水下小目標(biāo)的聲吶圖像識(shí)別方法研究.pdf

1、聲吶是水下目標(biāo)探測的主要手段之一，傳統(tǒng)的水下目標(biāo)檢測主要通過人工的方式，從聲吶圖像中對(duì)目標(biāo)對(duì)象進(jìn)行標(biāo)識(shí)，這種方式費(fèi)時(shí)費(fèi)力。隨著水下機(jī)器人技術(shù)的發(fā)展及聲吶成像能力的提高，越來越多的計(jì)算機(jī)輔助檢測技術(shù)應(yīng)用到了水下目標(biāo)檢測的任務(wù)當(dāng)中。由于水下環(huán)境復(fù)雜，聲吶圖像受到噪聲的影響較大，并且聲吶圖像的成像質(zhì)量較低，這都給計(jì)算機(jī)的自動(dòng)目標(biāo)識(shí)別帶來了一定的困難。在圖像識(shí)別中，圖像特征的選擇尤為重要，不同類型的特征在不同類型的圖像中的分類效果是不同的。本文

2、研究特征選擇的方法，選取具有區(qū)分度的特征用于聲吶圖像中的水下目標(biāo)的分類。
　　本文將Boosting技術(shù)用于特征的選擇，使用滑動(dòng)窗口的方式完成對(duì)聲吶圖像的目標(biāo)檢測。選用GentleBoost方法代替AdaBoost方法，提高分類器的效率。在用于特征選擇的特征池的創(chuàng)建上，使用了包括局部特征和模型特征等的共六類特征。在實(shí)驗(yàn)部分，選取單一類型特征、雙類型特征、三類型特征及全部特征的不同類型的特征組合用于分類器的訓(xùn)練，并且比較了不同特征組

3、合的分類效果。結(jié)果表明使用復(fù)合特征分類器的分類效果是優(yōu)于使用單一特征的分類器的。
　　其次將分層及多示例學(xué)習(xí)的概念應(yīng)用于分類器的訓(xùn)練與分類，改善分類器的訓(xùn)練方法。通過實(shí)驗(yàn)，將使用這些方法訓(xùn)練的分類器與標(biāo)準(zhǔn)方法訓(xùn)練的分類器進(jìn)行了比較，實(shí)驗(yàn)結(jié)果表明，這些方法在簡化訓(xùn)練過程的同時(shí)，對(duì)分類的效果有一定的改善。
　　最后，由于聲吶圖像的獲取成本較高，因此本文使用少量的真實(shí)數(shù)據(jù)進(jìn)行了數(shù)據(jù)的合成，并且使用上述特征選擇的方法，將合成數(shù)據(jù)與真