[发明专利]面向小样本的水下激光目标检测仪

说明书

本发明公开了面向小样本的水下激光目标检测仪，针对水下激光图像样本较少的情况，实现水下激光目标识别，该面向小样本的水下激光目标检测仪由水下激光扫描仪、数据库以及上位机组成，水下激光扫描仪对所检测水下区域进行照射，并将水下激光仪成像图数据存储到数据库中，上位机采集数据库中的数据，对所采集的数据进行数据增强，从而对数据库中的水下激光仪成像图进行扩充，提高训练样本的数量，对训练样本进行图像降噪，基于降噪后的水下激光图像进行鲁棒检测模型建模，并利用鲁棒检测模型检测新的水下激光图像。本发明实现了面向小样本的、智能性强、高精度、高准确率的水下激光目标在线检测，解决了大量样本标注成本高的问题。

技术领域

本发明涉及水下激光图像处理领域，特别地，涉及面向小样本的水下激光目标检测仪。

背景技术

由于水体对入射光的强烈的衰减作用，使得入射光在水中传播时呈指数级衰减，普通的光源由于本身的准直性较差，在水下传播时也难以达到理想的探测深度。激光的出现提供了一种新的水下探测的手段，利用激光的高准直性，在海洋窗口的低衰减可以达到以往光学手段难以达到的探测深度。特别是现在激光雷达技术的应用除了可以进行更大水深的目标探测外，还可以克服声纳设备由于水和空气声阻不匹配的问题，实现从水上到水下的直接探测。激光水下探测技术经历了几十年的发展，相关的技术也越来越成熟。

但是，由于水体以及水中溶解和悬浮物质对入射光的强烈吸收和散射作用，水下成像的有效观测距离仍然存在诸多限制，在现阶段利用同步空间几何分离法能够实现的自然水域的有效成像距离依旧在九个衰减长度以内，难以满足更深水域中的观测需求。同时现有的水下激光目标的检测模型精度较低，有时存在识别不出目标的情况。并且现有的水下激光目标检测方法需要大量的训练样本，但是对训练样本进行标注是需要大量的成本，对小样本的处理较差，容易产生过拟合现象。对于各种水下警戒和水下勘探而言，研究的主要目标是在小样本的条件下提高水下激光背景下目标的检测能力。

发明内容

为了克服已有水下激光目标检测方法训练样本较大、无法实现在线检测、智能性较差的不足，本发明提供面向小样本的、实现在线检测、智能性强的面向小样本的水下激光目标检测仪。

本发明解决其技术问题所采用的技术方案是：一种面向小样本的水下激光目标检测仪，包括水下激光扫描仪、数据库以及上位机，水下激光扫描仪、数据库以及上位机依次相连，其特征在于所述水下激光扫描仪对所检测水下区域进行照射，并将水下激光仪成像图数据存储到所述的数据库，所述的上位机包括：

数据增强模块，用以对所采集水下激光仪成像图进行扩充，采用如下过程完成：

1.1)从数据库中采集N张图片的灰度值r_i，i＝1,...,N作为训练样本；

1.2)对训练样本进行对数变换，得到对数变换后图片的灰度值：

其中s_i表示第i张调整对比度后图像的灰度值，表示对比度变换系数；

1.3)将对比度调整后的图片与原图片混合，作为新的训练样本tr_q,q＝1,...,2N；

图像降噪模块，用以进行将水下激光仪成像图数据输入D层的卷积神经网络进行降噪，D表示用于图像降噪模块的卷积神经网络的层数，采用如下过程完成：

2.1)将数据增强后新的训练样本tr_q输入卷积神经网络的第1层，使用大小为3×3×c的滤波器生成64张特征图f_j^q，q＝1,...,2N,j＝1,...,64，其中c表示图像通道数。然后对每张特征图使用非线性激活函数ReLU函数，则卷积神经第一层的输出根据下式确定：

其中q＝1,...,2N,j＝1,...,64；