非理想系统配置下前视声纳拼接的信息保持融合方法
计算机视觉与模式识别
2025-03-21 v2
摘要
前视声纳（FLS）因其高分辨率与高帧率特性，在近底近距离水下检测领域开始受到关注。尽管自动目标识别（ATR）算法已初步应用于目标搜索任务，人工监督仍不可或缺，尤其在涉及关键区域时。为帮助专家处理海量感知数据，亟需一幅包含所有可疑信息的清晰 FLS 拼接图。然而，已有工作仅考虑 FLS 工作于理想系统配置下，即假设具备恰当的声纳成像设置与精确的定位数据。若不满足这些条件，帧内与帧间伪影将出现，并使感兴趣信息不可见，从而降低最终拼接图质量。本文提出一种可保持感兴趣信息的新型 FLS 拼接融合方法。我们设计了长短时滑动窗口（LST-SW）以校正原始声纳图像的局部统计特性。随后利用这些统计特性构建全局方差图（GVM）。GVM 通过在融合阶段区分信息像素与无特征像素，突出图像中有用信息，从而提升最终拼接图质量。该方法使用真实环境采集的数据进行了验证。结果表明，我们的方法能在实践中为人工检查目的于 FLS 拼接图中保留更多细节。
引用
@article{arxiv.2212.05216,
title = {Information-Preserved Blending Method for Forward-Looking Sonar Mosaicing in Non-Ideal System Configuration},
author = {Jiayi Su and Xingbin Tu and Fengzhong Qu and Yan Wei},
journal= {arXiv preprint arXiv:2212.05216},
year = {2025}
}