基于线谱的水下复杂环境目标检测方法研究

发布时间：2025-05-11 06:07

　　在这科学技术不断发展的时代,人们的生活范围不断的扩大,从陆地上不断的向海中开拓和发展。然而水下的环境相对比较复杂,因此有效的进行目标检测成为一项重要的研究内容。在以往的技术中对目标检测主要依靠人们的经验,得到的结果具有主观性,同时这对人们的专业知识的要求也比较高。对此,需要研究的主要内容是如何对目标进行自动的检测。基于这样的背景,本文进行了研究分析。在本文中主要分两部分进行介绍,第一部分是对线谱的提取,第二部分是对提取到的线谱进行检测。线谱的属性能很好的代表目标的类型,因此,在线谱的提取中主要目的是提取到线谱更加完整。在本文中对线谱提取的方法进行改进,生成LOFAR图时加入对数函数,可以将强弱线谱在有限的动态范围内显示出来。线谱提取时,使用了积分函数来对阈值进行量化。减少人为干预。提取到线谱之后,如何进行检测也是非常重要的一个步骤,在本文的研究中,使用的是卷积神经网络来进行检测的,传统的卷积网络存在着一些不足之处,训练是需要大量的时间和参数,对硬件的依赖性比较大。针对这种情形,提出了一种基于CNN的快速和压缩的方法的网络模型,在这个模型中,使用的是低阶扩张的方式将卷积核进行分解。将一层网...

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图2.1卷积示意图

核心部分是卷积层，权值共享和局部连接是其最少相应的参数[23]。卷积层中的每一个特征图中的局部特征。下一层的卷积可以对上一层得到的特，使用的是一个5×5的卷积核卷积操作输入的特经元对输入的特征图中的神经元信息共享。从而下的图中的右图是左边的特征图通过卷积之后得的称为该神经元在....

图2.2采样层示意图

图2.2采样层示意图特征图的大小为m×m，用一个采用尺度为w×大小将会是(mw)×(mh)。图片的特征主要是通过卷积层和下采样层。然后会有一层或几层的全连接的网络，常用的分类器的softmax分类器。主要是对在卷积神经网络中使用比较广泛的soax分类....

图2.4稀疏连接方式示意图

第2章相关技术理论基础的连接是卷积网络的一个主要特性。对于传统的BP神经网络而言，构是每一层中的神经元节点特点，并且各层之间使用的是全连接的形经网络中相邻两层之间采用的是局部连接的形式，所谓的局部连接就局部空间的相关性，通过与相邻的每一层的神经元节点相连接而且只[34]....

图2.5权重共享示意图

图2.4稀疏连接方式示意图的图就是局部连接的一种表现形式，相邻层之间使用是局假设m1层作为卷积层的输入层，它的下一层m层中的神个节点。通过使用这种方式就能降低神经网络的参数。而且有多层这样的结构，视野的区域将会被大量的覆盖，从而使是卷积神经网络中的另一个非常重要的特征....

本文编号：4044965