[发明专利]一种基于条件双分支注意力机制的鲁棒声纳图像生成方法

权利要求书

1.一种基于条件双分支注意力机制的鲁棒声纳图像生成方法，其特征在于：步骤1、获取原始声呐图像，并在原始声呐图像中加入随机噪声Z；

步骤2、设置条件信息标签L，并将条件信息标签L与随机噪声Z融合，得到输入向量C；

步骤3、仿真声纳图像的生成；

3-1.将输入向量C经过两个反卷积层后生成特征图，通道级注意力机制层利用该特征图降维得到特征矩阵；再将特征矩阵转换后得到通道级权值矩阵；利用通道级权值矩阵和特征矩阵想成得到通道级注意力机制层的输出结果；

3-2.通过像素级注意力机制层将通道级注意力机制层的输出结果转换为两个降维特征矩阵和一个原始特征矩阵；利用两张降维特征图得到像素级权重矩阵；像素级权值矩阵和原始特征矩阵相乘，得到像素级注意力机制层的输出结果；该输出结果依次通过三个反卷积层，得到仿真声呐图像；

步骤4、将原始声纳图像作为真样本和步骤3得到的仿真声纳图像作为假样本，各真样本和假样本分别与条件信息标签L进行融合，并得到输入向量D；

步骤5、对仿真声呐图像进行评分；

5-1.将输入向量D经过三个卷积层后生成特征图，通道级注意力机制层利用该特征图降维得到特征矩阵；再将特征矩阵转换后得到通道级权值矩阵；利用通道级权值矩阵和特征矩阵想成得到通道级注意力机制层的输出结果；

5-2.通过像素级注意力机制层将通道级注意力机制层的输出结果转换为两个降维特征矩阵和一个原始特征矩阵；利用两张降维特征图得到像素级权重矩阵；像素级权值矩阵和原始特征矩阵相乘，得到像素级注意力机制层的输出结果；该输出结果依次通过两个卷积层，得到仿真声呐图像质量评分；

步骤6、根据步骤5中的真样本和假样本的评分情况和各假样本的评分高低进行参数优化，最终通过步骤3得到满足要求的仿真声呐图像。

2.根据权利要求1所述的一种基于条件双分支注意力机制的鲁棒声纳图像生成方法，其特征在于：采用的网络模型为基于条件双分支注意力生成对抗网络，其包括generator网络结构和discriminator网络结构；generator网络结构用于生成新的声呐图像；discriminator 网络结构用于对新的声呐图像的质量进行评价，并反馈给generator网络；generator网络结构和discriminator网络结构中均包括条件信息融合模块和注意力机制模块；条件信息融合模块用于融合原始输入信号与条件信息；注意力机制模块包含了通道级注意力模块和像素级注意力模块；注意力机制模块包括通道级注意力机制层和像素级注意力机制层；

通道级注意力机制层将特征矩阵与其转置矩阵相乘，再通过softmax函数得到通道级权值矩阵；最后用通道级权值矩阵乘以初始的特征矩阵，得到通道级注意力机制层的输出结果；

像素级注意力机制层将特征图转换呈两张降维特征图和一张原始特征图；两张降维特征图重构成矩阵后相乘并通过softmax函数得到像素级权值矩阵；最后用通道级权值矩阵乘以原始特征图重构成的矩阵，得到通道级注意力机制层的输出结果。

3.根据权利要求1所述的一种基于条件双分支注意力机制的鲁棒声纳图像生成方法，其特征在于：步骤1的具体过程如下：针对三维成像声呐采集到的原始声呐数据进行解析，得到原始声呐图像；并在原始声呐图像中加入随机噪声Z；随机噪声Z包括高斯和椒盐噪声。

4.根据权利要求1所述的一种基于条件双分支注意力机制的鲁棒声纳图像生成方法，其特征在于：步骤2的具体过程如下：

2-1.在步骤1得到的原始声呐图像中设置条件信息标签L，并将条件信息标签L的维度转化到和随机噪音Z的维度相等；

2-2.将维度相同的随机噪音Z与条件信息标签L按元素相乘，得到输入向量C。