隨著海洋測(cè)探領(lǐng)域的不斷發(fā)展,我國(guó)對(duì)聲吶圖像探測(cè)技術(shù)的需求不斷提高,如何有效的獲取及利用圖像信息對(duì)后續(xù)圖像的識(shí)別及分析有直接影響。針對(duì)聲吶圖像中目標(biāo)的識(shí)別研究已經(jīng)成為圖像處理領(lǐng)域的重要研究?jī)?nèi)容。圖像分割作為圖像識(shí)別中的關(guān)鍵步驟,對(duì)目標(biāo)的識(shí)別有重要影響。由于聲吶圖像是通過聲吶探測(cè)系統(tǒng)在水中獲得,因此,聲吶圖像通常會(huì)有嚴(yán)重的散斑噪聲存在。聲吶圖像分割的目的就是從復(fù)雜的圖像混響噪聲中將目標(biāo)亮區(qū)和陰影暗區(qū)進(jìn)行有效提取,同時(shí)保留圖像原始有效信息。目前,針對(duì)聲吶圖像的分割方法主要是在傳統(tǒng)分割方法上的改進(jìn),圖像分割準(zhǔn)確度有待提高。通過分析,已有的聲吶圖像分割方法無法對(duì)各種類型的聲吶圖像都進(jìn)行有效的分割,只能有效分割特定類別的聲吶圖像,而且對(duì)于噪聲的抑制效果也不理想,最重要的是無法實(shí)現(xiàn)圖像的自動(dòng)分割。隨著深度學(xué)習(xí)研究領(lǐng)域不斷取得新的進(jìn)展,人工神經(jīng)網(wǎng)絡(luò)越來越受到圖像處理領(lǐng)域?qū)W者的青睞。卷積神經(jīng)網(wǎng)絡(luò)(CNN)在圖像分類識(shí)別領(lǐng)域不斷取得進(jìn)步的同時(shí),全卷積神經(jīng)網(wǎng)絡(luò)(Full convolution neural network,FCN)的出現(xiàn)為圖像分割領(lǐng)域開辟了一個(gè)全新的發(fā)展方向。因此,本文利用全卷積神經(jīng)網(wǎng)絡(luò)對(duì)...

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題來源及研究的背景和意義
        1.1.1 課題來源
        1.1.2 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀綜述
        1.2.1 圖像分割研究現(xiàn)狀
        1.2.2 聲吶圖像分割研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
第2圖像分割方法
    2.1 引言
    2.2 基于閾值的圖像分割方法
    2.3 基于區(qū)域的圖像分割方法
    2.4 基于邊緣的圖像分割方法
    2.5 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分割方法
    2.6 本章小結(jié)
第3章 神經(jīng)網(wǎng)絡(luò)及卷積神經(jīng)網(wǎng)絡(luò)理論
    3.1 引言
    3.2 神經(jīng)網(wǎng)絡(luò)基本理論
        3.2.1 神經(jīng)元
        3.2.2 感知器與多層網(wǎng)絡(luò)
        3.2.3 誤差反向傳播算法
    3.3 卷積神經(jīng)網(wǎng)絡(luò)
        3.3.1 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)
        3.3.2 卷積神經(jīng)網(wǎng)絡(luò)功能層
        3.3.3 卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則
    3.4 本章小結(jié)
第4章 全卷積神經(jīng)網(wǎng)絡(luò)聲吶圖像分割改進(jìn)方法
    4.1 全卷積神經(jīng)網(wǎng)絡(luò)功能層
        4.1.1 卷積化
        4.1.2 上采樣
        4.1.3 跳躍結(jié)構(gòu)
    4.2 全卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的建立
        4.2.1 全卷積神經(jīng)網(wǎng)絡(luò)具體結(jié)構(gòu)
        4.2.2 全卷積神經(jīng)網(wǎng)絡(luò)模型參數(shù)設(shè)置
    4.3 全卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法及其改進(jìn)
        4.3.1 基于均方差損失函數(shù)的FCN學(xué)習(xí)算法
        4.3.2 基于相對(duì)損失函數(shù)的FCN學(xué)習(xí)算法
    4.4 本章小結(jié)
第5章 基于FCN聲吶圖像分割的對(duì)比研究
    5.1 聲吶圖像預(yù)處理及數(shù)據(jù)集建立
        5.1.1 聲吶圖像噪聲統(tǒng)計(jì)分析
        5.1.2 聲吶圖像預(yù)處理
    5.2 聲吶圖像數(shù)據(jù)集建立
    5.3 基于全卷積神經(jīng)網(wǎng)絡(luò)的聲吶圖像分割及對(duì)比實(shí)驗(yàn)
        5.3.1 FCN最優(yōu)參數(shù)確定
        5.3.2 FCN訓(xùn)練結(jié)果
        5.3.3 聲吶圖像特征提取
        5.3.4 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        5.3.5 聲吶圖像分割實(shí)驗(yàn)結(jié)果及分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
致謝



本文編號(hào)：3772567