[发明专利]一种基于水下激光图像的目标自动识别系统

权利要求书

1.一种基于水下激光图像的目标自动识别系统，其特征在于：包括依次相连的水下目标激光图像获取模块、基于水下激光图像的目标自动识别系统、显示模块，其中，基于水下激光图像的目标自动识别系统包含依次相连的水下激光图像数据库、预处理模块、水下激光图像目标建模模块、水下激光图像目标自动识别模块、水下目标识别输出模块；

水下激光图像数据库存放历史获取的所有水下激光目标图像及图像中包含的目标位置和类别信息，同时该模块会从激光图像获取装置实时更新新获取的水下激光图像，对于新获取的水下激光图像，需要人为标注图像中的目标位置和类别后存入数据库；

预处理模块用以对水下激光目标图像进行预处理，主要采用如下过程完成：

首先进行图像归一化，设x_j为图像中的一点，对激光图像做如下处理得到归一化特征其中x_min为x_j的最小值，x_max为x_j的最大值：

采用灰度变换提高图像清晰度：

将激光图像按照灰度值划分为L个灰度级，其中第i个灰度级的像素数为n_i、出现概率p_i＝n_i/n，其中n是所有像素数量，按照下式进行各灰度级的灰度变换

其中为累积灰度值，c_min为灰度值的最小值，h_i为转换后的灰度级；

采用空域和变换域双去噪方法进行激光图像去噪：

空域下采用如下方式，第j个点滤波后的值为：

其中l代表滤波器核内的每个像素，ω_l为实际调试出来的最佳权重；

变换域下，对激光图像进行小波包分解，并对高频部分进行过滤后还原得到去掉高频噪声的去噪图像，过滤阈值人为根据效果设置；

若数据库中样本数量大于1000，从数据库中提取40％的数据作为训练集，剩余数据作为验证集；对于样本数量小于1000的类型，提取60％的数据用于训练，剩余用作验证；通过验证集来查看模型的识别效果；

水下激光图像目标建模模块建立高准确度的水下激光图像目标自动识别模型，基于训练集自动学习如何提取有效特征并进行识别，模型的具体实现如下：

将水下激光图像输入Resnet18网络提取特征图，采用RPN网络基于该特征图获取图像中多个目标的位置得到候选框，并通过过滤只保留与标签中候选框重合度大于95％的框，即认为有目标存在的框，其余的框都认为没有目标而舍弃，得到多个目标的位置框之后，将每个目标区域划分为16*16大小，每个小区域平分为4份，每一份通过双线性插值得到中心位置的值，取四个值的平均值作为该小区域的值，这样就得到了多个大小为16*16的目标矩阵，每个矩阵看作一个样本进行识别；

分类网络由输入层、隐藏层和输出层三层构成，节点个数分别为P,M,O，对于第i个输入样本其预测值通过下式计算

其中γ_o＝[γ_o1…γ_oM]^T,o＝1,…O为中间层和输出层的连接权重，w_m＝[w_m1…w_mP]^T，m＝1,…M为输入层和中间层的连接权重，g为核函数，b是偏置项；γ的值通过求解下面的目标函数得到

其中φ＝[γ₁…γ_O]^T，λ是正则化参数，ε是预测误差，N是所有样本总数，

通过在观察模型在验证集中的测试结果来进一步修改参数，从而对模型进行优化；最终得到模型C；

水下激光图像目标自动识别模块用于对预处理模块处理后的新获取的水下目标激光图像进行识别，对于新获取的水下激光图像，将预处理后的图像直接输入模型C中，得到该图像中包含的所有目标的位置、大小及类型

水下目标识别输出模块对识别得到的结果进行输出，由于是多目标识别，所以输出不只是类型，而是每个目标的位置、大小以及类型；从而最终实现水下激光图像目标自动识别。