水下目標(biāo)識別技術(shù)研究.pdf

1、隨著聲納技術(shù)的發(fā)展和成像聲納的出現(xiàn)，聲納圖像在海洋開發(fā)領(lǐng)域的應(yīng)用日益廣泛，利用聲納圖像進行目標(biāo)識別己經(jīng)成為數(shù)字圖像處理領(lǐng)域的一個重要課題。本文基于形狀特征和紋理特征對水下目標(biāo)識別技術(shù)，進行了深入研究，研究內(nèi)容及成果如下： (1)針對水下魚雷、水雷、潛水艇的特點，提取圖像形狀特征，包括NMI特征、不變矩和相對矩，這三種特征的共同特點是具有旋轉(zhuǎn)不變性、尺度不變性和位移不變性，適合水下目標(biāo)識別。 (2)針對傳統(tǒng)直方圖缺乏對圖像

2、空間信息描述的缺點，結(jié)合聲納圖像的特點，提出了一種改進的直方圖方法，將主要面積的圓度信息引入到直方圖中，把圖像的灰度信息、空間信息和形狀信息有機的結(jié)合起來，從而降低了傳統(tǒng)直方圖對灰度信息的絕對依賴，提高了聲納圖像的識別率。 (3)對聲納圖像進行小波域分解，提取圖像的紋理特征。選取圖像處理中幾種典型的小波基函數(shù)進行比較分析，討論不同小波基函數(shù)對聲圖像識別率的影響。根據(jù)小波系數(shù)移變的特點，分別采用均值、方差、熵作為統(tǒng)計量提取紋理特征

3、。 (4)針對傳統(tǒng)小波變換計算繁雜，所需內(nèi)存空間較大的問題，通過提升結(jié)構(gòu)構(gòu)造了Haar小波，并結(jié)合聲納圖像的特點提出了不同于傳統(tǒng)塔式小波分解的提升小波分解方法。通過分類識別實驗表明，將提升Haar小波變換應(yīng)用在聲納圖像識別上，不論在識別率還是識別時間上均優(yōu)于傳統(tǒng)小波。 (5)針對分形維數(shù)不能反映圖像的空間信息的問題，并結(jié)合聲納圖像的特點，將提升小波變換同分形理論相結(jié)合，利用小波分解的多分辨率特點和分形維數(shù)的多尺度特性，提

4、高圖像的識別率。采用BP神經(jīng)網(wǎng)絡(luò)對不同信噪比的聲納圖像進行分類識別。實驗結(jié)果表明了該算法的有效性。 (6)利用具有二階收斂效應(yīng)的Levenberg-Marquardt(L-M)算法優(yōu)化BP的權(quán)值修正量，構(gòu)造了快速收斂的LMBP學(xué)習(xí)算法，并將其應(yīng)用在聲納圖像識別系統(tǒng)中。通過與標(biāo)準(zhǔn)BP算法和幾種常用改進型BP神經(jīng)網(wǎng)絡(luò)以及徑向基函數(shù)網(wǎng)絡(luò)比較，驗證了用LMBP神經(jīng)網(wǎng)絡(luò)作為聲納圖像識別系統(tǒng)中的分類器，能夠提高圖像的識別率，加快網(wǎng)絡(luò)的收斂速