一种基于干涉条纹和深度学习的水面水下分类目标的方法

摘要

本发明涉及一种基于干涉条纹和深度学习的水面水下分类目标的方法，先利用高斯射线声学模型仿真得到大量的声场干涉条纹图像，包括清晰图像、模糊图像和有随机深度误差的图像，作为深度置信网络DBN(Deep belief Network)和CNN的训练集进行，再将训练好的DBN作为CNN的前端处理模块，同时添加波束形成用于构成系统的预处理模块，最后将经过预处理的图像输入DBN，实现自主地对输入的条纹图像进行分类。该方法通过仿真大量的声场干涉条纹图像，解决了深度学习中训练集样本过小的问题；设计DBN模型优化了实际输入图像中的模糊和条纹偏移问题；设计CNN实现了自主地分类水面和水下目标。