智能水下声呐图像处理技术及应用电子书

版 权

内容提要

前 言

第1章 绪论

1.1 水下图像识别与处理

1.2 水下声呐图像处理技术

1.3 本书安排

第2章 声呐数据预处理与数据集制作

2.1 引言

2.2 前视声呐介绍

2.2.1 前视声呐成像原理

2.2.2 Oculus前视声呐

2.2.3 Oculus数据

2.3 前视声呐数据预处理

2.3.1 坐标变换

2.3.2 图像插值

2.4 前视声呐数据采集与图像标注

2.4.1 前视声呐数据采集

2.4.2 前视声呐图像标注

2.5 本章小结

第3章 声呐图像目标检测和图像去噪算法的 技术现状

3.1 引言

3.2 声呐目标检测算法的技术现状

3.2.1 基于人工特征的声呐图像目标检测算法

3.2.2 基于传统机器学习的声呐图像目标检测算法

3.2.3 基于深度学习的声呐图像目标检测算法

3.3 声呐图像去噪算法的技术现状

3.3.1 基于滤波器的声呐图像去噪算法

3.3.2 基于深度学习的声呐图像去噪算法

3.4 本章小结

第4章 基于深度学习的前视声呐图像目标 检测算法

4.1 引言

4.2 基于STAFNet模型的目标检测算法

4.2.1 STAFNet模型组成概述

4.2.2 主干网络Swin Transformer

4.2.3 颈部网络FPN

4.2.4 轻量级检测器Lite Head

4.2.5 三元损失函数

4.3 实验与结果分析

4.3.1 实验细节

4.3.2 评价指标

4.3.3 消融实验

4.3.4 对比实验

4.3.5 结果分析

4.4 本章小结

第5章 基于深度学习的前视声呐图像去噪算法

5.1 引言

5.2 前视声呐图像噪声模型

5.3 RAT算法

5.4 基于Pix2Pix的改进版RAT算法

5.4.1 Pix2Pix模型结构

5.4.2 PBR算法

5.5 实验与结果分析

5.5.1 评价指标

5.5.2 对比实验

5.5.3 结果分析

5.6 本章小结

第6章 前视声呐图像语义分割方法

6.1 引言

6.2 前视声呐图像语义分割方法研究现状

6.3 基于深度学习的图像语义分割方法研究现状

6.4 前视声呐图像语义分割难点

6.5 本章小结

第7章 前视声呐图像语义分割数据集构建

7.1 引言

7.2 前视声呐成像原理

7.3 数据采集与数据集划分

7.3.1 数据采集

7.3.2 数据集划分

7.4 数据扩增

7.4.1 仿射变换

7.4.2 颜色调整

7.5 语义分割数据集标签制作

7.6 本章小结

第8章 基于残差多级特征提取与融合的语义 分割方法

8.1 引言

8.2 卷积神经网络基础

8.2.1 卷积层

8.2.2 池化层

8.2.3 激活层

8.2.4 标准化层

8.2.5 丢弃层

8.3 多级注意力与空洞金字塔嵌套U形网络

8.3.1 残差U形特征提取结构

8.3.2 注意力与空洞金字塔特征融合结构

8.3.3 损失函数

8.4 实验与结果分析

8.4.1 实验评价指标

8.4.2 实验设置与训练过程分析

8.4.3 消融实验与结果分析

8.4.4 对比实验与结果分析

8.5 本章小结

第9章 基于Transformer和CNN的语义 分割方法

9.1 引言

9.2 Transformer基础

9.2.1 自注意力机制

9.2.2 多头自注意力机制

9.2.3 位置编码

9.3 融合Transformer和CNN的U形网络

9.3.1 混合Transformer嵌入编码结构

9.3.2 混合Transformer扩张解码结构

9.4 实验与结果分析

9.4.1 实验评价指标

9.4.2 参数设置与训练过程分析

9.4.3 消融实验与结果分析

9.4.4 对比实验与结果分析

9.4.5 泛化实验与结果分析

9.5 本章小结

第10章 声呐图像长尾小样本数据研究概述

10.1 引言

10.2 长尾小样本研究的难点

10.3 本书关注的挑战

10.4 本书作者团队的主要贡献

10.5 本章小结

第11章 声呐图像开放集长尾识别研究概述

11.1 引言

11.2 声呐图像识别研究现状

11.3 长尾识别研究现状

11.4 开放集识别研究现状

11.5 开放集长尾识别研究现状

11.6 分布外检测研究现状

11.7 本章小结

第12章 声呐图像长尾小样本识别方法

12.1 引言

12.2 类别重平衡策略对迁移学习的影响

12.3 平衡集成迁移学习方法

12.3.1 问题定义与方法动机

12.3.2 整体框架

12.3.3 主要模块介绍

12.3.4 BETL的训练算法

12.4 实验与结果分析

12.4.1 评价指标

12.4.2 数据集描述

12.4.3 实验环境和参数设置

12.4.4 与先进方法的对比

12.4.5 结果分析

12.5 本章小结

第13章 声呐图像开放集长尾识别方法

13.1 引言

13.2 构建声呐图像开放集长尾识别基准

13.2.1 Sonar-OLTR任务的形式化定义

13.2.2 一种简化形式的开放度定义的合理性讨论

13.2.3 数据集的选择和构建

13.2.4 声呐图像中的开放集识别所面临的挑战

13.2.5 设定评价指标

13.2.6 Sonar-OLTR实验设计

13.3 PLUD方法

13.3.1 提出方法的动机

13.3.2 整体框架

13.3.3 主要模块

13.3.4 和现有方法的联系

13.4 实验与结果分析

13.4.1 实现细节

13.4.2 和先进方法的对比

13.4.3 主要结果和分析

13.4.4 分布外检测

13.4.5 消融实验

13.4.6 超参数分析

13.4.7 进一步分析本书提出的评价指标

13.5 本章小结

附录A Oculus格式数据结构表

附录B 本书部分变量表

附录C 本书涉及的主要算法术语及其对应描述

推荐阅读