Devido à grave escassez de amostras de treinamento de sonar de varredura lateral de alta qualidade, as redes de classificação de imagens existentes apresentam desempenho insatisfatório em tarefas de classificação de alvos específicos independentes das amostras de treinamento. Este artigo propõe um método de geração de imagens pseudo-sonar de varredura lateral de alta qualidade baseado em enfraquecimento de características e blocos de imagem. Primeiramente, é construído um módulo de enfraquecimento de características orientado para informações não correlacionadas de cores e texturas de imagens de conteúdo óptico em relação às imagens acústicas, atenuando características específicas no domínio das imagens ópticas para que as características dos alvos nas imagens pseudo se assemelhem mais às características acústicas. Em seguida, é proposto um método de geração de imagens pseudo baseado em transferência de estilo com blocos de imagem, que realiza a fusão eficaz das características de conteúdo óptico e de estilo acústico, gerando imagens pseudo originais de sonar de varredura lateral que possuem características de conteúdo óptico. Finalmente, é introduzido um módulo de filtro guiado rápido para aprimorar as imagens pseudo originais, gerando imagens pseudo de sonar de varredura lateral de alta qualidade mais próximas do ambiente real de imagem acústica subaquática. Depois, utiliza-se um grande número de imagens pseudo de alta qualidade geradas para expandir as amostras de treinamento da rede de classificação, aumentando a precisão da tarefa de classificação das imagens de sonar de varredura lateral em ambientes subaquáticos reais. Os resultados dos experimentos comparativos mostram que todos os indicadores médios de avaliação de estilo do método apresentaram o melhor desempenho, com ganhos médios de desempenho de 31,60%, 3,52%, 15,18% e 17,55% na perda de estilo, LPIPS, perda de conteúdo e SSIM, respectivamente, em comparação ao segundo melhor método. No conjunto de dados KLSG em escala de cinza, a precisão global e média da tarefa de classificação alcançaram 86,35% e 78,54%, respectivamente.

imagens de sonar de varredura lateral; enfraquecimento de características; transferência de estilo; geração de imagens; classificação de imagens sem amostras