面向合成孔径声纳的图像到高度域翻译
计算机视觉与模式识别
2021-12-14 v1 机器学习
图像与视频处理
摘要
利用合成孔径声纳对海底纹理的观测依赖于若干因素。本工作中，我们关注各向同性与各向异性纹理下的采集几何。采集几何的小掠射角，加上声纳路径相对于各向异性纹理的取向，给图像对齐及其他多视场景理解框架带来了显著挑战。我们此前提出利用从估计海底起伏中提取的特征来改善场景理解。尽管已有若干方法通过强度估计海底起伏，但文献中尚无大规模研究。此外，用于学习该域翻译的配准海底起伏图与声纳图像数据集尚不存在。我们通过生成包含来自两种独特声纳数据仿真技术的配准海底起伏与强度图对的大型仿真数据集来解决这些问题。我们应用三类复杂度各异的模型将强度图像翻译为海底起伏：高斯马尔可夫随机场方法（GMRF）、条件生成对抗网络（cGAN）以及 UNet 架构。参照配准仿真数据集，使用 L1 误差对方法进行比较。此外，给出了在仿真与真实 SAS 图像上的预测结果。最后，在两个手工对齐 SAS 图像数据集上比较模型，并相对于使用强度，按多个视角以 L1 误差进行评估。我们的综合实验表明，所提出的 UNet 架构在仿真与真实 SAS 图像的海底起伏估计上优于 GMRF 与 pix2pix cGAN 模型。
引用
@article{arxiv.2112.06307,
title = {Image-to-Height Domain Translation for Synthetic Aperture Sonar},
author = {Dylan Stewart and Shawn Johnson and Alina Zare},
journal= {arXiv preprint arXiv:2112.06307},
year = {2021}
}