Корекція смугового шуму, спричиненого креном, на зображеннях гідролокатора бокового огляду
Олександр КатрушаЗабезпечення високої якості зображень, отриманих за допомогою гідролокатора бокового огляду, є важливим для підвищення ефективності підводних досліджень, оскільки такі спотворення, як смуговий шум, можуть ускладнювати аналіз даних. Мета цієї статті – дослідити природу смугового шуму, визначити кореляцію між інтенсивністю зображення і крену гідролокатора, а також розробити новий метод покращення якості гідролокаційних зображень. У дослідженні використовується метод статистичної корекції, заснований на розрахунку горизонтальної ковзної середньої для корекції інтенсивності, а також модель машинного навчання, яка використовує тришарову нейронну мережу для прогнозування горизонтальної ковзної середньої з урахуванням кута падіння променя, висоти гідролокатора над дном та початкової інтенсивності лінії. У дослідженні було застосовано статистичні методи та методи машинного навчання для корекції смугового шуму, спричиненого кренуванням, на гідролокаційних зображеннях, що значно покращило їх якість. Статистичний підхід, що використовує середнє значення горизонтальної хитавиці, ефективно зменшив шум, зберігши при цьому критичні деталі і підвищивши загальну чіткість. Модель машинного навчання включала додаткові параметри, що підвищило точність прогнозування інтенсивності та покращило адаптивність до різних умов положення гідролокатора. Крім того, новий метод дозволяє враховувати змінні умови на місцевості, що робить його гнучким і ефективним в умовах реальних підводних досліджень. Ці результати дають цінну інформацію для вдосконалення методів обробки гідролокаційних зображень, прокладаючи шлях до більш ефективної підводної розвідки та покращення точності виявлення об'єктів на дні моря
Використані джерела
[1] Al-Rawi, M., Galdran, A., Isasi, A., & Elmgren, F. (2017). Cubic spline regression based enhancement of side-scan sonar imagery. In Proceedings of the OCEANS 2017 (pp. 1-7). Aberdeen: Institute of Electrical and Electronics Engineers. doi: 10.1109/oceanse.2017.8084567.
[2] Al-Rawi, M.S. (2016). Intensity normalization of sidescan sonar imagery. In Proceedings of the international conference on image processing theory, tools and applications (pp. 1-6). Oulu: IEEE. doi: 10.1109/IPTA.2016.7820967.
[3] Burguera, A., & Oliver, G. (2014). Intensity correction of side-scan sonar images. In Proceedings of the emerging technology and factory automation (pp. 1-4). Barcelona: Institute of Electrical and Electronics Engineers. doi: 10.1109/ ETFA33519.2014.
[4] Capus, C.G., Banks, A.C., Coiras, E., Tena Ruiz, I., Smith, C.J., & Petillot, Y.R. (2008). Data correction for visualisation and classification of sidescan SONAR imagery. IET Radar, Sonar & Navigation, 2(3), 155-169. doi: 10.1049/ietrsn:20070032.
[5] Chang, Y.-C., Hsu, S.-K., & Tsai, C.-H. (2020). Sidescan sonar image processing: Correcting brightness variation and patching gaps. Journal of Marine Science and Technology, 18(6), 721-730. doi: 10.51400/2709-6998.1935.
[6] Chen, Y., Huang, T.-Z., Zhao, X.-L., Deng, L.-J., & Huang, J. (2017). Stripe noise removal of remote sensing images by total variation regularization and group sparsity constraint. Remote Sensing, 9(6), article number 559. doi: 10.3390/ rs9060559.
[7] Guan, J., Lai, R., & Xiong, A. (2019). Wavelet deep neural network for stripe noise removal. IEEE Access, 7, 4454444554. doi: 10.1109/ACCESS.2019.2908720.
[8] Hughes Clarke, J.E. (2004). Seafloor characterization using keel-mounted sidescan: Proper compensation for radiometric and geometric distortion. In Canadian hydrography conference 2004 (pp. 1-18). Ottawa: Hydro International.
[9] Li, M., Nong, S., Nie, T., Han, C., Huang, L., & Qu, L. (2022). A novel stripe noise removal model for infrared images. Sensors, 22(8), article number 6971. doi: 10.3390/s22082971.
[10] Li, M., Rieck, J., Noheda, B., Roerdink, J., & Wilkinson, M. (2024). Stripe noise removal in conductive atomic force microscopy. Scientific Reports, 14(1), article number 3931. doi: 10.1038/s41598-024-54094-w.
[11] Lu, Z., Zhu, T., Zhou, H., Zhang, L., & Jia, C. (2023). An image enhancement method for side-scan sonar images based on multi-stage repairing image fusion. Electronics, 12(17), article number 3553. doi: 10.3390/electronics12173553.
[12] Navigation Messages. (n.d.). Retrieved from https://www.lsts.pt/docs/imc/master/Navigation.html.
[13] Shaobo, S., Jianhu, L., Yongcan, Y., Yunlong, W., Shaofeng, B., & Guojun, Z. (2022). Anisotropic total variation regularized low-rank approximation for SSS images radiometric distortion correction. IEEE Transactions on Geoscience and Remote Sensing, 60, article number 5925412. doi: 10.1109/TGRS.2022.3229301.
[14] Shippey, G., Bolinder, A., & Finndin, R. (1994). Shade correction of side-scan sonar imagery by histogram transformation. In Proceedings of the OCEANS’94 (pp. 439-443). Brest: Institute of Electrical and Electronics Engineers. doi: 10.1109/ OCEANS.1994.364084.
[15] Sivachandra, K., & Kumudham, R. (2024). A review: Object detection and classification using side scan sonar images via deep learning techniques. In V.K. Gunjan, J.M. Zurada, N. Singh (Eds.), Modern approaches in machine learning and cognitive science: A walkthrough (pp. 229-249). Cham: Springer. doi: 10.1007/978-3-031-43009-1_20.
[16] Steiniger, Y., Kraus, D., & Meisen, T. (2022). Survey on deep learning based computer vision for sonar imagery. Engineering Applications of Artificial Intelligence, 114, article number 105157. doi: 10.1016/j.engappai.2022.105157.
[17] Wilken, D., Feldens, P., Wunderlich, T., & Heinrich, C. (2012). Application of 2D Fourier filtering for elimination of stripe noise in side-scan sonar mosaics. Geo-Marine Letters, 32(4), 337-347. doi: 10.1007/s00367-012-0293-z.
[18] Xia, H., Cui, Y., Jin, S., Bian, G., Liu, G., Zhang, W., & Peng, C. (2024). Improvement of Criminisi’s stripe noise suppression method for side-scan sonar images. Applied Sciences, 14(20), article number 9574. doi: 10.3390/app14209574.
[19] Ye, X., Yang, H., Li, C., Jia, Y., & Li, P. (2019). A gray scale correction method for side-scan sonar images based on Retinex. Remote Sensing, 11(11), article number 1281. doi: 10.3390/rs11111281.
[20] Zhao, J., Yan, J., Zhang, H., & Meng, J. (2017). A new radiometric correction method for side-scan sonar images in consideration of seabed sediment variation. Remote Sensing, 9(6), article number 575. doi: 10.3390/rs9060575.
[21] Zhou, P., Chen, J., Tang, P., Gan, J., & Zhang, H. (2024). A multi-scale fusion strategy for side scan sonar image correction to improve low contrast and noise interference. Remote Sensing, 16(10), article number 1752. doi: 10.3390/ rs16101752.