Sharpening Sidescan Sonar Images for Shallow-Water Target and Habitat Classification With a Vertically Stacked Array
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Sidescan imagery is commonly used to provide a 2-D real-time “look” at the seafloor in high resolution. In shallow-water environments, however, interference from surface scattering and from multipath signals may deteriorate the quality of the sidescan images to the point where target detection and classification are no longer achievable. This paper investigates the extent to which this interference may be suppressed by a small array which employs across-track beamforming. A sidescan array utilizing a vertical stack of six receive elements was constructed, and is shown to be effective at providing a clear view of the seafloor when surface and multipath interference is present. A theoretical analysis examines the relative path strengths of the received signals for different across-track beam patterns, and examines how these signals are affected when beamforming is applied on transmit and/or receive. Shadow contrast reduction caused by the along-track beamwidth is also considered for different along-track beam patterns and different target widths. A simulator was created to illustrate the impact of interference contributing to the received signal, and to show how the received signal is affected when beamforming is applied. The across-track beam patterns of the experimental array were measured, and these data are used to enhance the theoretical and simulated predictions of received signal strength. Experimental data are also presented in which a sidescan image, heavily contaminated by interference, is significantly improved using across-track beamforming. It is concluded that a vertically stacked multielement sidescan sonar which employs across-track beamforming on receive is a valuable tool for suppressing the multipath and surface interference which arise in shallow-water surveys.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle