关键词:
前视声呐
噪声
BM3D
目标检测
YOLOv8-s
摘要:
前视声呐作为海洋探测的重要传感器之一,能够远距离探测水下目标,被广泛应用于目标检测和跟踪领域中。然而,声呐数据采集时受海洋环境噪声影响,噪声分布不均匀,使得声呐图像的目标探测精度低。采用传统卷积神经网络对前视声呐目标进行跟踪时,因为声呐图像序列帧率较低、目标特征不清晰,容易出现目标丢失问题。针对前视声呐图像噪声污染严重的问题,结合前视声呐图像的特点,提出了一种改进的BM3D算法,减少3D转换处理的计算量,在基础估计的相似块匹配距离计算过程中,采用曼哈顿距离替代欧氏距离,更好地处理声呐图像中不同类型和强度的噪声;针对目标丢失问题,提出了基于YOLOv8-s改进网络的前视声呐图像目标检测算法,包括基于ConvNeXt的C2N改进算法、添加浅特征检测头和归一化Wasserstein距离(NWD)损失函数的改进。进行了声呐图像数据采集,并进行了实验验证。实验结果表明,改进后模型的准确率为87.2%,mAP0.5为85.4%。与改进前的YOLOv8-s模型相比,虽然模型大小只增加了4.6 MB,但是精度增加了5.1个百分点,mAP@0.5增加了4个百分点,对比其他检测模型实验结果,改进后的YOLOv8-s能够有效提升声呐图像的目标检测精度。