基于脉冲耦合神经网络的声呐图像鱼类目标快速检测方法技术

本发明专利技术公开了基于脉冲耦合神经网络的声呐图像鱼类目标快速检测方法，首先对声呐数据预处理，双线性插值减少图像尺寸，通过伽马变换增强图像，凸显出待测目标；分别使用FCM算法与K—means算法对图像聚类，通过形态学滤波(腐蚀、重建)得到更加集中的亮点集群，将两组图片取并集，对其中的亮点集群进行初步的面积筛选，将大小不合理的集群去除，得到初步的兴趣区域(ROIs)；使用脉冲耦合神经网络(PCNN)分割ROIs，对分割出的目标以及ROIs本身提取特征组成特征空间；最后，对特征空间进行非线性变换，将经过非线性变换的特征空间输入Fisher判别来分类检测，本发明专利技术不仅能够滤除绝大部分虚警目标，而且运算速度快，对不同的检测环境也有较好的普适性和鲁棒性。

【技术实现步骤摘要】

本专利技术涉及声呐图像分割和目标检测领域，针对水下鱼类目标检测实时检测，具体涉及一种基于脉冲耦合神经网络的声呐图像鱼类目标快速检测方法。

技术介绍

1、声呐图像中的小目标检测是水声领域内热门研究内容之一，其广泛应用于水下蛙人、水雷的探测，成像声呐图像复杂的背景、严重的噪声干扰以及较低的分辨率给小目标检测带来了极大的困难，传统的水下小目标检测主要依赖人工，随着声呐数据获取能力不断提高，当大量的声呐数据用于目标检测时，人工检测的方法效率较低且漏检率高，无法满足目标检测的实时性，因此降低水下噪声干扰，在虚警概率较低的前提下实现水下小目标快速且准确的自动检测，成为当下一个热点研究话题；

2、近年来，对神经网络的研究不断深入，卷积神经网络广泛地应用于计算机视觉，在图像分割、目标检测、目标识别等领域都发挥了巨大的作用，同时作为第三代神经网络的脉冲耦合神经网络(pulsecoupledneuralnetwork，pcnn)也得到了广泛的关注，其不需要训练的网络特性以及较低的计算复杂度、较高的精度使得其在图像分割领域有着不错的表现，相对于传统的分割算法分割精度本文档来自技高网...

【技术保护点】

1.基于脉冲耦合神经网络的声呐图像鱼类目标快速检测方法，包括以下步骤：

2.根据权利要求1所述的基于脉冲耦合神经网络的声呐图像鱼类目标快速检测方法，其特征在于，所述步骤S2对图像预处理具体包括以下步骤：

3.根据权利要求1所述的基于脉冲耦合神经网络的声呐图像鱼类目标快速检测方法，其特征在于，所述步骤S3采用多种聚类算法分别对图像处理，具体包括以下步骤：

4.根据权利要求1所述的基于脉冲耦合神经网络的声呐图像鱼类目标快速检测方法，其特征在于，所述步骤S4对ROIs分割并提取特征组成特征空间，具体包括以下步骤：

5.根据权利要求1所述的基于脉冲...

【技术特征摘要】

1.基于脉冲耦合神经网络的声呐图像鱼类目标快速检测方法，包括以下步骤：

2.根据权利要求1所述的基于脉冲耦合神经网络的声呐图像鱼类目标快速检测方法，其特征在于，所述步骤s2对图像预处理具体包括以下步骤：

3.根据权利要求1所述的基于脉冲耦合神经网络的声呐图像鱼类目标快速检测方法，其特征在于，所述步骤s3采用多种聚类算法分别对图像处理，具体包括以下步骤：...

【专利技术属性】
技术研发人员：聂骁健，于晓阳，徐琳彭，王鹤儒，邓行健，周伯骜，刘文卓，黄灿，李泉，马靖雯，孙晓凡，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：