Physics-informed simulation framework for realistic sonar image generation and statistical validation

Technische Samenvatting: ACOUSIM – Een op fysica gebaseerd simulatiekader voor realistische sonarbeeldgeneratie en statistische validatie

Probleemstelling
De ontwikkeling van robuuste perceptie-algoritmen voor onderwatertoepassingen (bijvoorbeeld zeebodemkartering, mijnenbestrijding en objectdetectie) wordt beperkt door het gebrek aan diverse, hoogwaardige real-world sonardatasets. Het verkrijgen van echte sonarbeelden is operationeel duur, logistiek complex en vaak beperkt door veiligheidsprotocollen. Hoewel gecontroleerde tankexperimenten een kosteneffectief alternatief bieden, slagen ze er niet in om realistische omgevingsvariabiliteit, zeebodemtexturen en complexe interacties tussen objecten en schaduwen vast te leggen.

Daarom vertrouwen onderzoekers steeds meer op synthetische data die gegenereerd wordt via leermodellen (GAN's, diffusiemodellen) of simulatiegestuurde kaders. De validatie van deze synthetische datasets blijft echter een kritieke lacune. Huidige evaluatiemethoden vertrouwen voornamelijk op kwalitatieve inspectie of indirecte downstream-prestatie-indicatoren (bijvoorbeeld classificatie-nauwkeurigheid). Standaard beeldkwaliteitsmetrieken zoals PSNR, SSIM, FID en KID zijn gekalibreerd voor natuurlijke optische beelden en slagen er niet in sonarspecifieke intensiteits- en textuurstatistieken vast te leggen. Bovendien verduistert het mengen van echte en synthetische data tijdens het trainen vaak de intrinsieke domeinkloof. Er ontbreekt een systematische, kwantitatieve methode om te beoordelen hoe nauw synthetische sonardata overeenkomt met echte data-distributies, zonder de analyse te koppelen aan leerprestaties.

Methodologie: Het ACOUSIM-kader
Om deze beperkingen aan te pakken, presenteren de auteurs ACOUSIM (ACOustic SIMulation and Validation Platform), een op fysica gebaseerd kader dat is ontworpen voor sonarbeeldgeneratie en zelfstandige statistische validatie. Het kader werkt in drie distincte fasen:

1. Op fysica gebaseerde Scènemodellering:
   In plaats van volledige akoestische golfvoortplanting te modelleren, maakt ACOUSIM gebruik van een Gazebo-omgeving om eerste-orde visuele kenmerken van sonarbeelden te emuleren. De simulatie controleert expliciet acquisitie-gerelateerde parameters:

   • Platformhoogte: Variërend tussen 10–20 meter.
   • Verlichting en Schaduwwerping: Richtingsgebonden lichtbronnen worden aangepast via roll, pitch en yaw om objectschaduwen en highlight-gebieden te simuleren.
   • Zeebodem en Objecten: Planaire zeebodemoppervlakken met gevarieerde texturen simuleren heterogene terugverstrooiing, terwijl 3D-objectmodellen schaduw- en highlight-gebieden introduceren.
   • Beeldvorming: Benaderd als $I(x, y) = L(x, y) \cdot R(x, y)$, waarbij $L$ verlichting/schaduwwerping codeert en $R$ oppervlakreflectantie aanduidt.

2. Ruismodellering en Beeldverwerking:
   Om coherente akoestische verstrooiing en achtergrondverstoringen te benaderen, worden de schone synthetische beelden verslechterd met:

   • Additief Gaussisch Ruis: $N(0, \sigma^2)$.
   • Multiplicatieve Speckle-ruis: $S(x, y)$.
     Het uiteindelijke ruizige beeld wordt geformuleerd als $I_S(x, y) = (I(x, y) + N(0, \sigma^2)) \cdot S(x, y)$.
     Cruciaal bevat het kader een stap voor fysica-consistente subsetselectie. Aangezien ruwe synthetische output vaak een overmaat aan zeebodemachtergrond bevat in vergelijking met echte datasets (waar doelen worden bijgesneden), worden synthetische steekproeven ruimtelijk bijgesneden en aangepast in zoom om de objectschaal, het kader en de kijkkenmerken van echte sonarbeelden te matchen.

3. Zelfstandige Statistische Validatie:
   Het kader evalueert de uitlijning tussen echte ($P$) en synthetische ($Q$) distributies met behulp van globale intensiteit en lokale textuur (Local Binary Patterns - LBP) histogrammen. Drie complementaire metrieken worden ingezet:

   • Kullback–Leibler (KL) Divergentie: Meet directionele informatieverlies.
   • Jensen–Shannon (JS) Divergentie: Biedt een symmetrische, gebonden maatstaf.
   • Earth Mover's Distance (EMD): Kwantificeert de minimale transportkosten, met name gevoelig voor distributieverplaatsingen veroorzaakt door schaduwwerping.
     Robuustheid wordt beoordeeld via een gestratificeerde vijf-voudige analyse.

Belangrijkste Bijdragen

• ACOUSIM-platform: Een op fysica gebaseerd, zelfstandig simulatie- en validatieplatform dat onafhankelijk is van generatieve modellen.
• Statistisch Validatieschema: Een nieuwe evaluatiemethodologie gebaseerd op globale intensiteit en LBP-textuur-distributies, gekwantificeerd via KL-, JS- en EMD-metrieken, specifiek toegesneden op sonardata.
• Rigoureuze Evaluatie: Systematische evaluatie op twee publieke real-world datasets (SeabedObjects-KLSG-II en Sonar Common Target Detection - SCTD) met behulp van dataset-niveau analyse en gestratificeerde robuustheidsbeoordeling.

Experimentele Resultaten
Het kader werd getest tegen de KLSG-II- en SCTD-datasets, met focus op twee objectklassen: "Vliegtuig" en "Schip".

• Textuuruitlijning: De simulatie toonde sterke lokale textuuruitlijning voor alle klassen en datasets. KL-divergentiewaarden voor LBP-distributies bleven consistent onder de 0,07, en EMD-waarden lagen onder de 0,016. Dit geeft aan dat het kader micro-textuurpatronen en ruimtelijke gradiëntdistributies effectief behoudt.
• Intensiteitsuitlijning:
  • Vliegtuigklasse: Toonde matige tot sterke globale intensiteitsuitlijning (KL-waarden van 0,1804 voor KLSG-II en 0,2500 voor SCTD). Visualisatie op distributieniveau onthulde aanzienlijke overlap in het midden-intensiteitsbereik.
  • Schipklasse: Vertoonde aanzienlijk hogere divergentie, met name in de SCTD-dataset (KL = 0,9173), wat overeenkomt met lage uitlijning. Dit wordt toegeschreven aan de langwerpige rompgeometrie en complexe schaduwregio's van schipdoelen, die intensiteitsvariaties introduceren die door de huidige simulatie niet volledig worden gereproduceerd.
• Robuustheid: Gestratificeerde vijf-voudige analyse bevestigde stabiele globale intensiteitsuitlijning voor de vliegtuigklasse, maar benadrukte hogere variantie voor de schipklasse, wat gevoeligheid weerspiegelt voor variaties in kijkpunt en schaduwgeometrie.

Betekenis en Claims
De auteurs claimen dat ACOUSIM een reproduceerbare, distributieniveau-baseline vestigt voor sim-naar-real sonarevaluatie. Door de evaluatie van synthetische data te ontkoppelen van machine learning-modellen, biedt het kader een transparante en interpreteerbare benchmark voor het vergelijken van echte versus synthetische sonarbeelden.

Het artikel positioneert dit werk als een van de eerste systematische inspanningen om synthetische sonarrealisme te evalueren via directe statistische distributie-uitlijning zonder te vertrouwen op leerprestatie-metrieken. Het kader ondersteunt de ontwikkeling van betrouwbare datasets voor onderwaterbeeldanalyse en legt de basis voor toekomstige op fysica gebaseerde digitale tweelingen voor onderwatersensingsystemen. De auteurs handhaven een bescheiden scope, waarbij zij opmerken dat hoewel het kader goed omgaat met vliegtuig-klasse doelen, de complexiteit van schip-klasse een uitdaging blijft vanwege schaduwgeometrie, en dat toekomstig werk zich zal richten op het uitbreiden van object- en zeebodemdiversiteit.