[发明专利]一种基于卷积神经网络的海底底质声呐图像分类方法

摘要

本发明公开了一种基于卷积神经网络的海底底质声呐图像分类方法，属于图像分类技术领域。具体为获取海底底质声呐图像、对图像进行去噪、增强等预处理，基于Canny算法边缘形状提取，生成灰度‑基元共生矩阵，构建卷积神经网络分类器结构及样本集，训练神经网络，获得分类模型并实现海底底质声呐图像分类。本发明着手于海底底质声呐图像的图形学特征，解决了使用单一方法的缺点，通过卷积神经网络分类器结构自身的学习策略对不同类型海底底质情况进行学习和训练，最终得到具备分类功能的分类模型，达到对海底底质声呐图像进行快速、准确分类的目的。

主权项

1.一种基于卷积神经网络的海底底质声呐图像分类方法，其特征在于，所述方法具体包括步骤：步骤一、获取N张第一海底底质声呐图像，所述的N张第一海底底质声呐图像构成海底底质声呐图像集，分别对每张所获取的第一海底底质声呐图像进行分割，获取具有单一海底底质情况的第二海底底质声呐图像；步骤二、分别对每张第二海底底质声呐图像进行预处理，获取第三海底底质声呐图像；步骤三、基于Canny边缘检测算法分别对每张第三海底底质声呐图像的边缘形状信息进行检测和提取，获取相应的第一边缘图像，每张第一边缘图像均具有一种边缘形状信息，所述第一边缘图像均为01二值化图像，将所述第一边缘图像与第三海底底质声呐图像进行对比，分别将每张第一边缘图像中的1值替换为第三海底底质声呐图像对应位置的灰度值，获取第二边缘图像；步骤四、根据每张第二边缘图像的边缘形状信息和灰度值，计算生成相应的灰度‑基元共生矩阵，再分别将每个灰度‑基元共生矩阵转化为相应的灰度图；步骤五、由灰度图构成的灰度图像集构建卷积神经网络输入样本集，并将所述卷积神经网络输入样本集分为训练集、验证集和测试集；步骤六、构建卷积神经网络分类器结构；步骤七、将所述训练集和验证集分别作为所述卷积神经网络分类器结构的输入，分别训练和验证所述卷积神经网络分类器结构，获得分类模型；步骤八、根据所述分类模型对测试集进行分类识别。