符書楠 許 楓 劉 佳 逄 巖

(1 中國科學(xué)院聲學(xué)研究所 北京 100190)

(2 中國科學(xué)院大學(xué) 北京 100049)

0 引言

水下小目標(biāo)檢測是水聲領(lǐng)域的熱點(diǎn)之一，在水下搜救、石油勘探和可疑物探測等方面有著重要應(yīng)用[1-3]。電磁波等探測媒介在水下傳播衰減明顯，相比之下，聲波的衰減較小，聲吶成為最常用的水下探測設(shè)備。然而由于水下環(huán)境復(fù)雜多變，聲吶圖像存在低信噪比、干擾嚴(yán)重的問題，同時(shí)小目標(biāo)相對(duì)于海底背景較小、所含信息較為有限，難以提取出表達(dá)力強(qiáng)的特征，導(dǎo)致水下小目標(biāo)的檢測效率低、漏檢嚴(yán)重[4]。因此，如何更好地利用小目標(biāo)的特征信息，實(shí)現(xiàn)準(zhǔn)確、低虛警的水下小目標(biāo)檢測已成為當(dāng)前亟需解決的問題之一。

針對(duì)上述問題，相關(guān)學(xué)者提出了許多基于傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的水下小目標(biāo)檢測方法。王梁等[5]利用擬合的超橢圓曲線的尺寸、形狀和位置參數(shù)構(gòu)建分類特征對(duì)水下小目標(biāo)進(jìn)行分類，實(shí)驗(yàn)證實(shí)該方法可行有效，但對(duì)于極不規(guī)則的小目標(biāo)識(shí)別效果不佳。Abu等[6]利用目標(biāo)統(tǒng)計(jì)特征對(duì)分割后的區(qū)域進(jìn)行分類實(shí)現(xiàn)了一種無監(jiān)督水下小目標(biāo)探測方法，該方法實(shí)現(xiàn)了較高的檢測率和虛警率，然而實(shí)時(shí)性較差。Zhou 等[7]提出了一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)和Fisher 判別的水下遠(yuǎn)距離小目標(biāo)實(shí)時(shí)檢測方法，優(yōu)于常用的深度學(xué)習(xí)方法，步驟卻較為繁瑣復(fù)雜。諶雨章等[8]采用多速率空洞卷積方法檢測復(fù)雜水下環(huán)境中的小目標(biāo)，提高了對(duì)水下小目標(biāo)的檢測能力，但該方法使用反卷積操作會(huì)產(chǎn)生偽影現(xiàn)象，影響目標(biāo)檢測性能。Chen等[9]基于樣本加權(quán)混合網(wǎng)絡(luò)提出了一種有效處理水下弱小目標(biāo)的深度集成檢測器，然而計(jì)算復(fù)雜度較高。

水下小目標(biāo)檢測任務(wù)通常分為區(qū)域提取和分類兩個(gè)階段，即先從存在較多干擾的聲圖中提取感興趣區(qū)域(Region of interest,ROI)，確保潛在目標(biāo)被篩選出來，同時(shí)盡可能多地消除虛警，然后利用分類算法對(duì)潛在目標(biāo)區(qū)域進(jìn)行分類。區(qū)域提取階段常用方法有閾值分割法、區(qū)域生長算法、馬爾可夫隨機(jī)場(Markov random field,MRF)分割方法[10]等。其中，MRF分割算法因參數(shù)設(shè)置少、分割效果好，而被廣泛應(yīng)用于聲吶圖像的區(qū)域提取[11-13]。分類階段的關(guān)鍵是提取出具有代表性的特征，通常利用人為設(shè)計(jì)的多種特征提取算法進(jìn)行提取，操作難度較高。而深度特征是一種通過卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)自主提取，具有豐富特征表達(dá)的隱式特征，常用于水下目標(biāo)分類[14-16]。但CNN 的多層卷積和池化易導(dǎo)致部分底層特征信息丟失[17]，較難取得理想的檢測效果。為進(jìn)一步增強(qiáng)CNN 對(duì)目標(biāo)特征的表征能力，可將目標(biāo)的基礎(chǔ)特征融入CNN，形成更有利于分類的網(wǎng)絡(luò)，提高目標(biāo)檢測效率。

綜上所述，針對(duì)水下小目標(biāo)信息量有限而難以提取有效特征導(dǎo)致目標(biāo)檢測性能不佳的問題，本文提出了一種基于區(qū)域提取和融合Hu 矩特征的改進(jìn)CNN 水下小目標(biāo)檢測方法。該方法包括區(qū)域提取和分類兩個(gè)階段。首先，利用基于MRF分割算法的區(qū)域提取方法從聲圖中提取ROI，實(shí)現(xiàn)潛在目標(biāo)定位。然后為進(jìn)一步降低區(qū)域提取階段帶來的虛警，同時(shí)保持較高的檢測率，將ROI 輸入融合Hu 矩特征的改進(jìn)CNN 中完成水下小目標(biāo)檢測。第一階段的區(qū)域提取方法可以有效地從復(fù)雜水下環(huán)境中篩選出潛在目標(biāo)，避免后續(xù)的分類被環(huán)境因素影響。分類階段的改進(jìn)CNN 融合了潛在目標(biāo)的深度特征和形狀特征，形成形狀特征表征能力更強(qiáng)的特征融合網(wǎng)絡(luò)，有利于提升目標(biāo)檢測性能。最后以側(cè)掃聲吶實(shí)測數(shù)據(jù)為例進(jìn)行處理分析，實(shí)驗(yàn)結(jié)果表明，本文提出的方法可以有效提高對(duì)水下小目標(biāo)的發(fā)現(xiàn)概率和正確報(bào)警率，同時(shí)對(duì)不同側(cè)掃聲吶獲取的數(shù)據(jù)進(jìn)行驗(yàn)證，證明該方法具有一定的泛化性。

1 區(qū)域提取

1.1 MRF分割算法原理

為定位潛在目標(biāo)區(qū)域并保留其完整性，本文對(duì)聲圖進(jìn)行分割處理。MRF 分割算法常用于對(duì)圖像特征(區(qū)域標(biāo)簽、邊緣等)的連續(xù)性進(jìn)行建模，能夠最大限度地保留目標(biāo)完整性[18]，因此本文選擇基于MRF 分割算法對(duì)聲吶圖像進(jìn)行區(qū)域提取。MRF 分割算法本質(zhì)上是一種對(duì)聲圖的每個(gè)數(shù)據(jù)點(diǎn)進(jìn)行標(biāo)記的統(tǒng)計(jì)方法，利用MRF 對(duì)數(shù)據(jù)點(diǎn)的空間域進(jìn)行建模，并將其作為先驗(yàn)知識(shí)，在貝葉斯準(zhǔn)則下對(duì)聲圖的數(shù)據(jù)點(diǎn)進(jìn)行分類。

設(shè)一個(gè)M×N的聲圖是一個(gè)MRF，S={(i,j)|1 ≤i≤M,1 ≤j≤N}是該聲圖上定義的空間位置集合。設(shè)Y={ys,s ∈S}是觀測到的聲圖數(shù)據(jù)，稱為觀測場；X={xs,s ∈S}是數(shù)據(jù)點(diǎn)的類別標(biāo)簽，稱為標(biāo)記場，即聲圖的分割結(jié)果。根據(jù)貝葉斯定理：

其中，P(Y|X)為待分割聲圖的概率模型，P(X)和P(X|Y)分別為標(biāo)記場的先驗(yàn)概率和后驗(yàn)概率，P(Y)為計(jì)算中未考慮的常數(shù)。因此，聲圖的分割問題可以轉(zhuǎn)化為最大后驗(yàn)問題，即當(dāng)后驗(yàn)概率P(X|Y)達(dá)到最大值時(shí)，得到此時(shí)的標(biāo)記場：

其中，似然函數(shù)P(Y|X)可由混合高斯模型表示：

其中，n為聲圖數(shù)據(jù)點(diǎn)的標(biāo)簽類別數(shù)，μs和Σxs分別是隸屬不同類別的觀測場數(shù)據(jù)的均值和協(xié)方差矩陣。

由Hammcrslcy-Clifford 定理，MRF 與Gibbs隨機(jī)場具有等價(jià)性，則MRF先驗(yàn)概率可表示如下：

其中耦合系數(shù)β一般取值[0,2]，本文中該系數(shù)取為1。

算法具體流程圖如圖1所示。

圖1 MRF 算法流程圖Fig.1 The flowchart of MRF algorithm

1.2 基于MRF分割的區(qū)域提取方法

受海水介質(zhì)、成像環(huán)境、混響等因素影響，聲吶圖像存在較多噪聲干擾，為準(zhǔn)確提取潛在目標(biāo)區(qū)域，在圖像分割之前需要進(jìn)行預(yù)處理操作。同時(shí)，由于分割后的區(qū)域仍存在與目標(biāo)尺寸差距較大的干擾，需要對(duì)分割區(qū)域進(jìn)行篩選，從而精準(zhǔn)地獲取潛在目標(biāo)區(qū)域。本文提出的區(qū)域提取方法如圖2 所示，該方法主要由5個(gè)步驟組成，具體操作如表1所示。

表1 區(qū)域提取步驟Table 1 Region extraction steps

圖2 區(qū)域提取流程圖Fig.2 The flowchart of region extraction

2 特征融合分類網(wǎng)絡(luò)

2.1 Hu矩特征

水下小目標(biāo)的基礎(chǔ)特征是形狀特征、尺寸特征等，可作為主要特征用于目標(biāo)分類。Hu 矩特征[19]是一種有效描述目標(biāo)形狀的矩特征，具有平移、旋轉(zhuǎn)和尺度不變性，不受目標(biāo)位置和方向影響，常作為水下目標(biāo)特征，應(yīng)用于小目標(biāo)分類[20-21]。

設(shè)f(x,y)(x=1,···,M，y=1,···,N)為大小M×N圖像在(x,y)處的灰度值，則它的p+q階幾何矩mpq定義為

通過幾何矩mpq構(gòu)建的中心矩反映了圖像灰度相對(duì)于灰度重心的分布，p+q階中心矩μpq如式(8)所示：

其中，(x0,y0)是圖像的重心坐標(biāo)，x0=m10/m00，y0=m01/m00。

該圖像的p+q階歸一化中心矩ηpq定義為

其中，r=(p+q)/2+1。

通過式(9)歸一化中心矩的多種線性組合，可計(jì)算出7個(gè)Hu矩，如式(10)～(16)所示：

上述7 個(gè)Hu 矩構(gòu)成了目標(biāo)的形狀特征H=(H1,H2,H3,H4,H5,H6,H7)。

2.2 融合Hu矩特征的改進(jìn)CNN

LeNet-5[22]是由Lecun于1998年提出的7層CNN，主要用于手寫數(shù)字識(shí)別，常用于低分辨率圖像的分類。本文以LeNet-5為基礎(chǔ)，設(shè)計(jì)包含3 個(gè)卷積層、3 個(gè)池化層、3 個(gè)全連接層的基礎(chǔ)CNN 結(jié)構(gòu)，其中激活函數(shù)采用ReLU 函數(shù)。各網(wǎng)絡(luò)層詳情如表2所示。

表2 基礎(chǔ)CNN 各網(wǎng)絡(luò)層詳情Table 2 Details of basic CNN

由于CNN 的多層卷積和池化易使?jié)撛谀繕?biāo)的部分底層特征丟失，為進(jìn)一步增強(qiáng)CNN分類特征的表征能力，在基礎(chǔ)CNN 中融入Hu 矩特征，構(gòu)建融合Hu 矩的改進(jìn)CNN (Hu-CNN)，最終構(gòu)建的由兩條分支網(wǎng)絡(luò)構(gòu)成的Hu-CNN 網(wǎng)絡(luò)結(jié)構(gòu)如圖3 所示。其中，基礎(chǔ)CNN 分支網(wǎng)絡(luò)提取目標(biāo)深度特征，輸入FC-1全連接層進(jìn)行映射；另一條分支網(wǎng)絡(luò)提取目標(biāo)Hu 矩特征，輸入FC-4 全連接層進(jìn)行映射；最后將兩條分支網(wǎng)絡(luò)映射得到的特征向量進(jìn)行融合，經(jīng)過FC-2 全連接層映射后輸入FC-3 層進(jìn)行目標(biāo)分類。Hu-CNN的具體細(xì)節(jié)如下：

圖3 改進(jìn)的分類網(wǎng)絡(luò)結(jié)構(gòu)(Hu-CNN)Fig.3 Structure of the improved classification network (Hu-CNN)

(1) CNN 深度特征提取：由于提取的ROI尺寸不同，所以在提取深度特征之前對(duì)ROI進(jìn)行雙線性插值，將大小調(diào)整為64×64。然后將其輸入設(shè)計(jì)的基礎(chǔ)CNN中，通過FC-1層輸出為256維特征向量。

(2) Hu 矩特征提?。簽楸Ａ裟繕?biāo)更多的特征信息，直接提取原始ROI 的七維Hu 矩特征，并通過FC-4全連接層映射為48維。

(3) 特征融合與分類：將步驟(1)和步驟(2)中得到的256 維和48 維特征向量進(jìn)行拼接融合，形成304 維特征向量，由具有128 個(gè)節(jié)點(diǎn)的FC-2 層映射輸出后，通過FC-3層得到最終分類結(jié)果。

3 實(shí)驗(yàn)驗(yàn)證

3.1 數(shù)據(jù)集介紹

以側(cè)掃聲吶實(shí)測圓柱目標(biāo)數(shù)據(jù)為例，對(duì)方法的有效性進(jìn)行分析。本節(jié)數(shù)據(jù)集來自不同海域，分別記為DATA 1和DATA 2。從DATA 1和DATA 2的40 張和85 張聲圖中分別提取得到了172 個(gè)和179個(gè)ROI，其中DATA 1 得到41 個(gè)目標(biāo)和131 個(gè)非目標(biāo)，DATA 2 得到93 個(gè)目標(biāo)和86 個(gè)非目標(biāo)。實(shí)驗(yàn)數(shù)據(jù)集詳細(xì)情況如表3 所示。圖4 為大小調(diào)整為64×64 的ROI 示例，即CNN 端的輸入，其中包括DATA 1 和DATA 2 中的目標(biāo)和非目標(biāo)。

表3 數(shù)據(jù)集詳情Table 3 Datasets details

圖4 提取出的ROI 示例Fig.4 Examples of extracted ROI

3.2 性能指標(biāo)

本文采用發(fā)現(xiàn)概率(Detection rate,DR)、正確報(bào)警率(Correct alarm rate,CAR)以及AUC 值3個(gè)性能指標(biāo)來評(píng)價(jià)實(shí)驗(yàn)結(jié)果。

發(fā)現(xiàn)概率反映正確檢測到的目標(biāo)占目標(biāo)總數(shù)的比例，正確報(bào)警率反映所有預(yù)測目標(biāo)中正確的比例，其計(jì)算公式如式(17)～(18)所示：

其中，TP 表示正確檢測到的目標(biāo)數(shù)，F(xiàn)P 表示誤檢為目標(biāo)的數(shù)量，TN表示正確檢測到的非目標(biāo)數(shù)，F(xiàn)N表示誤檢為非目標(biāo)的數(shù)量。

AUC 值為受試者工作特性(Receiver operating characteristic,ROC)曲線下的面積，ROC 曲線是根據(jù)不同的閾值，以模型分類結(jié)果的假陽性率(False positive rate,FPR)為橫坐標(biāo)，真陽性率(True positive rate,TPR)為縱坐標(biāo)繪制的曲線，其中

曲線越靠近左上角，即AUC 值越接近1，則模型的整體性能越好。

3.3 實(shí)驗(yàn)設(shè)置

為驗(yàn)證該方法的有效性，分別進(jìn)行實(shí)驗(yàn)1 和實(shí)驗(yàn)2，同時(shí)采用五折交叉驗(yàn)證評(píng)估方法的性能。在實(shí)驗(yàn)1 中，將DATA 2 隨機(jī)分成5 份，其中一份作為測試集，剩余4份作為訓(xùn)練集，重復(fù)訓(xùn)練測試5次，該實(shí)驗(yàn)中的測試集記為測試集1；同時(shí)利用訓(xùn)練好的5個(gè)模型分類DATA 1 (記為測試集2)，以驗(yàn)證方法對(duì)不同環(huán)境的適用性。在實(shí)驗(yàn)2 中，所有數(shù)據(jù)(DATA 1和DATA 2)隨機(jī)分成5 份，按4:1 的比例重復(fù)訓(xùn)練和測試5 次。兩次實(shí)驗(yàn)中均取五次測試結(jié)果平均值作為最終的結(jié)果。

考慮到試驗(yàn)海域水聲環(huán)境、試驗(yàn)工況等因素對(duì)目標(biāo)聲圖的影響，為保證算法的泛化性，對(duì)兩個(gè)實(shí)驗(yàn)的訓(xùn)練集進(jìn)行數(shù)據(jù)增強(qiáng)，分別進(jìn)行旋轉(zhuǎn)90°、180°、270°、水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)、變亮、變暗、加入高斯帶限噪聲的操作，將訓(xùn)練集擴(kuò)充為原來的9倍，測試集保持不變。

為驗(yàn)證本文提出方法的優(yōu)越性，本文使用常用的水下目標(biāo)分類器(Haar+AdaBoost)[23]、小波包變換(Wavelet packet transform,WPT)+支持向量機(jī)(Support vector machine,SVM)[24]、方向梯度直方圖(Histogram of oriented gradient,HOG)+SVM[25]和傳統(tǒng)CNN)進(jìn)行比較，不同分類器對(duì)輸入特征的敏感性不同，識(shí)別精度也不同，設(shè)置每個(gè)分類器的參數(shù)如下：

(1) 基于WPT+SVM的分類器采用db3小波函數(shù)，對(duì)輸入進(jìn)行5 層分解，支持向量機(jī)采用RBF核函數(shù)；

(2）基于Haar+AdaBoost 的分類器中迭代次數(shù)設(shè)為50；

(3) 基于HOG+SVM 的分類器，也采用RBF核函數(shù)；

(4) 對(duì)于傳統(tǒng)的基于CNN 的分類器和本文提出的分類方法(Hu-CNN)，采用隨機(jī)梯度下降算法和交叉熵?fù)p失函數(shù)，學(xué)習(xí)率設(shè)置為0.01，批大小設(shè)置為64，epoch設(shè)置為100。

3.4 實(shí)驗(yàn)結(jié)果與分析

兩次實(shí)驗(yàn)的檢測結(jié)果如表4 和表5 所示，ROC曲線如圖5 和圖6 所示。由表4 可以看出，在實(shí)驗(yàn)1中，對(duì)于測試集1，由于訓(xùn)練集和測試集均來自于DATA 1,發(fā)現(xiàn)概率可達(dá)93.2%，性能指標(biāo)均優(yōu)于其他方法。其中相較于傳統(tǒng)CNN，Hu-CNN 的發(fā)現(xiàn)概率和正確報(bào)警率分別提高了5.0%和2.7%。對(duì)于來自不同海域的測試集2，由于成像環(huán)境不同、噪聲干擾等因素的影響，檢測性能略低于測試集1，但Hu-CNN 的性能指標(biāo)均高于其他方法，發(fā)現(xiàn)概率達(dá)到87.8%，比傳統(tǒng)CNN 提高了4.9%。實(shí)驗(yàn)1 結(jié)果表明Hu-CNN可以有效檢測不同環(huán)境下的小目標(biāo)。

表4 實(shí)驗(yàn)1 結(jié)果Table 4 Experimental 1 results

圖5 實(shí)驗(yàn)1 的ROC 曲線及AUC 值Fig.5 ROC curves and AUC values of Experiment 1

圖6 實(shí)驗(yàn)2 的ROC 曲線及AUC 值Fig.6 ROC curves and AUC values of Experiment 2

通過表5 可以看出，在實(shí)驗(yàn)2 中，Hu-CNN 的發(fā)現(xiàn)概率和正確報(bào)警率分別達(dá)到89.0%和86.4%，與其他方法相比，性能指標(biāo)均得到顯著提升。同時(shí)相較于傳統(tǒng)CNN，Hu-CNN 的發(fā)現(xiàn)概率提高了6.6%，正確報(bào)警率提高了6.2%，證明了改進(jìn)方法的有效性。

從圖5 的ROC 曲線及AUC 值可以看出，對(duì)于實(shí)驗(yàn)1 的不同測試集，Hu-CNN 的AUC 值分別為0.93 和0.90，均高于其他4 種方法。同時(shí)由圖6 的ROC 曲線可以看出，實(shí)驗(yàn)2 中Hu-CNN 的AUC 值為0.91，比傳統(tǒng)CNN 提高了0.03，證明了改進(jìn)方法的優(yōu)越性。

Hu-CNN 融合Hu 矩特征和CNN 深度特征，克服CNN 卷積和池化操作導(dǎo)致底層特征信息丟失帶來的影響，形成具有形狀特征表征能力更強(qiáng)的改進(jìn)CNN，有效利用了小目標(biāo)關(guān)鍵特征信息，從而提高目標(biāo)檢測的準(zhǔn)確性。

3.5 泛化性驗(yàn)證

為檢驗(yàn)提出方法的泛化性，采用不同側(cè)掃聲吶獲取的數(shù)據(jù)進(jìn)行泛化性測試。本節(jié)數(shù)據(jù)集共14 張聲圖，提取ROI 得到16 個(gè)目標(biāo)和121 個(gè)非目標(biāo)，輸入實(shí)驗(yàn)2 得到的5 個(gè)分類模型中進(jìn)行目標(biāo)分類，結(jié)果如表6所示。

表6 泛化性驗(yàn)證結(jié)果Table 6 Generalization verification results

由表6 可以看出，本文方法對(duì)不同側(cè)掃聲吶測得的數(shù)據(jù)仍然具有較好的檢測性能，相較于傳統(tǒng)CNN，改進(jìn)后的Hu-CNN 發(fā)現(xiàn)概率提高了6.3%，達(dá)到96.3%，正確報(bào)警率提高了2.1%。泛化性驗(yàn)證實(shí)驗(yàn)結(jié)果表明，該方法具有良好的泛化性能，可以有效應(yīng)用于不同側(cè)掃聲吶獲取的數(shù)據(jù)。

4 結(jié)論

本文提出了一種結(jié)合區(qū)域提取和融合Hu 矩特征的改進(jìn)CNN 的水下小目標(biāo)檢測方法，該方法由區(qū)域提取和分類兩部分組成。區(qū)域提取階段根據(jù)目標(biāo)特征采用基于MRF 分割算法的5 個(gè)步驟提取聲圖中的ROI，實(shí)現(xiàn)潛在目標(biāo)定位。在分類階段，本文提出的Hu-CNN 特征融合網(wǎng)絡(luò)將CNN 深度特征與Hu矩特征融合，形成更具代表性和精確性的融合特征，可有效區(qū)分目標(biāo)與偽目標(biāo)，提升目標(biāo)檢測性能。在不同數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，該方法對(duì)不同側(cè)掃聲吶數(shù)據(jù)均具有較優(yōu)越的檢測性能和泛化性，對(duì)水下小目標(biāo)的檢測具有一定的研究意義。