基于涡旋卷积的水下目标检测方法

本发明涉及水下目标检测，具体而言，尤其涉及一种基于涡旋卷积的水下目标检测方法。

背景技术：

1、水下环境的独特性给水下目标检测带来了一系列挑战。由于水分子的吸收和散射等光学特性，水下采集的图像普遍存在质量问题，而这些问题对于准确的水下目标检测尤为关键。前向散射和后向散射是主要影响水下目标检测图像质量的因素之一。前向散射导致目标模糊，后向散射则掩盖了目标的细节。此外，水中的悬浮颗粒也是水下目标检测中影响图像质量的重要因素，引起光的散射和吸收，导致图像出现噪声和模糊。在海洋科技、深海探测和环境保护等领域，对于准确水下目标检测的需求日益增加。为了克服水下环境对水下目标检测准确性的负面影响，研究人员致力于开发各种技术和方法，旨在使水下目标检测系统更能够在复杂的水下环境中精确地识别和定位目标。

技术实现思路

1、根据上述提出的技术问题，提供一种基于涡旋卷积的水下目标检测方法。。本发明受到湍流中涡旋现象的启发，引入了信息流中的“涡旋”以打破噪声引起的干扰，提高了网络区分背景和目标特征的能力，增强了在复杂的水下环境中的检测性能。针对现有水下目标检测方法忽视水下图像降质分布的异质性，无法处理降质图像中噪声干扰的问题，提出了利用辐射调制和洗牌扰动来降低噪声对检测引起的干扰，最后基于真实场景水下数据集进行训练、推理，对水下场景进行目标检测。

2、本发明采用的技术手段如下：

3、基于涡旋卷积的水下目标检测方法，包括以下步骤：

4、s01：获取水下低质目标检测数据集，按照8:1:1的比例将数据集随机划分训练集、验证集和测试集；

5、s02：利用涡旋卷积等操作对水下图像中的噪声进行消除；所述涡旋卷积操作，具体包含：涡旋卷积、辐射调制、洗牌扰动、信息连接操作等操作；

6、s03：将所述步骤s02中的噪声消除结果进行信息分析以适应水下目标检测任务；

7、s04：将所述步骤s03中的结果用于目标检测时，采用非极大值相似性抑制的方式以优化密集重叠区域的检测结果；

8、s05：用所述步骤s04中的检测结果计算组合损失，等待损失收敛，完成模型训练完成。

9、较现有技术相比，本发明具有以下优点：

10、1、为解决降质图像中的噪声对目标检测产生干扰问题，我们引入了涡旋卷积、辐射变换以及洗牌干扰的策略。这些策略将图像中的噪声进行打乱，同时最大程度的保留了图像中的特征关联。

11、2、为解决先前方法密集目标区域的检测框重叠问题，本文提出了改进后的非极大值相似性抑制方法以优化重叠区域的检测框绘制。

12、基于上述理由本发明在水下目标检测领域广泛推广，尤其适用于水下机器人抓取等光源复杂场景。

技术特征：

1.基于涡旋卷积的水下目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于涡旋卷积的水下目标检测方法，其特征在于，所述s02中，所述涡旋卷积计算方法为：

3.根据权利要求1所述的基于涡旋卷积的水下目标检测方法，其特征在于，所述s03所述水下信息分析步骤即是对所述s02中的涡旋卷积和特征关联解耦，其中特征关联解耦的计算方法为：

4.根据权利要求1所述的基于涡旋卷积的水下目标检测方法，其特征在于，所述s04所述用非极大值相似性抑制的方式以优化密集重叠区域的检测结果的计算方法为：

5.根据权利要求1所述的基于涡旋卷积的水下目标检测方法，其特征在于，所述s05中组合损失的计算方法为：

技术总结
本发明提供了一种基于涡旋卷积的水下目标检测方法。本发明受到湍流中涡旋现象的启发，引入了信息流中的“涡旋”以打破噪声引起的干扰，提高了网络区分背景和目标特征的能力，增强了在复杂的水下环境中的检测性能。针对现有水下目标检测方法忽视水下图像降质分布的异质性，无法处理降质图像中噪声干扰的问题，提出了利用辐射调制和洗牌扰动来降低噪声对检测引起的干扰，最后基于真实场景水下数据集进行训练、推理，对水下场景进行目标检测。

技术研发人员：张维石,梁天宇,何宗鑫,周景春,张得欢
受保护的技术使用者：大连海事大学
技术研发日：
技术公布日：2024/3/12