一种基于稀疏表示声纳图像识别方法

合集下载

声呐图像自动目标识别技术研究

54声呐图像自动目标识别技术研究声呐图像自动目标识别技术研究Research on Automat i c Target Recog n i t i on Tech no logy of Sonar Images楼冠廷(浙江大学电气工程学院，浙江杭州310027)摘要:提出了一种基于神经网络可视化的声呐图像自动目标识别技术，能够仅依靠样本类别标签实现对声呐图像目标的定位与识别，较大减少了人工成本，也使得方法容易泛化到声呐图像的不同数据集上。

该方法首先使用Grad-CAM技术可视化解释神经网络，并作为可视化输入图像目标位置的基本方法,之后与ResNet-18主干模型结合实现了基于神经网络可视化的声呐图像自动目标识别技术的基础模型，并在真实声呐图像数据集上进行了实验验证。

针对因为声呐数据集的不丰富而造成的模型目标定位失准的问题，该方法进一步通过迁移预训练参数，优化基础模型提取特征的能力，从而使得该方法在实际定位和识别声呐图像目标时的准确率和鲁棒性有了明显提升。

关键词：自动目标识别；神经网络可视化；声呐图像Abstract:An automat i c target recogn i t i o n technology based on neural network v i s ual i z at i o n for sonar image is proposedi n th is paper.It can real i z e the local i z at i o n and recogn i t i o n of sonarmage target only depend i n g on the sample categorylabels,wh i c h greatly reduces the labor cost.It also makes the method easy to general ize to d i f ferent datasets of sonarm-ages.F i rstly,Grad-CAM technology is used to v i s ually interpret the neural network,wh i c h is used as the bas i c method to v i s ual i z e the target locat ion in the input image.Then,comb i n ed w i t h ResNet-18backbone,the bas i c model of sonarmage automat i c target recogn i t i o n technology is real i z ed,and the exper i m ental ver i f i c at i on is carr i e d out on real sonarmage dataset.A i m i n g at the problem of model target locat i on inaccuracy caused by the lack of sonar datasets,th i s method further opt i-m i z es the feature extract i o n ab il i t y of the bas i c model by transferr i n g the pre-tra i n i n g parameters.Thus,the accuracy and robustness of th i s methodn the actual local i z at i o n and recogn i t i o n of sonarmage target have been greatly improved.Keywords:automat i c target recogn i t ion(ATR),neural network v i s ual i z at ion,sonar image自主式水下航行器(Autonomous Underwater Veh i cle, AUV)通常承担搜索、寻检和探测等任务,这依赖于自动目标识别(Automat i c Target Recogn i t i on,ATR)技术。

基于稀疏重构的前视声纳成像方法

基于稀疏重构的前视声纳成像方法
徐云艳;郑葳;刘建国;毕杨;郭拓
【期刊名称】《计算机与现代化》
【年(卷),期】2024()2
【摘要】基于稀疏重构的DOA估计算法可以通过加强表示稀疏性而获得更高分辨的空间谱估计,有助于实现相邻目标的区分,本文提出一种在每个距离上稀疏重构的声纳成像方法。

该方法利用声纳成像中目标本身具有的稀疏性,以及稀疏重构算法中的范数约束,来获得更高的分辨率以最终实现成像效果的改善。

在仿真和水池实验中,将l1-SVD和SpSF稀疏重构算法与传统方位估计方法MUSIC、CBF、SFW-L21、NN-SpSF进行性能对比,实验结果表明l1-SVD算法和SpSF算法成像优于传统方法,有较窄的主瓣和较低的旁瓣,且对背景噪声有一定的抑制效果。

同时,对2个相邻很近的目标,也可较好地区分出来,表明本文算法具有较高的分辨率。

【总页数】9页(P20-28)
【作者】徐云艳;郑葳;刘建国;毕杨;郭拓
【作者单位】陕西科技大学电子信息与人工智能学院;中国计量科学研究院;西北工业大学航海学院;西安航空学院电子工程学院
【正文语种】中文
【中图分类】TN929.3
【相关文献】
1.基于三维成像声纳技术的AUV前视避障方法
2.基于前视声纳的成像与多目标特征提取
3.基于前视扫描声纳的成像与目标特征提取
4.基于稀疏和低秩先验的雷达前视超分辨成像方法
5.基于TSVD的块稀疏重构雷达前视超分辨成像
因版权原因，仅展示原文概要，查看原文内容请购买。

基于稀疏降维的说话人识别方法[发明专利]

专利名称：基于稀疏降维的说话人识别方法专利类型：发明专利
发明人：杨毅,刘加
申请号：CN201310298757.9
申请日：20130716
公开号：CN103413551A
公开日：
20131127
专利内容由知识产权出版社提供
摘要：一种基于稀疏降维的说话人识别方法，提取用于训练的语音信号的声学特征作为说话人识别的训练特征，然后通过求解稀疏投影矩阵对用于训练的语音信号的声学特征进行降维，并获得最终稀疏投影矩阵，在完成降维后进行分类器训练，提取待识别的语音信号的声学特征作为说话人识别的待识别特征，利用获得的最终稀疏投影矩阵对待识别的语音信号的声学特征进行稀疏降维处理，最终根据所述分类器训练方法进行分类判决，本发明通过寻找稀疏降维投影矩阵的解路径实现稀疏降维，使得每个解路径在与其相关的范数参数上获得局部最优，最终实现全局最优，可用于说话人识别、人脸识别、手写体分类、人机交互等多种机器学习领域。

申请人：清华大学
地址：100084 北京市海淀区100084信箱82分箱清华大学专利办公室
国籍：CN
代理机构：西安智大知识产权代理事务所
代理人：贾玉健
更多信息请下载全文后查看。

一种基于稀疏编码的相似性图像检索方法及系统[发明专利]

专利名称：一种基于稀疏编码的相似性图像检索方法及系统专利类型：发明专利
发明人：华臻,王浩然,李小玲,吴昊
申请号：CN202010724862.4
申请日：20200724
公开号：CN111914920A
公开日：
20201110
专利内容由知识产权出版社提供
摘要：本发明提出了一种基于稀疏编码的相似性图像检索方法及系统，涉及图像识别领域。

一种基于稀疏编码的相似性图像检索方法，包括如下步骤：根据基准图像进行基向量表征获取第一稀疏表征结果；根据图像库中的图像进行基向量表征得到第二稀疏表征结果；计算第一稀疏表征结果与第二稀疏表征结果的相似度；判断相似度是否大于预设阈值，若是，则判定为是相似性图像，若不是，则判定为非相似性图像。

其能够更加充分地提取图像特征信息，在相似度计算的过程中更加精准、有针对性。

此外本发明还提出了一种基于稀疏编码的相似性图像检索系统，包括：第一获取模块、第二获取模块、计算模块以及判断模块。

申请人：山东工商学院
地址：264030 山东省烟台市莱山区滨海中路191号
国籍：CN
代理机构：成都鱼爪智云知识产权代理有限公司
代理人：梁悦敏
更多信息请下载全文后查看。

基于快速稀疏分解和深度学习的生态声音识别方法[发明专利]

专利名称：基于快速稀疏分解和深度学习的生态声音识别方法专利类型：发明专利
发明人：李应,欧阳桢
申请号：CN201310472330.6
申请日：20131011
公开号：CN103531199A
公开日：
20140122
专利内容由知识产权出版社提供
摘要：本发明涉及一种基于快速稀疏分解和深度学习的生态声音识别方法，其特征在于，包括以下步骤：S01：分别对纯净声音和测试带噪声音进行OMP稀疏分解，对应输出纯净声音和测试带噪声音的重构信号和OMP特征；S02：分别对纯净声音和测试带噪声音提取包括OMP特征在内的复合特征；S03：对重构后的纯净声音提取的复合特征进行DBN模型训练；S04：对重构后的测试带噪声音和训练后的纯净声音提取的复合特征进行DBN模型分类，输出测试带噪声音所属的生态声音类别。

本发明对系统抗噪性和鲁棒性的提高更为显著。

申请人：福州大学
地址：350108 福建省福州市闽侯县上街镇大学城学园路2号福州大学新区
国籍：CN
代理机构：福州元创专利商标代理有限公司
代理人：蔡学俊
更多信息请下载全文后查看。

基于稀疏特征的高分辨声呐成像

指导教师姓名、职称指导教师姓名、学科、学科、专业
武筱林教授武筱林教授电路与系统
二○一四年一月
万方数据
西安电子科技大学学位论文独创性（学位论文独创性（或创新性）或创新性）声明
秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期:
例如echoscopemarkii系列声呐由英国codaoctopus公司推出它采用的是基于面阵的多波束成像技术是一个真正能实现三维实时成像系统它采用4848的二维相控阵通过采用基于神经网络的并行处理技术进行高速数字波束形成能够同时形成128128个波束可以显示5050度角度范围内200m距离范围内连续帧三维声呐图像距离分辨率高达lcm而且探测过程中它还能够对100m范围内的静止或运动目标进行实时成像系统的实时成像刷新率可达到20帧每秒
西安电子科技大学关于论文使用授权的说明
本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定）本学位论文属于保密，在本人签名：导师签名：年解密后适用本授权书。日期: 日期:

一种基于稀疏表示声纳图像识别方法

一种基于稀疏表示声纳图像识别方法
郝燕玲;王梁;张振兴
【期刊名称】《中国航海》
【年(卷),期】2011(034)003
【摘要】提出了一种基于灰度-梯度共生矩阵的稀疏表示声纳图像识别方法.该方法采用灰度-梯度共生矩阵对声纳图像进行特征提取,特征提取结果相比全局的特征提取包含了声纳图像的重要的纹理信息；并结合稀疏表示的分类方法对声纳图像进行识别.实验表明,该方法既满足了对声纳图像进行识别实时性,又提高了识别的准确性.【总页数】4页(P1-4)
【作者】郝燕玲;王梁;张振兴
【作者单位】哈尔滨工程大学自动化学院,哈尔滨150001;哈尔滨工程大学自动化学院,哈尔滨150001;哈尔滨工程大学自动化学院,哈尔滨150001
【正文语种】中文
【中图分类】U666.73;TP391.41
【相关文献】
1.基于多特征融合和稀疏表示的农业害虫图像识别方法 [J], 张永玲;姜梦洲;俞佩仕;姚青;杨保军;唐健
2.基于多重稀疏表示的声纳图像超分辨率重建方法 [J], 王梁;郝燕玲;张振兴
3.基于局部字典块稀疏表示的SAR图像目标识别方法 [J], 郭敦; 吴志军
4.基于稀疏表示的电力设备图像识别方法 [J], 刘树吉; 刘颖; 刘为; 同东辉; 刘雪松
5.基于稀疏表示的焊缝视觉图像缺陷识别方法 [J], 王飞;张素兰
因版权原因，仅展示原文概要，查看原文内容请购买。

被动声纳目标稀疏表示分类识别方法

被动声纳目标稀疏表示分类识别方法
康春玉;李岩洲;夏志军;寇祝
【期刊名称】《科技创新与应用》
【年(卷),期】2022(12)18
【摘要】分类器设计是被动声纳目标实现智能分类识别的关键步骤,提出一种水下被动声纳目标稀疏表示分类识别方法。

基于提取的被动声纳目标功率谱特征,选取
部分已知类型样本的功率谱特征构建稀疏表示的完备原子库,采用稀疏分解算法实
现未知类型样本功率谱特征的稀疏表示,根据稀疏系数实现目标的分类识别。

被动
声纳分类识别检验表明,该方法对目标的正确分类识别概率高于同类特征采用最近邻、神经网络或支持向量机分类器时的正确分类识别概率,而且具有不需要预先训练,完备原子库能够随时扩充的特点,可实现被动声纳目标分类识别系统的实时更新。

【总页数】3页(P15-17)
【作者】康春玉;李岩洲;夏志军;寇祝
【作者单位】海军大连舰艇学院
【正文语种】中文
【中图分类】TB566
【相关文献】
1.一种基于稀疏表示声纳图像识别方法
2.一种基于非线性特征提取的被动声纳目标识别方法研究
3.一种基于非线性特征提取的被动声纳目标识别方法研究
4.一种基
于非线性特征提取的被动声纳目标识别方法研究5.基于增强字典稀疏表示分类的SAR目标识别方法
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

纳图像进行特征提取，征提取结果相比全局的特征提取包含了声纳图像的重要的纹理信息；结合稀疏表示的特并分类方法对声纳图像进行识别。实验表明，方法既满足了对声纳图像进行识别实时性，提高了识别的准确性。该又关键词：舶、船工程；纳图像识别；船舰声灰度一度共生矩阵；疏表示；征；理信息梯稀特纹
ｉｏｒａｉ．Ｔｈｅｓｎｆｍｔｏｎｏｎａｍａｓｒｃｎｉｅｐｓｅｒｓｎｔｔ０ｌｓｉｉａｉ．Ｔｈｉｕｌｔｏｎｒｓｌｈｏｓｔｔｒｉｇｅｉｅｏｇｚｄｂｙｓａｒｅｒｐｅｅａｉｎｃａｓｆｃｔｏｎｅｓｍａｉｅｕｔｓｗｈａ
第３４卷第３期
２１年９月０１
中国航
海
Ｖｏ．４ＮＯ３１３．Ｓｅ．２ｐ０１１
ＮＡＶＩＡＴ１ＮＦＧ０ＯＣＨＩＡＮ
文章编号：００４５２１１０００１０６３（０）３０１— ０４
示声纳纹理图像分类方法。将图像的结构特征变换
为图像统计的特征，且提取的特征中含有声纳图并
像丰富的纹理基元和排列信息。实验结果表明，该方法对声纳纹理图像具有很高的分类精度。
ｇｓＣｏｍｐｒｄｗｉｈｔｅｕｔｏｆｇｌａｌｆａｕｒｘｒｃｉｅ．ａｅｔｈｅｒｓｌｏｂｅｔｅｅｔａｔｏｎ，ｔｅｕｌｆｔｓｎｗｅｈｏｄｃｎｔｉｍｐｔｎｔｔｘｔｅｈｅｒｓｔｏｈｉｅｍｔｏａｎｓｉｏｒａｅｕｒ
ＳｎｒＩａｅＲｅｏｎｉｉｎｏａｍｇｃｇｔｏ
ＨａｏＹａｎｉｇ，Ｗａｉｎｇ，Ｚ＾ａｎｌｎｎｇＬａｇＺｈｅｘｉｇｎｎ
（ＣｏｌｅｆＡｕｏａｉｎ，ＨａｂｉｌｇｅｏｔｍｔｏｒｎＥｎｇｎｅｒｎｉｅｉｇＵｎｉｒｉｙ，Ｈａｂｎ１００１，Ｃｈｉ）ｖｅｓｔｒｉ５０ｎａ
近年来，随着声成像技术的发展，声纳图像在海洋技术领域的应用日益广泛，用声纳图像进行目利标识别己经成为该领域研究的一个热点问题。该
项ｔｄｒｔｒｃ
ｔｏｐｓｄｍｅｈｔｏｎｌｅｏｉｅｈｅｓｈｅｐｒｏｅｔｏｄｎｏｙｒｃｇｎｚｓｔｏｎａｍａｎｒａｉｅ，ｂｌｏｉｐｒｖｅｈｅｏｇｔｏｃｕｒｃ．ｒｉｇｅｉｅｌｔｍｕｔａｓｍｏｓｔｅｒｃｎｉｉｎａｃａｙＫｅｒｓ：ｓｐ，ｎａａｎｎｅｒｎｇ；ｓｎａｍａｅｒｃｎｉｉｙｗｏｄｈｉｖｌｅｇｉｅｉｏｒｉｇｅｏｇｔｏｎ；ｇｒｙｌｖｅ— ｒｄｉｎＯｏｃｒｅｅｍａｒｘ；ｓｒｅｒｐ— ａｅｌｇａｅｔＣｃｕｒｎｃｔｉｐａｓｅｒｓｎｔｔｏｅｅａｉｎ；ｆａｔｒ；ｔｘｔｅｉｏｍａｉｎｅｕｅｅｕｒｎｆｒｔｏ
一
种基于稀疏表示声纳图像识别方法
郝燕玲，王梁，张振兴
（尔滨工程大学自动化学院，尔滨１００）哈哈５０１
摘
要：出了一种基于灰度梯度共生矩阵的稀疏表示声纳图像识别方法。该方法采用灰度一度共生矩阵对声提梯
中图分类号：６．３；Ｕ６６７ＴＰ３１４９．１文献标志码：Ａ
ＧｒｙＬｅｅ — ａｉｎ — ｃｒｅｅＭａｒｘＢａｅｐｒｅＲｅｅｅａｉｎｆｒａｖｌＧｒｄｅｔＣｏＯｃｕｒｎｃｔｉｓｄＳａｓｐｒｓｎｔｔ０ｏ
Ａｂｔａｔｓｒｃ：Ｔｈｉａｒｐｒｐｏｅｗｏｒｉｇｅｒｃｇｎｉｉｅｈｓｄｏｒｙｌｖｅ— ａｅｔｃ — ｃｕｒｎｅｍａｓｐｐｅｏｓｓａｎｅｓｎａｍａｅｏｔｏｎｍｔｏｄｂａｅｎｇａｅｌｇｒｄｉｎｏｏｃｒｅｃｔｉｐａｓｅｅｅａｉ．ＴｈｅｇｒｙｌｖｌｇｒｉｎｔＣ — ｃｒｅｅｍａｒｘｉｓｄｔｘｔａｔｔｅｔｅｏｏｒｉｒｘｓｒｅｒｐｒｓｎｔｔｏｎａｅｅ— ａｄｅＯｏｃｕｒｎｃｔｉｓｕｅｏｅｒｃｈｅｆａｕｒｆｓｎａｍａ