【技术实现步骤摘要】
一种基于卷积神经网络的海底底质声呐图像分类方法
本专利技术属于图像分类
,具体涉及一种基于卷积神经网络的海底底质声呐图像分类方法。
技术介绍
随着声呐技术的迅速发展,海底底质声呐图像能够包含较为丰富的海底地貌及底质特征信息,根据海底底质声呐图像反演海底地形地貌,对于海底探究、水下作战、沉船打捞及深海保护具有重要意义,目前海底底质声呐图像的分类也成为了研究热点。但受水下复杂声场环境和声呐设备性能的限制,声呐图像具有斑点噪声干扰严重、边缘特征模糊、对比度低和亮度不均等问题,这是海底底质声呐图像处理和底质分类反演研究中急需关注的问题。现在应用较为广泛的分类方法按照分类原理可分为非监督分类和有监督分类两类。非监督分类主要有基于最邻近规则的试探法、K-means均值算法、自组织映射(Self-organizingMaps,SOM)神经网络等。有监督分类主要有最小距离、极大似然、支持向量机(SupportVectorMachine,SVM)分类器和BP(BackPropagation)神经网络等。Marsh和Brown利用SOM神经网络实现了对海底底质的分类识别,但SOM神经网络作为无监督分类网络计算复杂度高且容易产生错误分类。对于大型海底底质图像一般应用具有先验知识的有监督分类技术进行分类研究。徐超的《多波束测深声呐海底底质分类技术研究》论文(哈尔滨工程大学博士论文2014年6月)中对多源信息特征提取方法及其分类性能进行研究。首先以多波束海底声呐图像为数据源研究基于数据概率分布特性的特征提取方法,基于灰度共生矩阵的纹理特征提取方法以及基于功率谱比的Pace特征 ...
【技术保护点】
1.一种基于卷积神经网络的海底底质声呐图像分类方法,其特征在于,所述方法具体包括步骤:步骤一、获取N张第一海底底质声呐图像,所述的N张第一海底底质声呐图像构成海底底质声呐图像集,分别对每张所获取的第一海底底质声呐图像进行分割,获取具有单一海底底质情况的第二海底底质声呐图像;步骤二、分别对每张第二海底底质声呐图像进行预处理,获取第三海底底质声呐图像;步骤三、基于Canny边缘检测算法分别对每张第三海底底质声呐图像的边缘形状信息进行检测和提取,获取相应的第一边缘图像,每张第一边缘图像均具有一种边缘形状信息,所述第一边缘图像均为01二值化图像,将所述第一边缘图像与第三海底底质声呐图像进行对比,分别将每张第一边缘图像中的1值替换为第三海底底质声呐图像对应位置的灰度值,获取第二边缘图像;步骤四、根据每张第二边缘图像的边缘形状信息和灰度值,计算生成相应的灰度‑基元共生矩阵,再分别将每个灰度‑基元共生矩阵转化为相应的灰度图;步骤五、由灰度图构成的灰度图像集构建卷积神经网络输入样本集,并将所述卷积神经网络输入样本集分为训练集、验证集和测试集;步骤六、构建卷积神经网络分类器结构;步骤七、将所述训练集和验 ...
【技术特征摘要】
1.一种基于卷积神经网络的海底底质声呐图像分类方法,其特征在于,所述方法具体包括步骤:步骤一、获取N张第一海底底质声呐图像,所述的N张第一海底底质声呐图像构成海底底质声呐图像集,分别对每张所获取的第一海底底质声呐图像进行分割,获取具有单一海底底质情况的第二海底底质声呐图像;步骤二、分别对每张第二海底底质声呐图像进行预处理,获取第三海底底质声呐图像;步骤三、基于Canny边缘检测算法分别对每张第三海底底质声呐图像的边缘形状信息进行检测和提取,获取相应的第一边缘图像,每张第一边缘图像均具有一种边缘形状信息,所述第一边缘图像均为01二值化图像,将所述第一边缘图像与第三海底底质声呐图像进行对比,分别将每张第一边缘图像中的1值替换为第三海底底质声呐图像对应位置的灰度值,获取第二边缘图像;步骤四、根据每张第二边缘图像的边缘形状信息和灰度值,计算生成相应的灰度-基元共生矩阵,再分别将每个灰度-基元共生矩阵转化为相应的灰度图;步骤五、由灰度图构成的灰度图像集构建卷积神经网络输入样本集,并将所述卷积神经网络输入样本集分为训练集、验证集和测试集;步骤六、构建卷积神经网络分类器结构;步骤七、将所述训练集和验证集分别作为所述卷积神经网络分类器结构的输入,分别训练和验证所述卷积神经网络分类器结构,获得分类模型;步骤八、根据所述分类模型对测试集进行分类识别。2.如权利要求1所述的基于卷积神经网络的海底底质声呐图像分类方法,其特征在于,所述步骤一具体为:首先利用多波束、侧扫声呐探测系统对海底底质情况进行探测获取N张第一海底底质声呐图像,所述N张第一海底底质声呐图像构成海底底质声呐图像集,N大于1000,对每张第一海底底质声呐图像进行分割,获取具有单一海底底质情况的第二海底底质声呐图像,分割后所得的每张第二海底底质声呐图像的大小均相等,且每张大小均至少为50*50像素,所述海底底质情况的类别为基岩、砾石、砂、细砂和泥。3.如权利要求1所述的基于卷积神经网络的海底底质声呐图像分类方法,其特征在于,所述预处理具体包括:首先分别对每张第二海底底质声呐图像进行平滑去噪和特征增强的处理;然后利用小波变换技术对...
【专利技术属性】
技术研发人员:赵玉新,付楠,刘厂,赵廷,万宏俊,董静,张卫柱,朱可心,
申请(专利权)人:哈尔滨工程大学,
类型:发明
国别省市:黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。