片描述

参考文献:


  1. 郭戈,王兴凯,徐慧朴.基于声呐图像的水下目标检测、识别与跟踪研究综述[J].控制与决策,2018,33(05):906-922. ↩︎

  2. 曾文冠. 基于卷积神经网络的声呐图像目标检测识别[C]. 中国造船工程学会、船舶振动噪声重点实验室、国防科技大学装备综合保障技术重点实验室.第十七届船舶水下噪声学术讨论会论文集.中国造船工程学会、船舶振动噪声重点实验室、国防科技大学装备综合保障技术重点实验室:中国造船工程学会,2019:741-747. ↩︎

    扫描二维码关注公众号,回复: 9780500 查看本文章
发布了15 篇原创文章 · 获赞 15 · 访问量 7024

猜你喜欢

转载自blog.csdn.net/weixin_43746266/article/details/104624993