[发明专利]一种基于神经网络的多波束水柱目标自动分割方法

权利要求书

1.一种基于神经网络的多波束水柱目标自动分割方法，其特征在于，包括以下步骤：

a、将多波束原始回波信号转化为声纳图；

b、搜索所述声纳图，确定存在目标的可疑区域并从所述声纳图中分离；

c、对存在目标的可疑区域进行粗分割，以分割出带有目标和旁瓣的声纳图像；

d、将部分带有目标和旁瓣的声纳图像作为训练样本送入BP神经网络进行训练，所述部分带有目标和旁瓣的声纳图像为可直接区分出目标和旁瓣的图像；

e、通过训练好的BP神经网络对剩余部分带有目标和旁瓣的声纳图像进行图像处理，以将目标从声纳图像中分割出，所述剩余部分带有目标和旁瓣的声纳图像为不可直接区分出目标和旁瓣的图像。

2.根据权利要求1所述的一种基于神经网络的多波束水柱目标自动分割方法，其特征在于，在所述步骤d和步骤e之间还包括：

f、判断BP神经网络训练是否完成，当识别正确率超过设定值时，判断完成；反之，判断未完成，继续训练。

3.根据权利要求1所述的一种基于神经网络的多波束水柱目标自动分割方法，其特征在于，所述步骤a中的多波束原始回波信号是通过邻域插值法实现声纳图的转化。

4.根据权利要求1所述的一种基于神经网络的多波束水柱目标自动分割方法，其特征在于，所述步骤b具体包括：将声纳图中像素值与设定阈值进行比对，将高于设定阈值区域分割出，低于设定阈值的区域滤去。

5.根据权利要求1所述的一种基于神经网络的多波束水柱目标自动分割方法，其特征在于，所述步骤c具体包括：

g、对分离出的存在目标的可疑区域进行直方图均衡处理，以压低背景噪声的像素值，抬高高亮区的像素值；

h、通过阈值分割法将像素值高于设定值的点和区域分割出；

i、通过区域标记法将分割出的像素值高于设定值的点和区域中的高亮孤立噪点去除。

6.根据权利要求1所述的一种基于神经网络的多波束水柱目标自动分割方法，其特征在于，所述步骤d具体包括：

j、提取部分带有目标和旁瓣的声纳图像中的特征量，所述特征量包括：部分声纳图像中每幅中各个子区域的长轴与短轴的比值、部分声纳图像中每幅中各个子区域的中心到每幅图像中心的横纵坐标差值和部分声纳图像中每幅中各个子区域的Hu矩的前二阶矩；所述BP神经网络的设置参数包括：选取层数目3、输入层数目为5、输出层数目2、中间层数目8；

k、将提取出的各个子区域的特征量作为训练样本送入BP神经网络进行训练。