基于SAS数据的水下复杂场景中目标识别研究

Underwater target recognition in complicated seafloor circumstances is pivotal for UUV(Underwater Unmanned Vehicle) to perform the autonomous surveillance task. SAS(Synthetic Aperture Sonar) is capable of providing high resolution acoustic images and multi-aspect echo data and is considered as the deployment especially suitable for UUV and underwater small target detection. Target recognition based on SAS data is scientifically significant and of urgent demand. The object of the proposed project is to develop methods related with underwater target recognition based on the two-class SAS data and to provide a support for the UUV autonomous surveillance task. On SAS image processing, models including SAS imaging, underwater acoustics and image statistics are fused with the target recognition methods. Firstly, the recognition methods are focused on the automatic segmentation of target highlight and shadow region in complicated seafloor circumstances. After that, the target highlight is utilized as a priori knowledge to pick up the target's multi-aspect echo data with SAS imaging model. The dolphin cochlear model is applied to the echo data and produce the target's 3-D feature image. The height and shadow are utilized as primary information by the model-based method for recognition. The target's 3-D feature image are utilized as a complementary information to recognized whether the target is artifical or not.

水下复杂场景中目标识别是水下无人平台（Underwater Unmanned Vehicle,UUV）完成自主探测任务的关键。合成孔径声纳（Synthetic Aperture Sonar,SAS）可提供目标高分辨率声图和多视角回波两类数据，被认为是UUV完成水下小目标探测的最佳载荷，基于SAS数据的目标识别具有重要的科学意义和迫切的应用需求。该课题旨在建立基于两类SAS数据的水下目标识别方法体系，为UUV自主探测提供关键技术支撑。目标声图处理方面，引入SAS成像模型、水声物理模型和图像统计模型，研究水下复杂场景中目标特征区域（亮区和阴影区）的自动提取方法。在此基础上，以目标声图为先验知识，利用SAS成像模型精确提取目标多视角回波数据，并采用海豚耳蜗模型将回波数据转换为三维特征图。采用基于模型的方法以声图特征为主完成目标识别，以目标三维特征图为辅完成人工目标和非人工目标识别。

合成孔径声纳（Synthetic Aperture Sonar, SAS）被认为是水下无人平台（UUV）完成水下小目标探测的最佳载荷。作为一种新机理成像声纳，SAS系统具备全测绘带宽恒定分辨率成像能力（最高分辨率可达厘米级），为水下小目标自主识别提供了有力的支撑。近十年来，SAS相关研究重点集中在运动误差估计与补偿、成像等关键技术研究和设备研制方面。基于SAS数据的目标识别方面的研究严重滞后。目前，SAS系统在UUV等多种平台上取得大量应用，但采用人工方式进行目标判别的效率很低，而且极大的限制了UUV的工作效率和自主工作能力。因此，对基于SAS数据目标识别方法的研究具有重要的科学意义和迫切应用需求。.本项目以柱形沉底目标、柱形掩埋目标和海底管线目标为研究对象，对复杂场景下SAS图像中小目标检测与识别方法开展了研究，主要完成的研究内容包括基于模型的SAS图像预处理方法、基于多特征的SAS图像复杂场景分析方法、基于多模型的小目标检测方法、基于多类特征的小目标识别方法、SAS图像中油气管线目标检测和跟踪方法和基于海豚仿生的目标检测方法和特征分析方法等。主要研究成果如下所列。.(1) .建立了SAS图像中的小目标检测和识别方法体系；.(2) .提出了一种基于匹配滤波、方向积分的SAS图像中的油气管线检测方法和基于卡尔曼滤波的油气管线跟踪方法；.(3) .在海豚仿生目标检测方法和特征分析方法方面开展了探索；.(4) .取得了高分辨率复杂水底声学图像、高分辨率沉底目标和掩埋目标声学图像等一系列试验结果（部分结果为国内首次）。以此为基础对完成的研究方法进行了验证。.(5) .论文、专利、北京市科学技术二等奖等成果（见附件）。.本项目研究成果成功应用于我国自主研发的某型水下拖曳式探查设备和某型水下无人探查设备中，大幅提高了图像显示质量和水下目标探测效率。.