一种水下图像的悬浮微粒特征分割提取方法技术

本发明专利技术涉及一种水下图像的悬浮微粒特征分割提取方法，属于水下成像技术领域。包括如下步骤：生成三层BP网络结构；将BP网络的权值序列作为遗传算法的染色体编码；随机产生初始种群；计算个体适应度；通过选择、交叉、变异进行个体选择；判断个体是否达到精度要求；BP网络优化训练；判断新个体是否达到精度要求。本发明专利技术具有如下优点：本发明专利技术公开的一种水下图像的悬浮微粒特征分割提取方法，将遗传算法引入神经网络来弥补神经网络学习算法存在的不足，减少其陷入局部最小值的可能性，从而可以快速、准确地将水下图像中的悬浮微粒轮廓特征进行提取，完成水中悬浮微粒数量的统计计算以及对海水悬浮微粒的实时监测。

【技术实现步骤摘要】
一种水下图像的悬浮微粒特征分割提取方法
本专利技术涉及水下图像的悬浮微粒特征分割提取方法，属于水下成像

技术介绍
近年来神经网络逐渐应用于图像特征的分割提取，由于神经网络具有并行运算、分步式存储、自学习、容错能力强等特点，使得神经网络在图像特征的分割提取方面有较大的应用空间。神经网络方法对图像进行分割处理是通过对图像中所选取样本集的训练使神经元节点间的连接和权值得到确定，然后利用训练好的神经网络对图像进行分割。由于神经网络由许多并行运算的功能简单的单元组成，具有很强的容错性和鲁棒性。其中，BP网络模型是神经网络中应用最广泛的网络模型，BP网络含有输入节点、输出节点和一个或多个隐层。输入信号先向前传递到隐层节点，经过作用后，再把隐层节点的输出信息传递到输出节点，最后输出结果。但是，目前的神经网络算法用于图像特征分割提取的速度很慢，并且在样本集的收敛过程中，容易陷入局部极小点，图像特征分割提取的准确性也难以保证。
技术实现思路
本专利技术旨在解决上述问题，将遗传算法引入神经网络来弥补神经网络学习算法存在的不足，减少其陷本文档来自技高网...

【技术保护点】
1.一种水下图像的悬浮微粒特征分割提取方法，其特征在于，包括如下步骤：/n步骤1：生成三层BP网络结构；其中，三层BP网络结构包括输入层、隐层和输出层，相邻各层之间的神经元之间实现全连接，同在一层的各神经元之间无连接，相邻各隔层神经元之间的连接并不仅仅是作为信息传送的通道而加以连接，在传输信息的同时，神经元的连接上附有加权系数，包含权值、连接强度、突触强度信息，各连接上的加权系数代表着所连接的两个神经元间信息传送的刺激强度。/n步骤2：将BP网络的权值序列作为遗传算法的染色体编码；其中，染色体编码采用实数编码，将各权值和阈值级联在一起，转换成遗传空间中的基因型个体(染色体)。/n步骤3：随机产...

【技术特征摘要】
1.一种水下图像的悬浮微粒特征分割提取方法，其特征在于，包括如下步骤：
步骤1：生成三层BP网络结构；其中，三层BP网络结构包括输入层、隐层和输出层，相邻各层之间的神经元之间实现全连接，同在一层的各神经元之间无连接，相邻各隔层神经元之间的连接并不仅仅是作为信息传送的通道而加以连接，在传输信息的同时，神经元的连接上附有加权系数，包含权值、连接强度、突触强度信息，各连接上的加权系数代表着所连接的两个神经元间信息传送的刺激强度。
步骤2：将BP网络的权值序列作为遗传算法的染色体编码；其中，染色体编码采用实数编码，将各权值和阈值级联在一起，转换成遗传空间中的基因型个体(染色体)。
步骤3：随机产生初始种群；遗传神经网络方法在处理图像进行分割的过程中，首先基于图像所具有的灰度连续性特征，按某种间隔规则跳跃的选取图像中的部分灰度信息，将其构成一个一位数组并定作遗传算法进化开始的初始种群P0。
步骤...

【专利技术属性】
技术研发人员：贾欣鑫，张浩，王雷，李向春，王起维，
申请(专利权)人：山东省科学院海洋仪器仪表研究所，
类型：发明
国别省市：山东;37