融合方向性回波阴影几何与声学频谱的声呐目标检测方法

本发明涉及声呐目标检测，尤其涉及融合方向性回波阴影几何与声学频谱的声呐目标检测方法。

背景技术：

1、对于基于声呐的水下目标检测算法，目前已有较多研究。在fls检测方面，valdenegro-toro等人率先将卷积神经网络应用于声呐图像的目标性评分，此后研究者进一步引入多尺度特征提取、去斑点处理、轻量化小目标检测以及基于知识蒸馏的检测器迁移等手段。在sss图像解译方面，早期工作借助迁移学习应对标注稀缺，近期方法则在通用骨干之上叠加特征超分辨、深度特征选择增强、基于小波的频率解耦等任务特定模块。

2、在骨干网络层面，卷积神经网络（cnn）以局部感受野建模上下文；transformer以自注意力覆盖全局上下文；视觉状态空间模型（ssm/mamba）则通过顺序状态传播，以线性计算复杂度实现长程建模。此外，通用视觉领域也发展了若干频域学习方法（如通道频域注意力、全局傅里叶滤波、频率解耦卷积等），用于增强特征判别能力。

3、尽管上述方法取得了一定进展，但在实际的声呐目标检测应用中仍存在显著局限性。其根本原因在于：声呐图像携带两个在光学图像中没有对应物的物理线索，而现有检测器并未在骨干内部对其加以建模。这两个线索是：（1）沿成像轴的方向性回波-阴影几何：每个目标都会产生一道高亮回波和一条沿固定声学方向延伸的细长阴影（fls中沿距离轴、sss中沿垂直航迹方向）；（2）频谱纹理对比：目标回波在中高频段携带背景水体所没有的能量，而低频段主要由弥散混响主导。二者互补：形状相近的金属圆柱与石块在空间形态上几乎相同，仅依赖空间线索的检测器会将其混淆，但二者的频谱特征存在差异。

4、现有方法的不足具体表现为：

5、（1）现有声呐检测器仍沿用为光学输入设计的纯空域骨干，其算子既不沿声学轴组织，也缺乏频域分解能力，因此上述两个物理线索被同时丢弃；部分方法仅在输入端或输出端附加声呐特定模块，但骨干内部仍是通用的空间处理器，问题未被真正解决。

6、（2）就长程建模而言，cnn骨干只能建模局部上下文，会遗漏横跨场景的回波-阴影对；transformer骨干虽能覆盖全局，但其二次方复杂度在水下推理常用的嵌入式平台上并不实用；现有视觉ssm虽以线性复杂度提供长程建模，但其扫描方向固定在图像网格（行/列）上，而非声学轴，序列因此无法跟踪方向性的回波-阴影结构，目标证据被分散到无关背景中。

7、（3）现有方法缺乏对声学频率线索的专门处理通道，既不能抑制主导背景区域的弥散低频混响，也不能放大标志目标回波的中高频结构。

8、（4）在多尺度特征融合阶段，标准特征金字塔（fpn/panet）以均匀的逐元素加法混合多尺度特征。空间响应在场景上稠密分布，而频率响应集中在稀疏的小目标区域，均匀加法会把稀疏的频率信号平均稀释到稠密的空间信号中，导致频率通道在自顶向下传播时被冲淡。

技术实现思路

1、本发明旨在解决上述问题。为此，本发明提供融合方向性回波阴影几何与声学频谱的声呐目标检测方法，设计了声呐自适应状态空间建模（sa-ssm）沿声学轴对齐并配对回波-阴影、声学频率特征调制（affm）分离目标回波与背景混响、声学感知特征聚合（aafa）在颈部保持两个通道的平衡，从而实现高精度、低计算成本的声呐目标检测。

2、本发明提供融合方向性回波阴影几何与声学频谱的声呐目标检测方法，采用的技术方案如下：包括：

3、获取声呐图像；

4、声呐图像通过patch-embedding后，输入骨干网络，得到多尺度特征图；

5、其中，上述骨干网络包括多个阶段，每个阶段采用堆叠的空-频模块，空-频模块内依次为声呐自适应状态空间模型、声学频率特征调制模型和位置式多层感知机；声呐自适应状态空间模型把一维扫描顺序与声学成像轴对齐，再通过回波-阴影配对算子沿距离轴为每个位置融入其邻域，使递推沿回波与阴影形成的方向展开；声学频率特征调制模型在特征的傅里叶域上操作，把特征分解成不相交的频率子带，再重建特征；

6、多尺度特征图经颈部结构进行声学感知特征聚合后送入检测头，输出目标检测结果。

7、进一步的，声学频率特征调制模型仅在骨干网络的前两个阶段启用。

8、进一步的，声呐自适应状态空间模型的工作过程为：

9、空-频模块的输入特征经线性投影切分为特征流和门控流；

10、根据门控流，得到乘性门控；

11、根据特征流，得到展平的沿声学轴对齐的序列；所述序列经过回波-阴影配对算子增强后，分别输入距离轴正向扫描分支、距离轴反向扫描分支，进行距离轴正向扫描、距离轴反向扫描；所述序列输入方位轴扫描分支，进行方位轴扫描；

12、距离轴正向扫描分支、距离轴反向扫描分支和方位轴扫描分支输出的序列分别通过选择性状态空间模型，得到还原网格；三个还原网格取平均，再经层归一化、与乘性门控逐元素相乘，得到声呐自适应状态空间模型输出特征。

13、进一步的，距离轴为回波与阴影顺序排列的方向，前视声呐沿图像高度、侧扫声呐沿图像宽度，方位轴与距离轴正交。

14、进一步的，距离轴正向扫描分支、距离轴反向扫描分支和方位轴扫描分支输出的序列分别通过独立的选择性状态空间模型，按各自扫描顺序还原，得到还原网格；三个独立的选择性状态空间模型各自拥有独立参数。

15、进一步的，回波-阴影配对算子把沿距离轴的空间关系编码为一个token级的一维邻域聚合；具体过程为：

16、对每个位置，由预测器给出一个维聚合权重与一个门控，为距离轴每侧的邻域半径；

17、对每个通道独立地利用聚合权重与门控对该位置处的token特征施加聚合。

18、进一步的，声学频率特征调制模型的工作过程为：

19、对输入特征图做正交归一化的二维实数傅里叶变换，再进行级联子带分离，得到多个不相交的高频子带和一个低频残差；

20、从高频子带自身计算空间注意力权重，并调制该高频子带，得到调制后子带；

21、计算低频残差与所有调制后子带的和，得到声学频率特征调制模型的输出特征。

22、进一步的，级联子带分离使用的截止参数为2和4；级联子带分离得到两个不相交的高频子带和一个低频残差。

23、进一步的，声学感知特征聚合的每个金字塔层级采用频率-空间交叉门控单元，使两个通道按位置自适应权重相互增强；

24、所述频率-空间交叉门控单元从金字塔特征提取空域视图和频域视图；

25、从空域视图和频域视图中各产生一个门控，并作用于另一路视图；再与金字塔特征求和，得到空域-频域交叉门控融合特征，计算公式为：

26、

27、其中，为空域-频域交叉门控融合特征，为空域视图生成的门控系数，为频域视图生成的门控系数，为空域视图，为频域视图，为金字塔特征，为逐元素相乘。

28、进一步的，patch-embedding由两个步长为2的3×3卷积构成；

29、骨干网络的阶段数量为4；

30、检测头采用基于锚框的检测头。

31、本发明实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：

32、（1）本发明首次从声呐图像区别于光学图像的两个物理线索（方向性回波-阴影几何、声学频谱纹理）出发进行骨干设计，并将二者作为并行的空间通道与频率通道嵌入骨干每个模块内部，而非像现有方法那样仅在输入/输出端附加声呐模块、骨干内部仍为通用空间处理器。

33、（2）在空间通道，本发明提出sa-ssm，将状态空间模型的扫描方向与声学成像轴（距离轴、方位轴）对齐，并通过回波-阴影配对算子沿距离轴逐token自适应聚合邻域，使递推跟随回波-阴影结构；而现有视觉ssm（状态空间模型）的扫描方向固定在图像行/列上，无法跟踪该结构。

34、（3）在频率通道，本发明提出affm，将特征分解为不相交的频率子带并施加逐子带、逐位置的可学习空间注意力，显式增强目标相关的中高频、抑制低频混响；这是现有纯空域骨干所不具备的能力。

35、（4）在颈部融合，本发明提出aafa，用位置自适应的频率-空间交叉门控（fscg）替换标准特征金字塔的均匀逐元素加法，使空间与频率两个通道在多尺度传播中相互增强、互不稀释。

36、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。