基于BMM-Fast-SCNN的海底线实时提取算法
文献类型：期刊论文
| 作者 | 陈朋3; 昝昊2; 赵冬冬3; 郭新新1
|
| 刊名 | 传感技术学报,Chinese Journal of Sensors and Actuators,2023,36(8)
 |
| 出版日期 | 2023-08 |
| 卷号 | 36期号:8 |
| 关键词 | 图像处理 海底线提取 卷积神经网络 BISM 声呐图像 |
| 目次 | 否 |
| 英文摘要 | 侧扫声呐瀑布图由于其成像原理，需要借助海底线位置对原始图片进行斜距校正。然而在实际采集过程中，声呐自噪声、悬浮物和海底目标等许多干扰因素会增加海底线提取的难度，现有的传统方法和神经网络方法在回波信号信噪比较差时无法正确实时地提取海底线。针对这些问题，提出了一种基于海底信息对称模块和多尺度特征融合模块的快速分割卷积神经网络(Bottom Information Symmetry Module and Multi-scale Feature Fusion Module Fast-SCNN,BMM-Fast-SCNN)用于实时正确提取海底线。该算法基于Fast-SCNN-1D,结合海底信息对称模块(Bottom Information Symmetry Module, BISM)来提高网络的鲁棒性，并通过多尺度特征融合模块(Multi-scale Feature Fusion Module, MFFM)增强网络提取海底线细小特征的能力。在两条测线中，该算法在一个像素和两个像素误差范围内的提取精度分别为83.56%,97.63%和96.27%,99.49%,相较于其他方法，分别至少提高了1.41%、9.07%和0.74%、0.48%。实验结果表明，该算法能够有效地提取海底线，方法执行时间为9.38 ms,满足实时正确提取海底线的要求。 |
| 语种 | 中文 |
| CSCD记录号 | CSCD:7617360 |
| 版本 | 出版稿 |
| 源URL | [http://ir.idsse.ac.cn/handle/183446/10783]  |
| 专题 | 深海工程技术部_深海信息技术研究室 |
| 作者单位 | 1.中国科学院深海科学与工程研究所,海南 三亚572000 2.浙江工业大学信息工程学院,浙江 杭州310000; 3.浙江工业大学计算机科学与技术学院,浙江 杭州310000; |
| 推荐引用方式 GB/T 7714 | 陈朋,昝昊,赵冬冬,等. 基于BMM-Fast-SCNN的海底线实时提取算法[J]. 传感技术学报,Chinese Journal of Sensors and Actuators,2023,36(8),2023,36(8). |
| APA | 陈朋,昝昊,赵冬冬,&郭新新.(2023).基于BMM-Fast-SCNN的海底线实时提取算法.传感技术学报,Chinese Journal of Sensors and Actuators,2023,36(8),36(8). |
| MLA | 陈朋,et al."基于BMM-Fast-SCNN的海底线实时提取算法".传感技术学报,Chinese Journal of Sensors and Actuators,2023,36(8) 36.8(2023). |
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。