基于深度学习的声呐图像目标识别

摘要

声呐是用声波探测海洋的主要设备,自诞生以来,一直作为水下信息探测、定位和通信的主要工具。获取的声呐数据以图像的形式将目标信息显示出来,由于受海洋信道的影响和接收基阵的限制,声呐图像的处理缺乏完全可靠的模型方法。深度学习在近年来广泛应用于图像识别和目标识别领域,本文基于声呐图像的主要特征表现,提出一种基于卷积神经网络的声呐图像目标识别方法。使用中值滤波对声呐图像进行滤波处理,随后选用Canny边缘检测算法和霍夫变换进行白线检测,基于自适应阈值化图像分割算法分割出的目标,选用卡尔曼滤波器方法实现目标跟踪。最后对于跟踪的目标选用卷积神经网络进行分类识别,对不同的声呐图像目标获得了较高的识别准确率。