基于深度卷積特征的水下目標智能識別方法

摘要：無人水下航行器(UUV)由于本身的便利性和自主性在水下探測方面相比傳統探測具有很大優勢,對UUV水下目標智能識別方法的研究具有重要意義。針對水下環境的高噪聲、低對比度的特點,文中首先使用中值濾波和局部增強處理進行水下圖像預處理,基于水下圖像的小樣本特點,提出借鑒牛津大學視覺幾何組網絡(VGGNet)的逐層遞增卷積層思想,利用深度卷積神經網絡(DCNN)設計水下智能識別框架并利用大數據集Cifar-10進行一次訓練,以學習圖像通用特征;同時使用遷移學習和數據增強技術進行二次學習,以學習水下目標特有特征,解決水下數據集不足的情況,防止過擬合。通過仿真試驗進行識別效果驗證,仿真結果表明,在特定測試集下提出的水下目標智能識別方法在識別效果與自動化程度方面相比傳統識別算法具有明顯優勢。