中国科学院机构知识库网格
Chinese Academy of Sciences Institutional Repositories Grid
ANLResNet网络的前视声呐图像散斑去噪方法

文献类型:期刊论文

作者陈朋1; 徐泽楠2; 赵冬冬1; 郭新新3
刊名小型微型计算机系统
出版日期2021-03-19
页码10
关键词前视声呐 散斑噪声 图像降噪 FieldII SRResNet
英文摘要前视声呐(Forward-Looking Sonar, FLS)使用换能器基阵收发声波,通过回波探测水下物体。在浅海环境,由于水下介质的反射、散射与不均匀波动,前视声呐图像极易引入散斑噪声。本文针对前视声呐图像散斑噪声,结合SRResNet与非对称金字塔非局部块,提出了ANLResNet网络用于前视声呐图像去噪,并针对前视声呐图像特性,使用FieldII构建模拟前视声呐图像数据集,对网络进行训练。实验结果表明,本文提出的ANLResNet网络能有效的去除前视声呐图像中的散斑噪声,获得良好的视觉效果。并通过峰值信噪比(Peak Signal to Noise Ratio, PSNR)、等效视数(Equivalent Number of Looks, ENL)、散斑抑制指数(Speckle Suppression Index, SSI)3个图像质量评价指标评价降噪效果。在模拟前视声呐图像去噪上,本文算法相比于传统算法、改进BM3D算法和Autoencoder网络,平均PSNR至少提高了8.12%。在真实前视声呐图像去噪上,本文算法相比于传统算法、改进BM3D算法和SRResNet等效视数至少提高了16.77%,散斑抑制指数至少降低了2.84%。相比于Autoencoder网络等效视数提高了4.30%。本文方法主要用于前视声呐图像去噪,对于其他声学图像的降噪,散斑噪声的抑制上也有一定的应用价值。
语种中文
版本出版稿
源URL[http://ir.idsse.ac.cn/handle/183446/8951]  
专题深海工程技术部_深海信息技术研究室
作者单位1.浙江工业大学计算机科学与技术学院;
2.浙江工业大学信息工程学院;
3.中国科学院深海科学与工程研究所
推荐引用方式
GB/T 7714
陈朋,徐泽楠,赵冬冬,等. ANLResNet网络的前视声呐图像散斑去噪方法[J]. 小型微型计算机系统,2021:10.
APA 陈朋,徐泽楠,赵冬冬,&郭新新.(2021).ANLResNet网络的前视声呐图像散斑去噪方法.小型微型计算机系统,10.
MLA 陈朋,et al."ANLResNet网络的前视声呐图像散斑去噪方法".小型微型计算机系统 (2021):10.

入库方式: OAI收割

来源:深海科学与工程研究所

浏览0
下载0
收藏0
其他版本

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。