水下非合作机动目标探测与识别方法研究
自主水下航行器利用传感器采集的水下图像对目标进行探测和识别，该过程是水下环境感知的重要环节。在实际的水下环境中，光线的散射和折射等现象造成AUV（Autonomous Underwater Vehicle，自主水下航行器）拍摄的水下图像存在不确定性的模糊和扭曲问题。并且，水下能见度较低，小尺度目标可能淹没在背景噪声中。 本文研究水下非合作机动目标探测与识别方法。针对水下光线折射以及复杂的水下环境导致目标发生畸变问题，提出基于改进ResNet的水下非合作机动目标探测方法，提高畸变图像中目标检测精度。针对畸变水下非合作机动目标识别精度低的问题，提出可增强图像特征的水下非合作机动目标识别方法。在此基础上进一步研究畸变小目标识别问题，提出小尺度水下非合作机动目标识别方法。本文具体贡献如下： （1）提出一种基于改进ResNet的水下非合作机动目标探测方法。改进深度残差神经网络，通过引入跳跃连接的方式有效的降低梯度消失问题，同时引入不同膨胀率的扩展模块，降低了算法的参数训练量；结合二元交叉熵损失对目标关键特征信息进行提取，并利用特征的相对距离关系对光线折射造成的图像扭曲进行修正，从而增加目标检测与定位的准确性。 （2）提出一种可增强图像特征的水下非合作机动目标识别方法。将原始样本数据分别与正样本和负样本在特征空间对比，通过最小化InfoNCE损失函数提取目标的视觉显著特征；构建一个动态的相关矩阵提取目标的空间语义特征，弥补目标畸变和遮挡造成的显著特征不足的问题；融合目标的显著特征和空间语义特征，通过交叉熵损失训练目标识别模型，解决目标畸变和遮挡导致的识别准确率低的问题。 （3）提出小尺度水下非合作机动目标识别方法。本文构建了一个新型的动态条件概率相关矩阵，可以在数据集中标签分布不均时有效建模目标的空间语义关系；构建显著特征金字塔网络提取目标4个尺度的显著特征，解决小尺度目标特征消失的问题。
自主水下航行器;水下非合作机动目标识别;畸变图像;特征增强;损失函数
河南科技学院
硕士
农业工程与信息技术
蔡磊;戚新波;李圣普
2022
中文
TP242.62
2022-10-26（万方平台首次上网日期，不代表论文的发表时间）