發(fā)布時間：2021-02-18 17:02

　　聲吶是用聲波探測海洋的主要設(shè)備,自誕生以來,一直作為水下信息探測、定位和通信的主要工具。獲取的聲吶數(shù)據(jù)以圖像的形式將目標信息顯示出來,由于受海洋信道的影響和接收基陣的限制,聲吶圖像的處理缺乏完全可靠的模型方法。深度學習在近年來廣泛應(yīng)用于圖像識別和目標識別領(lǐng)域,本文基于聲吶圖像的主要特征表現(xiàn),提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的聲吶圖像目標識別方法。使用中值濾波對聲吶圖像進行濾波處理,隨后選用Canny邊緣檢測算法和霍夫變換進行白線檢測,基于自適應(yīng)閾值化圖像分割算法分割出的目標,選用卡爾曼濾波器方法實現(xiàn)目標跟蹤。最后對于跟蹤的目標選用卷積神經(jīng)網(wǎng)絡(luò)進行分類識別,對不同的聲吶圖像目標獲得了較高的識別準確率。 

【文章來源】：艦船科學技術(shù). 2020,42(23)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

Canny邊緣檢測效果示意圖Fig.1SchematicdiagramofCannyedgedetectioneffect有通過它的直線來得到一條正弦

層的層數(shù)，采用“擴張-深度卷積-壓縮”的思想，首先經(jīng)過卷積核對輸入數(shù)據(jù)進行特征維數(shù)放大，然后經(jīng)過深度卷積進行特征提取，最后經(jīng)過的點卷積將放大的特征維數(shù)壓縮回去，解決了特征提取受限于輸入通道數(shù)的問題。LinearBottleneck模塊將全連接層之后的激活函數(shù)由ReLU替換為線性激活函數(shù)，而其他層的激活函數(shù)依然是ReLU函數(shù)，通過將非線性激活變換為線性激活來捕獲興趣流形，解決低維激活空間的信息損失問題。2個模塊結(jié)合構(gòu)成了MobileNet_V2網(wǎng)絡(luò)的基本架構(gòu)，如圖3所示。圖3MobileNet_V2網(wǎng)絡(luò)微結(jié)構(gòu)Fig.3MobileNet_V2networkmicrostructure5基于卷積神經(jīng)網(wǎng)絡(luò)的聲吶圖像目標識別方法本文基于聲吶圖像的主要特征表現(xiàn)及深度學習算法，對聲吶圖像目標識別提出如下處理方法：1）對聲吶圖像使用中值濾波去除多余噪聲，進行Canny邊緣檢測算法識別白線提取邊緣，然后使用霍夫變換提取直線，通過直線交點求解扇形所在圓心；2）針對預(yù)處理后的聲吶圖像，使用自適應(yīng)閾值化算法進行圖像分割，同時利用分水嶺算法連接灰度相近的目標，查找分割圖像中的連通區(qū)域，獲得目標信息；3）根據(jù)提取得到的目標信息，通過匹配算法與卡爾曼濾波器得到的上一幀預(yù)測結(jié)果進行匹配，根據(jù)匹配得到的測量值更新卡爾曼濾波器來實現(xiàn)跟蹤目標；4）將跟蹤得到的目標圖像數(shù)據(jù)輸入卷積神經(jīng)網(wǎng)絡(luò)，自動提取特征進行聲吶圖像目標識別。將跟蹤結(jié)果中的目標圖片提取出來作為數(shù)據(jù)集，并采用隨機反轉(zhuǎn)、旋轉(zhuǎn)、亮度變化等方法來擴充數(shù)據(jù)集，以防止由于數(shù)據(jù)量太小帶來的過擬合。訓練環(huán)境是在Ubuntu系統(tǒng)中，基于Python3.7.2的PyTorch1.2，配置GPU所使用的環(huán)境是CUDA10.0和Cudnn7.6.2。采用

【參考文獻】：
期刊論文
[1]一種基于自適應(yīng)閾值的圖像分割算法[J]. 王茜,彭中,劉莉.  北京理工大學學報. 2003(04)



本文編號：3039837