基于人工神经网络的水下探测目标的自动识别
合集下载
相关主题
- 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)。
２ 识 别 原 理
在 利用 受激 布 里渊 散射 探测 系统 进 行水 下 目标 探测 的实验 中 ，先 让 探测 到 的信 号 通过 Ｆ Ｐ标 准 —
具形 成 干涉 图像 （ 图 １ 示 ） 如 所 。
（ ）双环 图像 （ ａ 水下 无物 体 ）
（ ）单环 图像 （ 下有物 体 ） ｂ 水
第 二 步 ：对样 本 图像进 行 平滑 消 噪 。
在 实 验 中我 们 获 取 的干 涉 图像 是 以 ｗｎｏ ｓ 图 格式 存 储 的 ，以便 于 随 后 的分 析 处 理 。在 采 集 ｉｄｗ 位 这 些 干涉 图像 的过 程 中难 免 存 在 噪声 ，有 了 噪声 的 图像 ，在对 其 进 行进 一 步处 理 之前 必 须 进行 消 噪
择 的样 本更 具有 广 泛 的代 表 性 ，这就 需要 大量 的 干涉 图像 。
但是 ，根 据 已有 的实验 资 料 ，我们 得 到 的干 涉 图像 只有 １ ２幅 ５ ２ ５ ２的干 涉 图像 。其 中包 括 ： １￣ １
６幅单 环 干涉 图像 和 ６幅双 环 干涉 图像 。为 了取 得尽 可 能 多 的干涉 图像 ，本 文采 用 对原 始 的 １ 干 ２幅
工 作 以减 小 噪声 带 来 的 负 面影 响 。针 对 干 涉 图像 的 噪声 的特 点 ，这 里采 用 了 “ 中值 滤 波 ”这一 滤 波 平 滑技 术对 图像 进 行消 噪处 理［ ４ １ 。中值 滤波 一般 采 用一 个 滑动 窗 口 ，将 窗 口中各 点灰 度 值 的 中值 来 替 代 指定 点 （ 般 是窗 口的 中心 点）的灰 度值 的滤 波 方法 。如 表 １ 一 所示 ，在 图像 中以 当前 象素 ｆ ）为 ｉ ’ｉ 中心获 取 一个 ３ ３象 素组 成 的 图像 窗 ／ ，设 当前象 素 ｘ Ｓ ｌ （ ）的 灰度 值 为 ｇ（ ）时 ，则 ｇ（，ｊ ｉ ，ｊ ｉ ，ｊ ｉ ）取 ３ ３窗 口中所 有 象素 灰度 值从 小 到大 排序 序列 的中值 。干涉 图像 经过消 噪处 理前 后 如 图 ２所示 。 ｘ
作者简 介 ： 宏 伟 （９ ４ ） ， 南 驻 马店 人 ， 节 学 院 数学 与 计 算 机科 学 学 院 教 师 ， 士 。 究 反 向 ： 处 理 与模 式 识 别 。 代 １ ７一 ， 河 男 毕 硕 研 图像
・
１１ ２・
圆环 的干 涉 图像表 明水 下有 物体 存 在 ，有两 个 圆环 的干 涉 图像表 明水 下 没有 物体存 在 ［ ３ ］ 。 由于人 工 神经 网络 除 了具 有 自学 习 、非 线 性 自适 应 性 和非 线 性并 行 处 理 信息 的 能力 以外 ．而 且 还 能够 对 其输 人一 出数据 进 行处 理 和分 析并 掌握 它们 之 间 的 内在规 律 ，然 后对 新 输入 的 数据 再运 用 输 这 些 规律 进 行推 算 找 出其 对 应 的输 出结果 。 因此 ，作 为 一种 尝 试 。本 文 把人 工 神 经 网络 引 用 到受 激 布 里 渊散射 水 下探 测 目标 的 自动 识别 中。此算 法 的具 体 步骤 如下 。 第 一步 ：样 本 的选择 。 由于 在人 工 神经 网络 的学 习 中 ，采 用 良好 的样 本 训 练 出来 的 神经 网络 的识 别率 较 高 ，所 以 ．样 本 的选 择 是相 当重要 的 。而对 样 本 选 择 的基 本要 求 就 是 样本 应 该 具有 广 泛 的代 表性 。为 了使 我 们 选
涉 图像进 行 多次采 样 的方 法 才能 能够 得 到 １ ２幅子 图像 。这样 我们 就 可 以得 到 ９ ９ ６幅单环 干 涉子 图像 和９ ６幅 双环 干涉 子 图像 。对 于每类 中 的 ９ ６幅干 涉 子 图像 ，我 们从 中选 出 ４ ８幅作 为学 习 样本 ，剩 余 的４ ８幅作 为检 验 样本 。
雷 等物体 的 【 ” 。以往 的识别 方法 纯粹 是凭 操作 员 的经验 和 主观判 断来 确 定有 无 目标 以及 目标 的类 型 ， 这 种人 工识 别判 读 的方法 已经远 远 不能 满 足越 来越 复 杂 的 目标识 别 问题 ，更 不 能 满足 自动 、快速 和
实 时探 测 的需 要［ ２ １ 。
为 了克 服人 工 判读 的弊 端 ，真 正实 现 受激 布 里渊 散射 激 光雷 达 对水 下 探测 目标 的 自动识 别 ，本 文把 人 工神 经 网络 引 入到 水 下 目标识 别 这 一研 究 领域 中 。利 用人 工 神 经 网络 的 自适应 的特 点 对 干涉 图像 进 行模式 分类 ，从 而达 到 自动识 别 的 目的 。
图 １ 多级干 涉条 纹
由该 图可 知 ：当水 下没 有 物 体 时形 成 的干 涉 图像 是双 环 图像 ；当水 下有 物体 时形 成 的干 涉 图像 是单 环 图像 ，因此 我们 完 全 可 以直接 通 过 同一 级 干涉 圆环 的个数 判 断水 下 是否 有 物体 存在 ，有一 个
收稿 日期 ：０ １ ０ － ４ ２ １－ ３ １
代 宏 伟
（ 毕节 学院数 学与计 算机 科 学 学院 ，贵 州 毕 节 ５ １０ ） ５ ７ ０
摘 要： 过把 人 工神 经 网络 引入 到水 下 目标识 别 这一 研 究领 域 中， 用样本 干 涉图像 对神 经 网络 通 利 进行 训 练 ，用 已训练好 的神 经网络 对待识 别 的干 涉 图像 来进 行 判 别和分 类从 而达到 自动 识别 的 目的 。 然后 根 据这 种方 案设 计 出识别 算法 ， 用 Ｖ ＋ 运 Ｃ＋ 进行 软 件 编程 ， 电子 计算机 上进 行 仿真 实验 ； 在 最后 从 识 别 准确 率和识 别速度 两个 方面对 这种识 别 方案进 行 分析 。 实验 结果表 明这 种识 别方案 具有 可行性 。 关键词：干 涉图像 ；水 下探测 ；神 经 网络 ； 自动识 别
中图分类号： Ｐ９ Ｔ ３ 文 献 标 识 码 ： Ａ 文章 编 号 ：６ ３ ７ ５ （０ １０ — １２ ０ １７ — ０ ９ ２ Biblioteka Baidu ）８ ０ １— ６
１ 研 究背景
利用 布 里 渊散 射进 行水 下 目标探 测 是基 于 布 里 渊散射 信 号 的有无 来 判 断海 水 中是 否有 潜 艇 、水
２１ ０ １年 第 ８期 第２ ９卷
毕
节
学
院
学
报
（ 第 １ ３期 ） 总 ３
Ｊ Ｕ Ｎ ＬＯ ＩＩ Ｎ Ｖ Ｒ ｎＹ Ｏ Ｒ Ａ ＦＢＪＥ Ｕ Ｉ Ｅ Ｓ
ＮＯ． ２ １ ８， ０ １ Ｖｏ ．９ １ ２ Ｇｅ ｅａ ．３ ｎ ｒｌＮｏ １ ３
基 于人工神经 网络 的水下探测 目标 的 自动识别
在 利用 受激 布 里渊 散射 探测 系统 进 行水 下 目标 探测 的实验 中 ，先 让 探测 到 的信 号 通过 Ｆ Ｐ标 准 —
具形 成 干涉 图像 （ 图 １ 示 ） 如 所 。
（ ）双环 图像 （ ａ 水下 无物 体 ）
（ ）单环 图像 （ 下有物 体 ） ｂ 水
第 二 步 ：对样 本 图像进 行 平滑 消 噪 。
在 实 验 中我 们 获 取 的干 涉 图像 是 以 ｗｎｏ ｓ 图 格式 存 储 的 ，以便 于 随 后 的分 析 处 理 。在 采 集 ｉｄｗ 位 这 些 干涉 图像 的过 程 中难 免 存 在 噪声 ，有 了 噪声 的 图像 ，在对 其 进 行进 一 步处 理 之前 必 须 进行 消 噪
择 的样 本更 具有 广 泛 的代 表 性 ，这就 需要 大量 的 干涉 图像 。
但是 ，根 据 已有 的实验 资 料 ，我们 得 到 的干 涉 图像 只有 １ ２幅 ５ ２ ５ ２的干 涉 图像 。其 中包 括 ： １￣ １
６幅单 环 干涉 图像 和 ６幅双 环 干涉 图像 。为 了取 得尽 可 能 多 的干涉 图像 ，本 文采 用 对原 始 的 １ 干 ２幅
工 作 以减 小 噪声 带 来 的 负 面影 响 。针 对 干 涉 图像 的 噪声 的特 点 ，这 里采 用 了 “ 中值 滤 波 ”这一 滤 波 平 滑技 术对 图像 进 行消 噪处 理［ ４ １ 。中值 滤波 一般 采 用一 个 滑动 窗 口 ，将 窗 口中各 点灰 度 值 的 中值 来 替 代 指定 点 （ 般 是窗 口的 中心 点）的灰 度值 的滤 波 方法 。如 表 １ 一 所示 ，在 图像 中以 当前 象素 ｆ ）为 ｉ ’ｉ 中心获 取 一个 ３ ３象 素组 成 的 图像 窗 ／ ，设 当前象 素 ｘ Ｓ ｌ （ ）的 灰度 值 为 ｇ（ ）时 ，则 ｇ（，ｊ ｉ ，ｊ ｉ ，ｊ ｉ ）取 ３ ３窗 口中所 有 象素 灰度 值从 小 到大 排序 序列 的中值 。干涉 图像 经过消 噪处 理前 后 如 图 ２所示 。 ｘ
作者简 介 ： 宏 伟 （９ ４ ） ， 南 驻 马店 人 ， 节 学 院 数学 与 计 算 机科 学 学 院 教 师 ， 士 。 究 反 向 ： 处 理 与模 式 识 别 。 代 １ ７一 ， 河 男 毕 硕 研 图像
・
１１ ２・
圆环 的干 涉 图像表 明水 下有 物体 存 在 ，有两 个 圆环 的干 涉 图像表 明水 下 没有 物体存 在 ［ ３ ］ 。 由于人 工 神经 网络 除 了具 有 自学 习 、非 线 性 自适 应 性 和非 线 性并 行 处 理 信息 的 能力 以外 ．而 且 还 能够 对 其输 人一 出数据 进 行处 理 和分 析并 掌握 它们 之 间 的 内在规 律 ，然 后对 新 输入 的 数据 再运 用 输 这 些 规律 进 行推 算 找 出其 对 应 的输 出结果 。 因此 ，作 为 一种 尝 试 。本 文 把人 工 神 经 网络 引 用 到受 激 布 里 渊散射 水 下探 测 目标 的 自动 识别 中。此算 法 的具 体 步骤 如下 。 第 一步 ：样 本 的选择 。 由于 在人 工 神经 网络 的学 习 中 ，采 用 良好 的样 本 训 练 出来 的 神经 网络 的识 别率 较 高 ，所 以 ．样 本 的选 择 是相 当重要 的 。而对 样 本 选 择 的基 本要 求 就 是 样本 应 该 具有 广 泛 的代 表性 。为 了使 我 们 选
涉 图像进 行 多次采 样 的方 法 才能 能够 得 到 １ ２幅子 图像 。这样 我们 就 可 以得 到 ９ ９ ６幅单环 干 涉子 图像 和９ ６幅 双环 干涉 子 图像 。对 于每类 中 的 ９ ６幅干 涉 子 图像 ，我 们从 中选 出 ４ ８幅作 为学 习 样本 ，剩 余 的４ ８幅作 为检 验 样本 。
雷 等物体 的 【 ” 。以往 的识别 方法 纯粹 是凭 操作 员 的经验 和 主观判 断来 确 定有 无 目标 以及 目标 的类 型 ， 这 种人 工识 别判 读 的方法 已经远 远 不能 满 足越 来越 复 杂 的 目标识 别 问题 ，更 不 能 满足 自动 、快速 和
实 时探 测 的需 要［ ２ １ 。
为 了克 服人 工 判读 的弊 端 ，真 正实 现 受激 布 里渊 散射 激 光雷 达 对水 下 探测 目标 的 自动识 别 ，本 文把 人 工神 经 网络 引 入到 水 下 目标识 别 这 一研 究 领域 中 。利 用人 工 神 经 网络 的 自适应 的特 点 对 干涉 图像 进 行模式 分类 ，从 而达 到 自动识 别 的 目的 。
图 １ 多级干 涉条 纹
由该 图可 知 ：当水 下没 有 物 体 时形 成 的干 涉 图像 是双 环 图像 ；当水 下有 物体 时形 成 的干 涉 图像 是单 环 图像 ，因此 我们 完 全 可 以直接 通 过 同一 级 干涉 圆环 的个数 判 断水 下 是否 有 物体 存在 ，有一 个
收稿 日期 ：０ １ ０ － ４ ２ １－ ３ １
代 宏 伟
（ 毕节 学院数 学与计 算机 科 学 学院 ，贵 州 毕 节 ５ １０ ） ５ ７ ０
摘 要： 过把 人 工神 经 网络 引入 到水 下 目标识 别 这一 研 究领 域 中， 用样本 干 涉图像 对神 经 网络 通 利 进行 训 练 ，用 已训练好 的神 经网络 对待识 别 的干 涉 图像 来进 行 判 别和分 类从 而达到 自动 识别 的 目的 。 然后 根 据这 种方 案设 计 出识别 算法 ， 用 Ｖ ＋ 运 Ｃ＋ 进行 软 件 编程 ， 电子 计算机 上进 行 仿真 实验 ； 在 最后 从 识 别 准确 率和识 别速度 两个 方面对 这种识 别 方案进 行 分析 。 实验 结果表 明这 种识 别方案 具有 可行性 。 关键词：干 涉图像 ；水 下探测 ；神 经 网络 ； 自动识 别
中图分类号： Ｐ９ Ｔ ３ 文 献 标 识 码 ： Ａ 文章 编 号 ：６ ３ ７ ５ （０ １０ — １２ ０ １７ — ０ ９ ２ Biblioteka Baidu ）８ ０ １— ６
１ 研 究背景
利用 布 里 渊散 射进 行水 下 目标探 测 是基 于 布 里 渊散射 信 号 的有无 来 判 断海 水 中是 否有 潜 艇 、水
２１ ０ １年 第 ８期 第２ ９卷
毕
节
学
院
学
报
（ 第 １ ３期 ） 总 ３
Ｊ Ｕ Ｎ ＬＯ ＩＩ Ｎ Ｖ Ｒ ｎＹ Ｏ Ｒ Ａ ＦＢＪＥ Ｕ Ｉ Ｅ Ｓ
ＮＯ． ２ １ ８， ０ １ Ｖｏ ．９ １ ２ Ｇｅ ｅａ ．３ ｎ ｒｌＮｏ １ ３
基 于人工神经 网络 的水下探测 目标 的 自动识别