發(fā)布時(shí)間：2022-07-29 19:39

　　水下無(wú)人航行器（Unmanned Underwater Vehicle,即UUV）可以代替?zhèn)鹘y(tǒng)潛器在很多復(fù)雜的水域執(zhí)行監(jiān)測(cè)、偵查、投放等任務(wù),如今已經(jīng)應(yīng)用在諸多軍用和民用領(lǐng)域。UUV在水下作業(yè)時(shí),需要利用圖像信息來(lái)識(shí)別目標(biāo),因此圖像識(shí)別技術(shù)對(duì)于UUV自主作業(yè)來(lái)說(shuō)必不可少。當(dāng)前的圖像識(shí)別技術(shù)大部分采用前期人工提取圖像特征,設(shè)計(jì)分類(lèi)器,最后利用人工提取的特征做識(shí)別的方式;而深度學(xué)習(xí)方法顛覆了傳統(tǒng)的圖像識(shí)別方式。深度學(xué)習(xí)網(wǎng)絡(luò)無(wú)需人工參與進(jìn)來(lái),深度學(xué)習(xí)網(wǎng)絡(luò)自動(dòng)提取圖像的特征并進(jìn)行識(shí)別�；谏疃葘W(xué)習(xí)的水下視覺(jué)圖像識(shí)別系統(tǒng)主要包含這幾個(gè)步驟:水下圖像攝取、圖像學(xué)習(xí)庫(kù)的建立、水下圖像前期處理和最后的水下圖像識(shí)別部分。本文主要對(duì)水下圖像學(xué)習(xí)庫(kù)的建立、水下圖像降噪增強(qiáng)和最后的水下圖像識(shí)別部分做了研究。首先,分析了水下典型目標(biāo)的特性,使用幾何體代替真實(shí)目標(biāo)進(jìn)行圖像識(shí)別。針對(duì)水下典型目標(biāo)視覺(jué)圖像過(guò)少的特點(diǎn),構(gòu)建了基于生成對(duì)抗網(wǎng)絡(luò)的水下典型目標(biāo)圖像生成模型。通過(guò)該方法利用少量的原始圖像生成了新圖像,有效的擴(kuò)充的圖像學(xué)習(xí)庫(kù)。其次,針對(duì)水下圖像數(shù)據(jù)量大、對(duì)噪聲敏感和對(duì)比度差等特點(diǎn),研究了圖像灰度化的方法、中值濾波... 

【文章頁(yè)數(shù)】：93 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 水下目標(biāo)圖像識(shí)別的國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 水下圖像識(shí)別的國(guó)內(nèi)研究現(xiàn)狀
        1.2.2 水下圖像識(shí)別的國(guó)外研究現(xiàn)狀
    1.3 基于深度學(xué)習(xí)的圖像識(shí)別國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 基于深度學(xué)習(xí)的圖像識(shí)別國(guó)外研究現(xiàn)狀
        1.3.2 基于深度學(xué)習(xí)的圖像識(shí)別國(guó)內(nèi)研究現(xiàn)狀
    1.4 本文主要內(nèi)容和組織結(jié)構(gòu)
第2章 水下典型目標(biāo)圖像學(xué)習(xí)庫(kù)的建立
    2.1 引言
    2.2 水下典型目標(biāo)特性及圖像采集
        2.2.1 水下典型目標(biāo)及特性分析
        2.2.2 水下目標(biāo)原始圖像的采集
    2.3 建立圖像學(xué)習(xí)庫(kù)的生成對(duì)抗網(wǎng)絡(luò)方法
        2.3.1 生成對(duì)抗網(wǎng)絡(luò)技術(shù)概述
        2.3.2 水下圖像生成對(duì)抗網(wǎng)絡(luò)方法
    2.4 水下目標(biāo)圖像學(xué)習(xí)庫(kù)的建立
        2.4.1 平臺(tái)環(huán)境
        2.4.2 水下圖像的生成實(shí)驗(yàn)
        2.4.3 水下目標(biāo)圖像學(xué)習(xí)庫(kù)的組建
    2.5 本章小結(jié)
第3章 水下目標(biāo)視覺(jué)圖像的降噪增強(qiáng)
    3.1 引言
    3.2 水下視覺(jué)圖像降噪增強(qiáng)方法
        3.2.1 圖像灰度化
        3.2.2 圖像的降噪處理
        3.2.3 直方圖均衡化
    3.3 水下目標(biāo)視覺(jué)圖像降噪增強(qiáng)實(shí)驗(yàn)
        3.3.1 圖像的灰度化實(shí)驗(yàn)
        3.3.2 圖像降噪處理實(shí)驗(yàn)
        3.3.3 直方圖均衡化實(shí)驗(yàn)
    3.4 本章小結(jié)
第4章 基于深度神經(jīng)網(wǎng)絡(luò)的水下目標(biāo)圖像識(shí)別方法
    4.1 引言
    4.2 深度神經(jīng)網(wǎng)絡(luò)原理簡(jiǎn)介
        4.2.1 深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        4.2.2 深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法
    4.3 深度神經(jīng)網(wǎng)絡(luò)識(shí)別算法的改進(jìn)和評(píng)估方法
        4.3.1 激活函數(shù)
        4.3.2 學(xué)習(xí)方法
        4.3.3 網(wǎng)絡(luò)識(shí)別能力的評(píng)估方法
    4.4 水下目標(biāo)圖像的規(guī)格化
    4.5 水下目標(biāo)識(shí)別的深度神經(jīng)網(wǎng)絡(luò)構(gòu)建與試驗(yàn)
        4.5.1 深度網(wǎng)絡(luò)不同結(jié)構(gòu)的對(duì)比試驗(yàn)
        4.5.2 深度網(wǎng)絡(luò)不同激活函數(shù)對(duì)比試驗(yàn)
        4.5.3 深度網(wǎng)絡(luò)不同學(xué)習(xí)算法對(duì)比試驗(yàn)
        4.5.4 試驗(yàn)總結(jié)
    4.6 本章小結(jié)
第5章 基于卷積神經(jīng)網(wǎng)絡(luò)的水下目標(biāo)圖像識(shí)別方法
    5.1 引言
    5.2 卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法簡(jiǎn)介
        5.2.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        5.2.2 卷積神經(jīng)網(wǎng)絡(luò)的局部相連和權(quán)值共享
        5.2.3 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程
    5.3 卷積神經(jīng)網(wǎng)絡(luò)的改進(jìn)
        5.3.1 網(wǎng)絡(luò)結(jié)構(gòu)
        5.3.2 卷積核
        5.3.3 池化方法
    5.4 水下目標(biāo)識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)構(gòu)造與試驗(yàn)
        5.4.1 卷積神經(jīng)網(wǎng)絡(luò)不同結(jié)構(gòu)對(duì)比試驗(yàn)
        5.4.2 卷積神經(jīng)網(wǎng)絡(luò)不同卷積核對(duì)比試驗(yàn)
        5.4.3 卷積神經(jīng)網(wǎng)絡(luò)不同池化方法對(duì)比實(shí)驗(yàn)
        5.4.4 試驗(yàn)總結(jié)
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]圖像處理中的中值濾波及其改進(jìn)[J]. 張艷楠.  中國(guó)新通信. 2018(02)
[2]淺談仿生水下機(jī)器人的發(fā)展現(xiàn)狀[J]. 劉珍娜,秦婧文.  山東工業(yè)技術(shù). 2018(01)
[3]機(jī)器學(xué)習(xí)綜述[J]. 趙晨陽(yáng).  數(shù)字通信世界. 2018(01)
[4]自適應(yīng)增強(qiáng)卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別[J]. 劉萬(wàn)軍,梁雪劍,曲海成.  中國(guó)圖象圖形學(xué)報(bào). 2017(12)
[5]利用深度神經(jīng)網(wǎng)絡(luò)的無(wú)監(jiān)督視頻表示[J]. 吳心筱,伍堃.  北京交通大學(xué)學(xué)報(bào). 2017(06)
[6]深度學(xué)習(xí)認(rèn)知計(jì)算綜述[J]. 陳偉宏,安吉堯,李仁發(fā),李萬(wàn)里.  自動(dòng)化學(xué)報(bào). 2017(11)
[7]無(wú)人水下航行器的發(fā)展現(xiàn)狀與關(guān)鍵技術(shù)[J]. 王童豪,彭星光,潘光,徐德民.  宇航總體技術(shù). 2017(04)
[8]國(guó)外無(wú)人水下航行器裝備與技術(shù)現(xiàn)狀及展望[J]. 鐘宏偉.  水下無(wú)人系統(tǒng)學(xué)報(bào). 2017(04)
[9]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[10]國(guó)外UUV發(fā)展現(xiàn)狀分析[J]. 帥高山.  電子世界. 2016(22)

博士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)視覺(jué)關(guān)鍵技術(shù)研究[D]. 李彥冬.電子科技大學(xué) 2017

碩士論文
[1]基于深度學(xué)習(xí)的圖像分類(lèi)的研究[D]. 閆蕾芳.山東大學(xué) 2017
[2]UUV作業(yè)目標(biāo)圖像的立體匹配與位姿測(cè)定方法研究[D]. 陳曉園.哈爾濱工程大學(xué) 2016
[3]近岸淺海環(huán)境下UUV的動(dòng)目標(biāo)跟蹤方法研究[D]. 陳燁.哈爾濱工程大學(xué) 2016
[4]模糊深度學(xué)習(xí)網(wǎng)絡(luò)算法的研究[D]. 鄢華.哈爾濱工業(yè)大學(xué) 2012
[5]基于圖像處理的水下目標(biāo)識(shí)別方法研究[D]. 陳亮.哈爾濱工程大學(xué) 2006



本文編號(hào)：3667061