【《水下目标探测技术探究》开题报告4800字】

水下目标探测技术探究开题报告目录TOC\o"1-3"\h\u18964水下目标探测技术探究开题报告 1309071.1研究背景与意义 1260201.2国内外研究现状 319831.3主要研究内容 611422参考文献 61.1研究背景与意义随着科技的发展和进步，人类的步伐逐渐遍及地球的每个角落，然而到目前为止，因为海洋环境较为特殊和复杂，人类对于海洋的探索并不够深入，目前已探索海底面积仅占总面积的5%，这显然不利于海洋资源的开发利用[1-4]。同时，在现代海上航运业高度发达的背景下，如果不能提前预知水下目标的潜在威胁，也不利于舰船的安全航运，进而影响商业贸易的发展，特别是鱼雷、水雷、潜艇等水下武器平台的兴起，对海上航运的安全有着严重的影响。相关统计显示，一战，49%被击沉的舰船是被鱼雷、水雷击沉的；在二战中，38.5%被击沉的舰船是被鱼雷、水雷击沉的，其中还包含19艘航母。如1988年，一枚苏制老式M08水雷引爆了正在执行任务的美军的“罗伯茨”号导弹护卫舰，致使“罗伯茨”号导弹护卫舰左侧船舷被炸裂，见图1-1(a)。1991年发生的海湾战争中，水雷将美国“的黎波里”号两栖攻击舰炸裂，右侧船舷出现9m左右的破口，见图1-1(b)。同年，两枚水雷击中了美国“普林斯顿”号导弹巡洋舰，严重破坏船体结构，见图1-1(c)。(a) (b)(c)图1-1水雷接触爆炸对舰船的毁伤效果图马岛战争中，阿根廷的“贝尔格拉诺将军”号巡洋舰被英国核动力潜艇“征服者”号发射两枚鱼雷击沉，见图1-2。这些海上作战的案例都反映了水下接触爆炸对舰船造成的严重损害。图1-2鱼雷水下接触爆炸由此可见，这些水下平台及武器战备对海上航行的大型水面舰船造成很大的军事威胁，特别是鱼雷，深弹等采用接触式爆炸方式对舰船进行毁伤，对舰船造成极大的物理伤害，压缩了舰船的生存空间，极大的影响海上航行安全及海上贸易。最近几年，海洋信息处理技术发展迅猛，水下目标探测技术越来越多的在海底光缆铺设、水下石油平台的建立与维修、海底沉船的打捞、海底鱼群探测、舰艇探测等领域得到了广泛的运用。同时，水下目标探测技术持续受到国内外的专家学者关注，作为海洋应用领域的关键技术，此技术能够应用于环境感知、目标监测、资源勘探、情报收集等方面[5]。水下目标探测通常利用光学图像和声波信号完成，传统的水下目标探测技术认为声波在水下的传播不会导致目标信息的大量损失，因此水声与声纳信号的处理成为了传统水下目标探测的主要研究方向，这也使得分析目标辐射噪声的被动探测手段是基于水声信号处理的水下目标探测领域中的主流手段[6,7]。然而，以声波为手段的水下目标探测技术面临着如下发展瓶颈[8]：（1）动力、通信和材料等技术发展减轻目标辐射噪音强度。现在最先进的舰船在水下产生的辐射噪音已经能够与水下背景噪音强度持平。（2）海洋环境中背景噪音来源复杂，随着人类海洋活动愈加频繁，干扰信号增多，水下背景噪声强度大幅提高。（3）在水声效应的影响下，水下环境中的声波处于一种复杂的变化状态。（4）主要依靠人工通过水声信号的节奏、音色和声音起伏等方面的典型特征与DEMEO等谱图相结合实现目标探测，智能化程度低，准确性有限。与声波信号相比，水下光学图像具有分辨率高、信息量大的优势，在执行短距离水下探测任务时能够充分发挥优势。水下探测的成像环境较为特殊，且存在对比度低、噪声多、颜色失真以及特征模糊等不足[9]。得益于计算机视觉技术的迅猛发展，学者们提出了一系列基于深度学习的图像去噪、图像增强、图像复原、目标检测方法，这些方法的提出，帮助研究者在较差的图像质量中精准且迅速的识别并追踪目标[10-14]。然而，在光学图像的水下目标探测研究领域，针对水下图像增强、复原技术的研究较多，针对水下目标探测的研究却较少，究其原因，是因为水下的光学成像环境较陆上更为复杂，也就无法直接套用陆地上的较为成熟的光学目标检测技术和算法，因此相关技术在水下目标探测领域的应用受到了限制[15,16]。如果能够将相关的技术方法加以改进使之适用于水下，在海洋相关的领域具有十分重要的研究价值，在民用方面可以用于鱼群探测、涡流发现等，在军事上可以发挥更大的作用，如鱼雷、潜艇、舰船等军事目标的探测，这能够为我国军事现代化和国防科技化发展提供巨大助力。1.2国内外研究现状(1)水下目标探测方面目前，水下目标探测的信号处理主要有两种，一种是利用声呐传感器采集声学图像完成目标探测，另一种是利用水下摄像设备采集光学图像完成目标探测[17]。声呐传感器可以利用出声波在水下的传播规律来估计目标的形态，受水质影响更小，适合在远距离上探测较大且具有固定形状的目标。与基于声呐信号的水下目标探测方法相比，基于光学图像的水下目标探测方法能更好的突出目标的细节属性特征，如颜色、形状等信息，更有利于探测识别水下目标[18,19]。然而在水下的成像环境更加复杂，一般的光学感受器只能采集距离较近的目标物体信息，因此针对视觉图像为基础的目标探测技术的研究远少于针对声波信号为基础的目标探测技术研究。但是，最近几年AUV技术发展迅猛，以视觉图像为基础的水下目标检测技术研究收获了国内外学者更多的关注。在研究以光视觉为基础的目标探测技术过程中，国外的研究人员大多选择水底生物或人造物进行研究。BazeiUe[20]等构建了水下环境对色彩影响的模型，利用此模型以颜色信息为指标检测水下人造物，然而此方法缺乏对于连续样本数据相似性考察。Christian[21]等提出了基于边界的水下目标检测方法，该方法是针对特定目标颜色与周围对比明显时才能获得高质量的图像。Marlindia[22]等给予检测线条对目标形状进行重建用于水下目标探测，经过实验发现这种方法探测非噪声图像有96%的准确度，探测噪声图像有88%的准确率，然而这种方法只能用于探测形状简单的人造物，对于形状较为复杂的水底生物目标检测效果不能达到预期。Chuang[23]等认为可以利用非监督特征学习和容错检测技术构建水下鱼类识别框架，能够准确探测出类不平衡的水下鱼类图像。我国也有许多学者也对水下目标探测技术发展方向进行了相关研究。李庆忠[24]等建立了检测水下线型目标的算法，通过小波变换的方式获取直线信息，可以较为准确的探测直线的基本特征，此方法仅可用于直线目标的探测，无法适用于形状不规则的水底生物。郭传鑫[25]等认为可以将显著特征融合技术应用于水底生物目标探测，但此算法实际操作难度较大，难以应用。朱[26]等建立了以显著性区域合并技术为基础的水下目标探测和分割方法，能够提高水下图像目标分割效率和质量。综上，现有的水下目标探测技术的研究对象大多形状简单，此类方法检测质量和稳定性受到环境因素影响。大多数水下图像都存在低照度、颜色失真、图像质量低等问题，因此在进行目标检测之前通常需要进行一定的处理，增强图像对比度，提高颜色质量，期望能够获得尽可能高质量的数据，提高算法的检测精度，提高目标分割质量，但在实际应用过程中收效甚微。（2）水下目标接触式爆炸及舰船防护方面接触爆炸比非接触爆炸对物体结构的毁伤机理更加发展，这也阻碍了相关理论研究的发展步伐。Nurick[27]以薄板为对象实施接触爆炸试验，结果发现薄板出现花瓣翻转、凹陷、冲塞和开裂等情况。Wierzbicki[28]在能量原理的基础上研究了薄板发生接触爆炸后产生的花瓣开裂现象，计算了薄板的撕裂和花瓣旋转过程中的能量损耗。因为接触爆炸较为复杂，近年来，其模拟数值技术发展水平并不高，现在常用的CEL和ALE的方法模拟舰船接触爆炸，但是许多学者认为这种方法仅适用于没有发生网格高度畸变的情况，不然模拟数值的准确性无法得到保证。对于实船爆炸的情况也有学者进行了研究。吉田隆以二战期间日本爆炸的舰船作为研究对象，记录并分析了舰船的破损情况，获得了接触爆炸下舰船破口尺寸的经验公式。澳大利亚海军利用MK-48ADCAP鱼雷击沉了退役的Torrens护卫舰。2005年，美国用鱼雷等武器实弹攻击了一艘退役的航空母舰，这也是世界上被击沉的最大战舰，但是由于此次实验数据涉及军事机密，因此未见大量研究文献和研究数据。我国对于水下接触爆炸的研究起步较晚，相关参考文献数量较少。朱锡[29]以船体板架为研究对象进行水下接触爆炸试验，此次实验探究了加强筋对于接触爆炸破口尺寸的影响程度。王善以复杂板壳结构为研究对象，探索了水下接触爆炸过程中的动态响应情况，提取了破口半径的估算公式。张振华[30]根据Wierzbicki研究利用Hamilton变分原理进一步获取了接触爆炸中薄板花瓣数量、药量和破口大小之间的关系。我国在进行水下接触爆炸研究过程中都是使用通用软件进行分析，没有自主知识产权，而且缺乏对软件内部算法的认识，因此对于舰船结构水下接触爆炸的毁伤机理等研究一直无法获得较大进展。进行水下爆炸对于舰船结构损伤情况的研究是为了服务于舰船防护结构设计，提升舰船水下抗爆炸水平。世界海军强国已经进行了大量研究，提供了较为可靠的水下舰船防护结构设计方案。现阶段世界上常用的舰船保护结构有3种：第一，将80%空腔的抗冲击瓦铺设在舰船表面，利用水、空气、船体间的阻抗失配抵消爆炸产生的冲击波，减轻水下爆炸对舰船结构的破坏。第二，利用钢-泡沫夹层板或其他特殊结构作为船体外板，不仅可以利用阻抗失配原理对抗爆炸冲击，其中的泡沫等结构还能够吸能。第三，在船舷部分设置防雷舱，最外侧是膨胀舱，此部分为空舱，可以抵消水下爆炸冲击波，并预留出外板变形的空间；第二层是吸收舱，此部分为液体舱，可以减缓炸弹碎片和外板碎片抛射速度；第三层也是空舱，可以进一步抵消冲击波对于舰船防护板的冲击。由于此部分内容涉及大量军事机密，缺乏可参考文献，无法进一步研究其结构形式、参数和机理的具体情况。我国在舰船防护结构方面亦进行了广泛探索。目前国内对水下爆炸载荷作用下的舰船防护研究均是采用理论和试验方法，汪玉[31]利用波动理论和Taylor平板模型针对抗冲击瓦在水下非接触爆炸中的缓冲作用进行了深入研究。谌勇[32]针对橡胶夹芯覆盖层保护加筋方盒的情况进行研究，结果表明其能够大幅度减轻冲击波作用于物体结构过程中的峰值和冲量。黄超[33]以钢夹层板为对象研究其在水下爆炸时的抗变形和吸能情况，结果证明钢夹层板的抗爆性显著高于普通钢板。汪玉[34]研究了聚乙烯泡沫夹层结构在水下爆炸时的变化情况，结果显示可以利用夹层结构对抗水下爆炸产生的冲击波。1.3主要研究内容本文以水下目标探测与舰船水下防护为研究对象，对深度学习在水下目标探测的应用以及水下爆炸载荷作用下的舰船防护展开研究，主要研究内容如下：第一章主要分析了当前水下探测及水下防护的现实意义及当前研究的现状；第二章对深度学习理论及水下目标探测技术及水下爆炸等概念进行阐述，引出本文研究的场景；第三章首先对图像信号的特征提取方法的研究进行了概述提出了一种面向图像信号特征提取的自适应卷积方法；第四章提出了一种基于改进SSD-MV2的目标检测方法，通过通道可选择组件提高了模型对水下感兴趣目标的检测识别能力；第五章基于水下爆炸理论，以某型舰船为研究对象，利用数值模拟的方法研究了它在受到水下近场接触爆炸冲击波载荷作用下的动态响应，最后提出了适用于该型舰船的新型防护结构及防护策略。图1-3论文结构框架图参考文献[1]ZhangShengli,SunQian,ZhangMeng,ZengHang,WangShuming.Underwatertargetdetectionwithquantumillumination[J].BeijingInstituteofTechnology(China);BeijingInstituteofSpaceMechanicsandElectricity(China);NanjingUniv.(China);KunmingInstituteofPhysics(China);InstituteofSemiconductors,ChineseAcademyofSciences(China);TheShanghaiInstituteofTechnicalPhysicsoftheChineseAcademyofSciences(China);NationalUniv.ofDefenseTechnology(China),2022,12169.[2]WangXinhua,ZhuYungang,LiDayu,ZhangGuang.UnderwaterTargetDetectionBasedonReinforcementLearningandAntColonyOptimization[J].JournalofOceanUniversityofChina,2022,21(2).[3]LeiFei,TangFeifei,LiShuhan.UnderwaterTargetDetectionAlgorithmBasedonImprovedYOLOv5[J].JournalofMarineScienceandEngineering,2022,10(3).[4]FanXinnan,LuLiang,ShiPengfei,ZhangXuewu.Anovelsonartargetdetectionandclassificationalgorithm[J].MultimediaToolsandApplications,2022,81(7).[5]TianYiwei,LiuMeiqin,ZhangSenlin,ZhouTian.Underwatermulti-targetpassivedetectionbasedontransientsignalsusingadaptiveempiricalmodedecomposition[J].AppliedAcoustics,2022,190.[6]王慧敏,霍冠英,周亚琴,余大兵.基于偏振成像和显著区域自补偿的水下显著目标检测[J/OL].计算机应用研究,[2022-04-11]:1-8.[7]LiGuohui,HouYongming,YangHong.AnewDuffingdetectionmethodforunderwaterweaktargetsignal[J].AlexandriaEngineeringJournal,2022,61(4).[8]CaiLiangwei,WangCeng,XuYuan.AReal-TimeFPGAAcceleratorBasedonWinogradAlgorithmforUnderwaterObjectDetection[J].Electronics,2021,10(23).[9]李宝奇,黄海宁,刘纪元,刘正君,韦琳哲.基于改进SSD的水下光学图像感兴趣目标检测算法研究[J/OL],电子与信息学报,[2022-04-11]:1-8.[10]李宝奇,黄海宁,刘纪元,刘正君,韦琳哲.基于改进SSD的合成孔径声呐图像水下多尺度目标轻量化检测模型[J].电子与信息学报,2021,43(10):2854-2862.[11]王璐,王雷欧,王东辉.基于Faster-rcnn的水下目标检测算法研究[J].网络新媒体技术,2021,10(05):43-51+58.[12]ZhengYunliang,YuMengxue,MaZi’ao,LiuRong,LiuYang.UnderwaterTargetDetectionBasedonDeepNeuralNetworkandImageEnhancement[J].JournalofPhysics:ConferenceSeries,2021,2029(1)[13]喻明毫,高建瓴.轻量级水下目标检测器LUDet[J/OL].计算机工程与科学:1-8[2022-04-11].[14]DiptaGomes,A.F.M.SaifuddinSaif.RobustUnderwaterFishDetectionUsinganEnhancedConvolutionalNeuralNetwork[J].InternationalJournalofImage