The Interferometric Side-scan Sonar (ISSS) senor is often utilized for underwater bathymetric reconstruction. The sensor is of great use since it utilizes the interformetric technique to resolve the elevation ambiguity in the depth returns present in Side-Scan Sonar (SSS). It is a less expensive and more readily available method than using Multibeam echosonar (MBES), the de facto sensor used for bathymetric mapping. In other words, the ISSS could potentially be a less expensive option for bathymetric mapping of low depth areas. However, this ISSS sensor suffers from large quantities of noise in the received phase difference. This project utilizes a neural volume rendering framework that can incorporate both intensities and noisy phase data. The bathymetry is represented by a neural network that can optimized using ISSS data from standard surveys. The results of this paper show that we can reconstruct high detailed (5cm resolution) bathymetric maps with a drastic improvement in noise mitigation. The Neural Implicit Surface Reconstruction using Interferometric Side-scan Sonar (NeuS ISSS) network outputs a 2.5D heightmap which is compared to the ground truth with manual noise filtering to quantify the network performance as well as a 3D point cloud plot of the traversed riverbed to make subjective evaluations of the network. We see that our proposed network does improve resolution with a MAE improvement of 0.6 cm, which is quite low, but since this metric is dependent on out generated ground truth, which is of limited quality it is hard to evaluate the performance of the network. A good indication that out network is improving and performing better estimations can be seen when evaluating the histograms, which show us that out network are generating better estimations than the baseline network.

Interferometric Side-scan Sonar (ISSS)-sensorn används ofta för undervattens bathymetrisk rekonstruktion. Sensorn är väldigt användbar för den använder sig av interferometrik teknik som möjliggör att den kan utmäta bottendjup, till skillnad från Side-Scan Sonar (SSS). ISSS är en billigare och mer lättillgänglig metod än den idag mest använda Multibeam echosonar (MBES)-sensorn för bathymetrisk rekonstruktion. Med andra ord kan ISSS potentiellt vara ett billigare alternativ för bathymetrisk kartläggning av grunda områden. Denna ISSS-sensor lider dock av stora mängder brus i den mottagna datan. Detta projekt använder ett Neural Implicit Surface Reconstruction using Imaging Sonar (NeuS-Sonar)-nätverk, som anpassats och modifierats för att använda informationen som finns i ISSS-datan för att försöka reducera detta brus. Resultaten från denna studie visar att vi kan rekonstruera högdetaljerade (5 cm upplösning) bathymetriska kartor med en avsevärd förbättring i brusreduktion samt optimera NeuS-Sonar-nätverket. Neural Implicit Surface Reconstruction using Interferometric Side-scan Sonar (NeuS ISSS)-nätverket genererar en 2,5D höjdkarta som jämförs med en genererad referensdata för att kvantifiera nätverkets prestanda, samt en 3D punktmolnsplot över den genomsökta flodbädden för att göra subjektiva bedömningar av nätverket. Vi ser att vårat utvecklade nätverk medför en minskning i vårat MAE resultat med en minskning av 0.6 cm, vilket är en relativt låg ökning, men eftersom vårat genererade referensmått är av begränsad kvalite, vilket begränsar våran evaluering av vårat resultat så anser vi fortfarande att det är ett starkt mått. En bra indikation på att vårat nätverks estimeringar stärks kan ses när vi studerar histogrammen, där kan vi se att våra djup estimats kvalite ökar och anses betydligt starkare än jämföresle baseline nätverket.