遗传算法优化的BP神经网络的声呐图像分割

发布时间：2020-12-12 17:39

　　水下目标图像识别技术为利用声呐进行海底矿产资源的勘测、海底地貌的探测和海底目标的监测等海底活动提供有力的技术支撑。声呐图像的分割是水下目标识别过程中关键的一步,只有在声呐图像准确分割的前提下,才能使水下目标的识别成为可能,而声呐图像的滤波效果直接影响声呐图像分割的准确度,因此需要提供针对声呐图像的有效的滤波和分割方法。本文在研究BP(Back propagation)神经网络的基础上,提出了一种基于多特征的BP神经网络声呐图像滤波算法和一种基于多特征的BP神经网络声呐图像分割算法。在声呐图像滤波部分,选取原始海底声呐图像像素8邻域的均值、方差、最小值、众数和中值五个统计特征作为BP神经网络的训练输入,分别设置目标亮区、目标暗区、混响区的灰度值为该区域所有像素点的灰度值的均值,将其作为训练输出,并使用训练好的网络进行声呐图像滤波。由于BP神经网络的收敛速度慢、易限于局部极小值等特点,本文使用改进的遗传算法(Genetic Algorithm,GA)对BP神经网络的训练过程进行了优化,利用两种评价指标(均方误差、峰值信噪比)评价其滤波效果,通过与其它四种经典的滤波算法(中值滤波、Frost... 

【文章来源】：内蒙古大学内蒙古自治区 211工程院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

海底目标声呐图像

图 3.4 tansig 函数曲线Fig3.4 Function curve of tansig明显看出，tansig函数的输出值随输入的增大而增大达式为：1( )1xf xe 3.5 所示。

图 3.4 tansig 函数曲线Fig3.4 Function curve of tansig看出，tansig函数的输出值随输入的增大而增大为：1( )1xf xe 5 所示。

【参考文献】：
期刊论文
[1]蝙蝠BP神经网络在图像去噪中的应用研究[J]. 王海军,门克内木乐,金涛.  微电子学与计算机. 2018(09)
[2]BP神经网络隐含层节点数确定方法研究[J]. 王嵘冰,徐红艳,李波,冯勇.  计算机技术与发展. 2018(04)
[3]基于BP神经网络的医学图像分割新方法[J]. 唐思源,邢俊凤,杨敏.  计算机科学. 2017(S1)
[4]空间约束FCM与MRF结合的侧扫声呐图像分割算法[J]. 霍冠英,刘静,李庆武,周亮基.  仪器仪表学报. 2017(01)
[5]基于BP神经网络的脑肿瘤MRI图像分割[J]. 王锦程,郁芸,杨坤,胡新华.  生物医学工程研究. 2016(04)
[6]基于小波域多分辨率MRF的声呐图像目标分割[J]. 吴涛,夏平,刘小妹,雷帮军.  声学技术. 2016(03)
[7]一种合成孔径声呐图像目标分割方法[J]. 翟厚曦,江泽林,张鹏飞,田杰,刘纪元.  仪器仪表学报. 2016(04)
[8]模糊神经网络像素分类的稀疏表示医学CT图像去噪方法[J]. 孙云山,张立毅,耿艳香.  信号处理. 2015(10)
[9]基于循环平移和DTCWT的声呐图像滤波方法[J]. 郭海涛,赵红叶,徐雷,焦圣喜,侯一民.  仪器仪表学报. 2015(06)
[10]基于BP神经网络的船舰目标识别分类[J]. 梁锦雄,王刻奇.  舰船科学技术. 2015(03)

博士论文
[1]非参数变形模型结合模糊技术的MRI图像分割[D]. 陈志彬.大连理工大学 2010

硕士论文
[1]基于深度学习的图像去噪算法[D]. 吴洋威.上海交通大学 2015
[2]数字散斑干涉条纹信息处理技术研究[D]. 李喃.合肥工业大学 2012
[3]负荷特性聚类与负荷模型辨识研究[D]. 唐光泽.长沙理工大学 2009
[4]基于BP网络和遗传算法的岩爆预测研究[D]. 雷松林.同济大学 2008
[5]基于蜜罐学习的神经网络入侵检测模型的研究[D]. 侯英利.哈尔滨理工大学 2008
[6]水下声呐图像目标分割方法的研究及应用[D]. 王兴梅.哈尔滨工程大学 2008



本文编号：2913002