基于BP神經網絡的水下目標識別方法研究.pdf

1、近年來，隨著海洋研究和開發(fā)的不斷深入以及國防的需要，智能水下機器人得到了廣泛應用。由于水下機器人經常需要在惡劣且復雜多變的環(huán)境中作業(yè)，因此其視覺系統(tǒng)顯得尤為重要。本論文結合課題“水下機器人運動控制仿真研究”對水下機器人的水下目標光視覺識別系統(tǒng)進行研究。
　　水下目標的圖像分割和模式識別技術是水下目標光視覺識別系統(tǒng)中的兩個重要環(huán)節(jié)。本論文的目的就是通過課題相關理論學習，研究一套實時處理能力強、魯棒性高的圖像分割和目標識別方法，并以此

2、為基礎構建一個基于“光視覺”的水下目標識別系統(tǒng)。本論文主要在圖像增強、圖像分割、特征值選取以及目標識別方法四個方面做了研究工作。
　　首先，針對水下圖像的對比度比較差，圖像的直方圖分布不均衡的缺點，研究了基于最大熵原理的圖像增強算法，增強了圖像對比度，使得目標和背景的分界更加明顯;
　　其次，針對水下圖像受光照不均影響較大的缺點，研究了基于遺傳算法的最大類間方差法，有效減少了光照不均對圖像分割的影響，更迅速準確的分割出水下目

3、標;
　　再次，針對Hu氏不變矩在離散情況下受比例因子影響較大的缺點，構造了6個同時具有平移、旋轉和比例因子不變性的新不變矩，增強了特征值聚類性;
　　最后，針對BP神經網絡本身存在收斂速度慢和容易陷入局部最優(yōu)的缺點，引入動量因子和自適應調整學習率，對傳統(tǒng)的BP神經網絡進行改進。并且將全部像素信息和新不變矩特征分別作為輸入，實驗結果表明，以新不變矩特征作為改進的BP神經網絡的輸入，有效提高了水下目標識別準確率和魯棒性。