基于量子衍生混合蛙跳的水下聲納圖像目標(biāo)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及的是一種水下聲納圖像處理方法，具體地說(shuō)是一種水下聲納圖像 (sonarimage)的檢測(cè)方法。
【背景技術(shù)】
[0002] 海洋開(kāi)發(fā)，需要獲取大范圍、精確的海洋環(huán)境數(shù)據(jù)。在海洋背景中，信息的獲取主 要依靠聲學(xué)探測(cè)器材，聲學(xué)探測(cè)器材主要是聲納，聲納是利用水下聲波判斷海洋中物體的 存在、位置及類型的方法和設(shè)備，是完成水下信息獲取的最有效途徑。凡是利用聲波對(duì)水下 目標(biāo)進(jìn)行探測(cè)、識(shí)別、跟蹤、定位、以及利用水下聲波進(jìn)行導(dǎo)航、制導(dǎo)、通信等方面的水聲設(shè) 備皆屬于聲納范疇。由于聲納是利用水下聲波對(duì)目標(biāo)進(jìn)行探測(cè)、跟蹤和定位的設(shè)備，因而凡 是能發(fā)出聲波或產(chǎn)生回波的物體，均可作為聲納的探測(cè)目標(biāo)。由于目前對(duì)聲納設(shè)備智能化 的要求越來(lái)越高，而且水下聲納圖像目標(biāo)識(shí)別技術(shù)的應(yīng)用也越來(lái)越多，因此，開(kāi)展水下聲納 圖像目標(biāo)識(shí)別技術(shù)研究，具有重要的意義和價(jià)值。水下聲納圖像目標(biāo)識(shí)別技術(shù)將是未來(lái)船 舶與海洋工程所要研究的主要技術(shù)之一。
[0003] 但在水下聲納圖像目標(biāo)識(shí)別之前，必須對(duì)聲納圖像進(jìn)行目標(biāo)檢測(cè)和特征提取，水 下聲納圖像目標(biāo)檢測(cè)和特征提取是水下目標(biāo)識(shí)別過(guò)程中的關(guān)鍵步驟。只有正確的水下目標(biāo) 檢測(cè)，才能使后續(xù)正確的特征提取和識(shí)別成為可能。水下聲納圖像目標(biāo)檢測(cè)的目的是從復(fù) 雜背景區(qū)域中提取出目標(biāo)高亮區(qū)和陰影區(qū)域，并盡量保留圖像原始邊緣信息。
[0004] 量子衍生混合蛙跳算法是由量子衍生與混合蛙跳算法相結(jié)合的一類新的算 法?；旌贤尢惴ㄊ怯蒃usuff和Lansey于2003年最早提出的，許多研究都已經(jīng)證明 混合蛙跳算法具有參數(shù)少、結(jié)構(gòu)簡(jiǎn)單、易于實(shí)現(xiàn)、良好的尋優(yōu)能力等優(yōu)點(diǎn)，能有效地解決 組合優(yōu)化問(wèn)題并找到全局最優(yōu)解，因此，混合蛙跳算法具有很好的發(fā)展和應(yīng)用前景，國(guó)內(nèi) 外學(xué)者已經(jīng)取得了一定的成果。其中在已有的文獻(xiàn)中最著名和效果最好的主要包括： 1.RoyPriyanka,RoyPritam，ChakrabartiAbhijit.Modifiedshuffledfrogleaping algorithmwithgeneticalgorithmcrossoverforsolvingeconomicloaddispatch problemwithvalve-pointeffect.AppliedSoftComputing，2013, 13(11):4244 - 4252 提出將遺傳算法的交叉過(guò)程引入到混合蛙跳算法中，從而避免其陷入局部最優(yōu)值。2.Fan TangHuai，LiLu，JiaZhao.Improvedshuffledfrogleapingalgorithmandits applicationinnodelocalizationofwirelesssensornetwork.Intelligent AutomationandSoftComputing，2012, 18 (7) :807 - 818 提出 了一種策略來(lái)改進(jìn)青 蟲(chóng)圭的目標(biāo)學(xué)習(xí)，擴(kuò)展青娃種群學(xué)習(xí)的多樣性。3.Wang，Lianguo,GongYaxing.AFast ShuffledFrogLeapingAlgorithm.The9thInternationalConferenceonNatural Computation.Shenyang，China:IEEEComputerSociety，2013:369-373 針對(duì)傳統(tǒng)混 合蛙跳算法存在的運(yùn)行速度慢，容易陷入局部最優(yōu)值等缺點(diǎn)，提出了一種快速混合蛙 跳算法，減少了算法的運(yùn)行時(shí)間。4.TaherNiknam，BahmanBahmaniFirouzi.Anew evolutionaryalgorithmfornon-lineareconomicdispatch.ExpertSystemswith Applications, 2013, 40(1) :397-398為了提高混合娃跳算法的穩(wěn)定性和全局搜索能力，提 出了利用混純局部搜索（ChaoticLocalSearch，CLS)方法來(lái)替換原始的局部搜索過(guò)程。 5.GuangyuZhu,ffeiboZhang.AnimprovedShufedFrog-leapingAlgorithmtooptimize componentpick-and-placesequencingoptimizationproblem.ExpertSystemswith Applications，2014, 41:6818-6829提出種群中的每只青蛙都參與局部搜索，避免陷入局部 最優(yōu)值。盡管如此，混合蛙跳算法仍然存在著許多缺點(diǎn)與不足，其理論尚未完全成熟，在算 法運(yùn)行后期收斂速度會(huì)變慢，容易出現(xiàn)早熟現(xiàn)象，導(dǎo)致最終尋優(yōu)時(shí)間變長(zhǎng)，無(wú)法達(dá)到精度更 高的最優(yōu)值。另外，還存在很多理論上的改進(jìn)之處，如子種群如何更加合理劃分、局部搜索 過(guò)程如何更有效、對(duì)于局部最壞個(gè)體如何更新和全局信息交換是否還有其他更為有效的方 法等。
[0005] 量子衍生是近幾年逐漸引起國(guó)內(nèi)外學(xué)者廣泛關(guān)注的理論，將量子衍生理論與 傳統(tǒng)智能優(yōu)化算法相結(jié)合可以增加種群的多樣性，增強(qiáng)全局搜索能力，加快算法的收斂 速度，避免早熟。因此，出現(xiàn)了量子遺傳算法、量子粒子群優(yōu)化算法、量子混合蛙跳算 法等眾多類型的算法。量子衍生算法核心思想是利用量子計(jì)算原理對(duì)傳統(tǒng)智能優(yōu)化 算法進(jìn)行量子化改進(jìn)。在量子遺傳算法中，將染色體用量子比特進(jìn)行編碼，并使用量 子方定車專門(mén)更新。如：6.TengHao,ZhaoBaohua,YangBingru.Animprovedmutative scalechaosoptimizationquantumgeneticalgorithm.The4thInternational ConferenceonNaturalComputation.Jinan,China:InstituteofElectrical andElectronicsEngineersComputerSociety, 2008:301-305 提出了將改進(jìn)的 變尺度混沌搜索方法與量子遺傳算法相結(jié)合，避免量子遺傳算法陷入局部最優(yōu)值。 7.LeiGang,YinXia,ShiWei.Researchonnetworkcongestioncontrolbased onquantumgeneticalgorithm. 2014InternationalConferenceonAdvancesin MaterialsScienceandInformationTechnologiesinIndustry,AMSITI2014. Xian,China:TransTechPublications, 2014:845-849 提出利用量子遺傳算法解決網(wǎng) 絡(luò)擁塞問(wèn)題。8.JianZhang,HuanzhouLI.AnImprovedQuantum-InspiredGenetic AlgorithmforImageMultilevelThresholdingSegmentation.MathematicalProblems inEngineering，2014,（2014) :12-15提出了自適應(yīng)量子旋轉(zhuǎn)角調(diào)整策略進(jìn)一步改進(jìn) 量子遺傳算法，并應(yīng)用在圖像的多閾值分割上。量子粒子群優(yōu)化算法則以Delta勢(shì)阱 為基礎(chǔ)，設(shè)定每個(gè)粒子具有量子行為，用Delta勢(shì)阱代替?zhèn)鹘y(tǒng)粒子飛行變化空間。如： 9.TanDekun.ApplicationofQuantum-behavedParticleSwarmOptimizationin engineeringconstrainedoptimizationproblems. 2011InternationalConference onManufacturingScienceandTechnology.Singapore,Singapore:TransTech Publications, 2012:7208-7213驗(yàn)證了量子粒子群算法相比于傳統(tǒng)粒子群算法，有 更好尋優(yōu)能力，能避免陷入局部最優(yōu)值。10.LiYangyang,XiangRongrong,Jiao Licheng,Liu,Ruochen.Animprovedcooperativequantum-behavedparticleswarm optimization.SoftComputing. 2012, 16 (6) : 1061-1069 為了 充分利用量子機(jī)制的不確定 性，提出了一種改進(jìn)的協(xié)調(diào)量子粒子群優(yōu)化算法，并驗(yàn)證了改進(jìn)方法的優(yōu)越性。而量子混合 蛙跳算法是用量子比特對(duì)青蛙種群編碼，在子種群和全局進(jìn)化過(guò)程中，根據(jù)局部最優(yōu)值和 全局最優(yōu)值改變每個(gè)量子比特的旋轉(zhuǎn)角，通過(guò)量子旋轉(zhuǎn)門(mén)實(shí)現(xiàn)青蛙種群的進(jìn)化。如：11.Gao Hongyuan,CuiWen,JiangYilin.Aquantum-inspiredshuffledfrogleapingalgorithm anditsapplicationincognitiveradio.InternationalJournalofDigitalContent TechnologyanditsApplications. 2012, 20(6) :32-42 將量子衍生混合娃跳算法應(yīng)用于 感知無(wú)線電，解決頻譜感知問(wèn)題。12.WeipingDing，JiandongWang.AnMinimumAttribute Self-adaptiveCooperativeCo-evolutionaryReductionAlgorithmBasedonQuantum ElitistFrogs.JournalofComputerResearchandDevelopment. 2014,51 (4)，743-753 提出了基于量子蛙跳協(xié)同進(jìn)化的粗糙屬性快速約簡(jiǎn)，用量子比特對(duì)青蛙個(gè)體編碼，以自適 應(yīng)量子旋轉(zhuǎn)角調(diào)整、量子變異和量子糾纏等策略加速青蛙種群進(jìn)化收斂。