中文摘要: 侧扫声呐瀑布图由于其成像原理，需要借助海底线位置对原始图片进行斜距校正。然而在实际采集过程中，声呐自噪声、悬浮物和海底目标等许多干扰因素会增加海底线提取的难度，现有的传统方法和神经网络方法在回波信号信噪比较差时无法正确实时的提取海底线。本文针对这些问题，提出了一种基于海底信息对称模块和多尺度特征融合模块的快速分割卷积神经网络(Bottom Information Symmetry Module and Multi-scale Feature Fusion Module Fast-SCNN, BMM-Fast-SCNN)用于实时正确提取海底线。该算法基于Fast-SCNN-1D，结合海底信息对称模块（Bottom Information Symmetry Module，BISM）来提高网络的鲁棒性，并通过多尺度特征融合模块（Multi-scale Feature Fusion Module，MFFM）增强网络提取海底线细小特征的能力。在两条测线中，该算法在一个像素和两个像素误差范围内的提取精度分别为83.56%，97.63%和96.27%，99.49%，相较于其他方法，分别至少提高了10.23%，19.09%和1.56%，0.48% 。实验结果表明，该算法能够有效的提取海底线，方法执行时间为9.38ms，满足实时正确提取海底线的要求。