Pour résoudre le problème de la rareté des données annotées de haute qualité dans la perception sonar sous-marine, une méthode de synthèse d’images sonar basée sur un modèle de diffusion guidé par la physique et contraint par la structure a été établie, destinée à la synthèse cross-modale de la télédétection optique aux images sonar. Les méthodes actuelles basées sur les modèles de diffusion ciblent principalement les images optiques générales et, lors du traitement de la tâche cross-modale de l’optique à l’image sonar, elles négligent souvent les mécanismes de formation du sonar, ce qui entraîne une dégradation des caractéristiques acoustiques et un effondrement de la structure géométrique. À cet effet, un module d’alignement du bruit dans le domaine fréquentiel et d’injection de priori acoustiques a été construit, intégrant la distribution réelle des textures sonar et les prioris physiques des ombres hautes dès la phase initiale de débruitage par diffusion ; parallèlement, un mécanisme d’attention contraint par la structure a été introduit pour appliquer une stratégie de transfert de style différenciée entre les zones cible et fond, ce qui permet de générer des caractéristiques acoustiques réalistes tout en conservant le contour géométrique et la structure positionnelle de la cible, réalisant ainsi le transfert direct des annotations optiques. Les résultats expérimentaux montrent que cette méthode est supérieure en termes de réalisme acoustique et de structure cible. L’utilisation des données générées pour entraîner le détecteur YOLOv8 a permis d’augmenter la moyenne de la précision mAP50-95 dans la plage 0,50~0,95 de 0,724 à 0,771. La méthode établie offre une solution ingénierique pratique pour atténuer la pénurie de données en perception sonar sous-marine.

synthèse d’images sonar; génération cross-modale; modèles de diffusion; augmentation de données; perception de cibles sous-marines