基于物理动机的知识蒸馏用于侧扫声纳图像的盲几何校正
大气与海洋物理
2026-03-17 v1
摘要
侧扫声纳（SSS）图像容易受到平台运动不稳定性引起的几何畸变的影响，这些畸变会降低几何一致性，并限制后续分析，如拼贴和感知。常规校正方法通常依赖导航和姿态测量，而这些测量在实际海洋条件下往往不可靠。这种不可靠性 necessitates 进行单张扭曲图像的盲几何校正，这是一个高度难以置换的问题。为此，我们提出了一种基于物理动机的知识蒸馏框架，用于侧扫声纳图像的盲几何校正。具体而言，训练一个教师网络以配对的扭曲图像和地理编码参考图像为输入，以学习与畸变相关的几何差异，并将这种知识传递给一个仅在盲推断时使用单张扭曲图像进行校正的学生网络。为确保物理上可接受的变形估计，我们设计了一个参数化解码器，将畸变表示为与SSS行扫描成像机制一致的逐行仿射变换。为补偿盲推断期间缺乏参考信息，我们引入了一个幻觉上下文模块，在多级蒸馏方案下从扭曲特征中模拟教师的几何推理。此外，采用可微分的前向扭曲策略，以端到端方式处理SSS图像的非双射变形特征。多个数据集上的大量实验表明，所提方法在多个基准测试中均优于最先进的基线方法，并在不同平台和获取条件下表现出良好的泛化能力。
引用
@article{arxiv.2603.15200,
title = {Physically Motivated Knowledge Distillation for Blind Geometric Correction of Side-Scan Sonar Imagery},
author = {Can Lei and Hayat Rajani and Valerio Franchi and Rafael Garcia and Nuno Gracias and Huigang Wang and Wei Qiang},
journal= {arXiv preprint arXiv:2603.15200},
year = {2026}
}