前视图像声纳去噪及目标检测综述

作     者：杨泰泓 张涛 李彬彬 YANG Taihong;ZHANG Tao;LI Binbin

作者机构：东南大学仪器科学与工程学院南京211106 微惯性仪表与先进导航技术教育部重点实验室南京211106 东南大学南通海洋高等研究院南通226000 

出 版 物：《导航与控制》 (Navigation and Control)

年 卷 期：2024年第23卷第5期

页      面：1-14页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：东南大学南通海洋高等研究院基金(编号:KP202403) 

主　　题：前视图像声纳 去噪 目标检测 深度学习 

摘      要：随着水下环境感知技术的不断发展,得益于声波在水中具有较远的传播距离和广泛的覆盖范围,基于声学的感知手段逐渐成为主流。在众多声学感知技术中,前视图像声纳凭借其能够实时感知视场内物体的能力,在水下环境感知中发挥了重要作用,并已广泛应用于渔业捕捞、航海安全、军事行动等多个领域。然而,前视图像声纳的性能受限于声学传播特性以及水下复杂环境的干扰,其高噪声、低信噪比的数据对声纳成像和目标检测提出了严峻挑战。尽管传统的声纳图像去噪方法在实际应用中已取得广泛验证,但面对前视图像声纳数据中的复杂噪声,基于深度学习的声纳图像去噪技术展现出更为显著的优势。前视图像声纳目标检测领域则经历了由传统算法到深度学习方法的革命性转变,其检测精度和泛化能力得到了显著提升。综述了前视图像声纳去噪与目标检测领域在传统方法与深度学习方法中的发展历程,并对当前研究进展及方法进行了系统总结。重点阐述了近年来基于深度学习的创新技术与研究方法,分析了其在复杂水下环境中的应用前景,并探讨了未来可能的研究方向,包括数据融合、算法优化以及实际应用中的挑战。