论文部分内容阅读
随着声成像技术的日益发展成熟，利用成像声呐对水下运动目标进行跟踪与识别已成为水声探测领域的重要研究方向之一，与水声设备的避障、导航、监测和对抗联系紧密。前视声呐是一种主动成像声呐，具有分辨度高、结构复杂度低、体积小等特征，有着重大的军事和民用价值。本文将根据M3多波束前视声呐收集到的图像来研究水下目标的跟踪与识别技术。 首先，介绍了实验背景和流程;在前视声呐图像预处理方面，用中值滤波对图像进行去噪、用分段线性变换进行灰度拉伸、研究模糊集算法并将其应用到图像增强上，使得目标所在区域更加明显，抑制环境背景和其他非目标的物体以提高对比度;在目标分割方面，研究了融合局部邻域均值信息的模糊C均值聚类算法，利用其将声呐图像分割成界限明显的二值图;在特征提取方面，根据目标图像的特点，选择了四种区域形状特征。 其次，在水下目标跟踪方面，研究了传统的随机重采样粒子滤波算法以及免疫粒子滤波算法。结合分割后的声呐图像特性，分别构建状态模型和观测模型，设计了模板的自适应更新，在此基础上利用两种粒子滤波算法实现了水下目标跟踪;根据两组实验结果，从误差大小和稳定性上对算法做出了评估。 最后，在水下目标识别方面，提出了经粒子群算法优化后的最小二乘支持向量机分类方法。根据目标跟踪算法获取的位置信息完成目标检测，截取每一帧的目标区域并做特征提取，分别建立训练集和测试集合;通过学习得到最小二乘支持向量机的模型，并以粒子群算法优化模型的正则化参数和核参数，构造出高性能的多分类器;输入测试集中待识别目标的特征以实现分类。