Joshua Peeples, Alina Zare, Jeffrey Dale, James Keller
TL;DR本文介绍了一种新的 SAS 图像处理方法 —— 直方图层，通过将直方图层加入深度学习模型，不仅可以提取统计纹理信息，还可以提高合成和真实 SAS 数据集的分析性能。
Abstract
synthetic aperture sonar (SAS) imagery is crucial for several applications,
including target recognition and environmental segmentation. Deep learning
models have led to much success in SAS analysis; however, the features
extracted by these approaches may not be suitable for capturing
使用合成孔径声纳（SAS）图像和光学图像相结合的多模态组合来区分人工目标和岩石等对象，提出了一种创新的分类算法，可以解决两种模态之间强度和对象形成差异的问题，并使用一组新的几何形状描述符来获取影子和高光之间的几何关系，通过对 7,052 对 SAS 和光学图像的实验结果表明其在不同类型的水下目标区分方面相对于现有技术有更好的分类性能，并分享我们的数据库以实现可重复性。