一种作用于海洋中的基于图像识别技术的声呐目标识别与检测方法技术

本发明专利技术提出一种作用于海洋中的基于图像识别技术的声呐目标识别与检测方法。本发明专利技术采用图像声呐捕捉目标，从而获得目标图像；建立图像声呐目标标准图像库；采用卷积神经网络的目标识别算法搭建网络；将搭建好的网络与数据库相连，重复训练后得到模型；将采集到的图像输入至模型中，判断是否符合要求；得出结果。本发明专利技术通过训练神经网络，可存储大量相关数据，并通过比对数据提高识别效率和准确率。并通过比对数据提高识别效率和准确率。并通过比对数据提高识别效率和准确率。

【技术实现步骤摘要】
一种作用于海洋中的基于图像识别技术的声呐目标识别与检测方法


[0001]本专利技术属于图像识别
，特别是涉及一种作用于海洋中的基于图像识别技术的声呐目标识别与检测方法。

技术介绍

[0002]海洋面积占地球总面积的71％，储存了丰富的生物资源、矿产资源及海洋能源等，同时我国进出口货物的90％以上都是通过海洋进行运输，因此包括我国在内的多个国家都在积极开展海洋事业。
[0003]海洋不仅对能源储备非常重要，而且作为国家不可侵犯的领土，对于国家安全战略的重要性也不言而喻。近年来，随着科学技术的发展，各种海上武器装备趋于小型化、静音化，各国之间的竞争也更加激烈，国际局势开放的同时，也伴有紧张的国际关系。潜艇、水下UUV等不断优化，促使作用于海洋中的探测技术日趋成熟。
[0004]目前，随着计算机处理技术的快速发展，带动了声呐的发展。在深度学习技术显著进展的助力下，目标检测领域得到了飞速发展。如何实现作用于国产图像声呐上的目标识别，是国防领域及目标识别检测领域专家们研究的首要内容。现阶段红外成像和光学成像技术已相对成熟，这些技术也被用到目标的检测和跟踪问题中去。但是由于海水的特殊性，光在水中穿透能力较弱，因此目前的技术并不适用于海洋中目标的检测。而声波由于其在水下远距离传输的特点，是水下传播信息的最佳媒介，成为了水下目标检测的优先选择。
[0005]传统的目标识别检测算法主要是将整个图像进行全部识别与检索，耗费大量时间，导致效率低下，且不能进行主动学习并完善数据库。本专利技术通过改进传统目标算法，实现与图像声呐的有机结合，提高了图像声呐在海洋环境作业时目标检测的效率和准确率。

技术实现思路

[0006]本专利技术目的是为了解决现有技术中的问题，提出了一种作用于海洋中的基于图像识别技术的声呐目标识别与检测方法。本专利技术通过一种智能目标检测算法，能够对图像声呐储存的海洋中环境的影像进行初步处理，且通过已有数据作为基础进行学习的优化，不断提高识别检测的速度和准确度。
[0007]本专利技术是通过以下技术方案实现的，本专利技术提出一种作用于海洋中的基于图像识别技术的声呐目标识别与检测方法，所述方法包括以下步骤：
[0008]步骤S1、采用图像声呐捕捉目标，获得目标图像；
[0009]步骤S2、建立声呐图像目标标准图像库；
[0010]步骤S3、根据目标标准图像库采用卷积神经网络的目标识别算法搭建网络；
[0011]步骤S4、将搭建好的网络与目标标准数据库相连，重复训练后得到模型；
[0012]步骤S5、将采集到的图像输入至模型中，判断是否符合条件；
[0013]步骤S6、得出结果。
[0014]进一步地，所述建立声呐图像目标标准图像库的步骤包括：
[0015]多角度采集目标的标准动作图像或标准状态图像；
[0016]将目标标准图像组合建立目标图像集；
[0017]将需要识别的所有目标图像集组合起来建立目标标准图像库。
[0018]进一步地，所述目标标准数据库的建立步骤包括：
[0019]利用图像识别算法对目标中的标准动作或静态图像进行像素分割和计算，得到第二特征值，将所有第二特征值组合得到目标数据集；
[0020]将目标识别的每个阶段及特征组合得到目标子数据库；
[0021]将多个目标子数据库组合得到目标标准数据库。
[0022]进一步地，在步骤S1中，采用灰度变换中的分段线性灰度变换突出目标，所述分段线性灰度变换公式具体为：
[0023][0024]其中，r为目标原有灰度；f(r)为变换后灰度；灰度0
‑
r1线性映射为0
‑
s1；灰度r1
‑
r2线性映射为s1
‑
s2；灰度r2
‑
255线性映射为s2
‑
255。
[0025]进一步地，步骤S5判断的过程中采用卷积神经网络对目标特征进行提取，其步骤包括：
[0026]步骤1、输入图像；
[0027]步骤2、将图像放入特征提取网络进行提取；
[0028]步骤3、将提取后的图像放入全连接层；
[0029]步骤4、得出检测结果。
[0030]进一步地，对所述目标标准数据库进行优化，优化步骤具体为：采集多组目标的动作标准动作或静态数据，利用目标的标准动作数据或标准静态数据对目标标准数据库进行优化。
[0031]进一步地，采集的图像是用同一设备对同一目标物在同一时刻拍摄。
[0032]本专利技术提出一种作用于海洋中的基于图像识别技术的声呐目标识别与检测系统，所述系统包括：
[0033]采集图像模块：采集具有目标的红外光图像和可见光图像的至少一个图像；
[0034]图像标注模块：标注图像信息；
[0035]构建矩阵模块：将标注信息的图像按照预定顺序构建为图像矩阵；
[0036]搭建网络模块：搭建多通道训练网络；
[0037]训练模型模块：将所述图像矩阵输入至多通道训练网络得到判断模型，判定是否为所需识别的目标。
[0038]本专利技术提出一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述一种作用于海洋中的基于图像识别技术的声呐目标识别与检测方法的步骤。
[0039]本专利技术提出一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时实现所述一种作用于海洋中的基于图像识别技术的声呐目标识别与检测方法的步骤。
[0040]本专利技术的有益效果：
[0041]本专利技术提出了一种作用于海洋中的基于图像识别技术的声呐目标识别与检测方法，本专利技术通过改进传统目标算法，实现与图像声呐的有机结合，提高了图像声呐在海洋环境作业时目标检测的效率和准确率。
附图说明
[0042]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0043]图1是本专利技术一实施例提供的一种作用于海洋中的基于图像识别技术的声呐目标识别与检测方法的流程图；
[0044]图2是本专利技术一实施例提供的一种作用于海洋中的基于图像识别技术的声呐目标识别与检测方法的卷积识别神经网络及检测方法流程图；
[0045]图3是本专利技术一实施例提供的一种作用于海洋中的基于图像识别技术的声呐目标识别与检测方法的结果图。
具体实施方式
[0046]下面将结合本专利技术实施例中的附图对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种作用于海洋中的基于图像识别技术的声呐目标识别与检测方法，其特征在于，所述方法包括以下步骤：步骤S1、采用图像声呐捕捉目标，获得目标图像；步骤S2、建立声呐图像目标标准图像库；步骤S3、根据目标标准图像库采用卷积神经网络的目标识别算法搭建网络；步骤S4、将搭建好的网络与目标标准数据库相连，重复训练后得到模型；步骤S5、将采集到的图像输入至模型中，判断是否符合条件；步骤S6、得出结果。2.根据权利要求1所述的方法，其特征在于，所述建立声呐图像目标标准图像库的步骤包括：多角度采集目标的标准动作图像或标准状态图像；将目标标准图像组合建立目标图像集；将需要识别的所有目标图像集组合起来建立目标标准图像库。3.根据权利要求1所述的方法，其特征在于，所述目标标准数据库的建立步骤包括：利用图像识别算法对目标中的标准动作或静态图像进行像素分割和计算，得到第二特征值，将所有第二特征值组合得到目标数据集；将目标识别的每个阶段及特征组合得到目标子数据库；将多个目标子数据库组合得到目标标准数据库。4.根据权利要求1所述的方法，其特征在于，在步骤S1中，采用灰度变换中的分段线性灰度变换突出目标，所述分段线性灰度变换公式具体为：其中，r为目标原有灰度；f(r)为变换后灰度；灰度0
‑
r1线性映射为0
‑
s1；灰度r1
‑
r2线性映射为s1
‑
s2；灰度r2
‑
2...

【专利技术属性】
技术研发人员：孙晓凡，阳慧玲，徐琳彭，张腾飞，王佳宜，于晓阳，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：