CN120259864A 基于多模态特征与域自适应的水下目标检测方法 （海南经贸职业技术学院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120259864A(43)申请公布日2025.07.04

(21)申请号202510342530.2

(22)申请日2025.03.21

(71)申请人海南经贸职业技术学院

地址570100海南省海口市美兰区桂林洋

开发区

(72)发明人陈彬袁飞陈昌伟靳向峰王忠

(74)专利代理机构广州三环专利商标代理有限公司44202

专利代理师侯华民

(51)Int.CI.

GO6V20/05(2022.01)

GO6V10/82(2022.01)

GO6V10/80(2022.01)

GO6V10/44(2022.01)

GO6N3/048(2023.01)

GO6N3/084(2023.01)

GO6N3/045(2023.01)

GO6N3/0475(2023.01)

GO6N3/094(2023.01)

权利要求书4页说明书14页附图1页

(54)发明名称

基于多模态特征与域自适应的水下目标检

测方法

(57)摘要

CN120259864A本发明提供一种基于多模态特征与域自适应的水下目标检测方法，所述方法包括：S11、采集声呐图像、光学图像和环境数据；S12、提取声呐特征和光学特征，将环境数据编码为环境通道权重，通过环境通道权重动态调整声呐特征和光学特征的融合比例，获得融合特征；S13、对声呐特征进行空间注意力计算，获得空间权重图，利用空间权重图对光学特征进行增强后，与声呐特征在目标边缘强制对齐；S14、将融合特征解耦为合成域特征，将融合特征和环境数据解耦为真实域特征，通过渐近式域对齐使合成域特征与真实域特征逐步对齐，以完成对目标检测模型的构建。本发明通过结合多模态数据采集、动态特征

CN120259864A

S11

S11、对水下目标数据进行采集，所述目标数据包括声呐图像、光学图像和环境数据

S12、分别对声呐图像和光学图像的特征进行提取，获得声呐特征和光学特

征，将环境数据编码为环境参数向量，通过环境参数向量动态调整声呐特

征和光学特征的融合比例，获得融合特征

S13、对声呐特征进行空间注意力计算，获得空间权重图，利用空间权重图

对光学特征进行增强后，通过对比学习约束和Sobel算子对增强后的光学特

征与声呐特征在目标边缘进行强制对齐

S14、将融合特征解耦为合成域特征，将融合特征和环境数据解耦为真实域

特征，通过渐近式域对齐使合成域特征与真实域特征逐步对齐，以完成对

目标检测模型的构建

CN120259864A权利要求书1/4页

2

1.基于多模态特征与域自适应的水下目标检测方法，其特征在于，所述方法包括：

S11、对水下目标数据进行采集，所述目标数据包括声呐图像、光学图像和环境数据；

S12、分别对声呐图像和光学图像的特征进行提取，获得声呐特征和光学特征，将环境数据编码为环境通道权重，通过环境通道权重动态调整声呐特征和光学特征的融合比例，获得融合特征；

S13、对声呐特征进行空间注意力计算，获得空间权重图，利用空间权重图对光学特征进行增强后，通过对比学习约束和Sobel算子对增强后的光学特征与声呐特征在目标边缘进行强制对齐；

S14、将融合特征解耦为合成域特征，将融合特征和环境数据解耦为真实域特征，通过渐近式域对齐使合成域特征与真实域特征逐步对齐，以完成对目标检测模型的构建。

2.根据权利要求1所述的基于多模态特征与域自适应的水下目标检测方法，其特征在于，分别对声呐图像和光学图像的特征进行提取，具体包括：

通过Wavelet-CNN对声呐图像进行特征提取，使用哈尔小波将声呐图像Isonar分解为高频分量，表达式为：

Fsonar=HL(Isonar)+LH(Isona?)+HH(Isona)

其中，Isonar为声呐图像，Isonar∈R××,R为实数集，1为单通道，H为高度，W为宽度，H×W为空间尺寸，Fsonar为声呐特征，HL、LH、H分别为哈尔小波分解的高-低、低-高、高-高频分量；

保留高频分量并通过CNN进一步提取特征，输出提取完成的声呐特征Fsonar=RCI×BXW,其中