Для решения проблемы нехватки высококачественно размеченных данных в подводном сонарном восприятии была разработана методика синтеза сонарных изображений на базе диффузионной модели с физическим направлением и структурными ограничениями, предназначенная для кросс-модального синтеза от оптического дистанционного зондирования к сонарным изображениям. Существующие методы диффузионных моделей в основном ориентированы на общие оптические изображения и при выполнении задачи кросс-модального перехода от оптического к сонарному часто игнорируют механизмы сонарного формирования, что приводит к деградации акустических характеристик и разрушению геометрической структуры. В связи с этим был создан модуль выравнивания шума в частотной области и внедрения акустических априорных данных, который на начальном этапе диффузионного удаления шума интегрирует реальное распределение текстур сонарных изображений и физические априорные данные о ярких тенях; одновременно введён механизм внимания с структурными ограничениями, применяющий дифференцированную стратегию переноса стиля для областей цели и фона, что позволяет сохранять геометрический контур и пространственную структуру цели при генерации реалистичных акустических характеристик и реализовать прямой перенос оптических удалённых меток. Экспериментальные результаты показывают превосходство метода в акустической достоверности и сохранении структуры цели. Использование сгенерированных данных для обучения детектора YOLOv8 повысило среднюю точность mAP50-95 в диапазоне 0.50-0.95 с 0.724 до 0.771. Разработанный метод предоставляет практическое инженерное решение проблемы нехватки данных подводного сонарного восприятия.

синтез сонарных изображений; кросс-модальное поколение; диффузионные модели; увеличение данных; подводное обнаружение целей