量子衍生自适应协同演化的水下声纳图像目标检测关键技术研究

With wide application of underwater objects recognition technologies in ocean development, underwater sonar image objects detection which is its key link has become a project with important theoretical value and practical significance in military and civil field. The key technologies of underwater sonar image objects detection through quantum-inspired self-adaptive co-evolution in this project is conducted on basis of previous work. Manifold distance of two-phase kernel clustering method based on the texture information description indexes will be proposed to construct underwater sonar image clustering model, accurate initial classification of populations will be achieved. Then the detection analysis method of the self-adaptive co-evolution based on the quantum-inspired shuffled frog leaping will be presented under this model, which will obtain high precision evolution results of underwater objects detection. At the same time, the validity evaluation model of detection method will be researched by the comprehensive indexes of density of regional distribution, the nicety of detection validity evaluation will be improved. All of research contents of this project are developed to do the efficient and accurate objects detection on underwater sonar image as complex data form, and supply new thought and exploration for objects detection on underwater sonar image through the quantum-inspired self-adaptive co-evolution.

随着水下目标识别技术在海洋开发领域的应用越来越广泛，其关键环节的水下声纳图像目标检测技术研究，已成为军民领域具有重要理论价值和现实意义的课题。本课题在前期研究工作基础上，通过量子衍生自适应协同演化对水下声纳图像目标检测关键技术进行研究。课题开展基于纹理信息描述指标的流形距离二阶段核聚类方法研究，构建水下声纳图像聚类模型，实现精确的初始分类种群；在该模型下开展量子衍生混合蛙跳自适应协同演化检测分析方法研究，以获得高精度的水下目标检测演化结果；开展区域分布密度综合指标的检测算法有效性评价模型的研究，提高检测有效性评价工作的准确度。本课题通过以上研究，期望实现对水下声纳图像这一复杂数据形式进行高效精确的目标检测，并通过量子衍生自适应协同演化为水下声纳图像目标检测研究提供新的思路和探索。

随着水下目标识别技术在海洋开发领域的应用越来越广泛和重要，其关键环节的水下声纳图像目标检测技术研究，已成为军民领域具有重要理论价值和现实意义的课题。在前期工作基础上，提出利用量子衍生自适应协同演化理论，对水下声纳图像目标检测进行研究，取得了显著成果。发表SCI/EI论文15篇，其中课题负责人以第一作者在《Applied Acoustics》、《声学学报》等发表SCI/EI论文10篇，出版专著1部，申请国家发明专利3项。. （1）为减少复杂水下环境对声纳图像严重的噪声污染，提出了各向异性的二阶邻域马尔可夫随机场的参数模型对声纳图像纹理信息进行描述，出色地实现了声纳图像的去噪处理。同时，提出二阶流形伙伴聚类的方法，有效降低了算法时间复杂度，为课题开展下一步研究工作打下了坚实基础。相关研究在《声学学报》等发表EI论文5篇。. （2）首次将混合蛙跳算法引入到水下声纳图像目标检测的量子衍生自适应协同演化检测分析工作中，与量子遗传算法、传统混合蛙跳算法相比，在初始化结果相同的情况下，具有更好的全局搜索能力。同时，为更好地进行局部搜索，完成自适应协同演化，采用新的量子进化更新方式，结合空间信息去除孤立区的方法，获得了更为精确的检测结果，提升了算法的应用性和有效性，为群智能优化算法应用到水下声纳图像检测领域开辟了一条新的途径。相关研究在《Applied Acoustics》等发表SCI/EI论文8篇，出版专著1部，申请国家发明专利2项。. （3）为解决量子衍生自适应协同演化水下声纳图像目标检测算法有效性评价问题，建立了分割布局噪声熵模型对最终检测结果进行检测算法性能和定量分析，获得了对潜在水下声纳图像目标检测的较好划分方法。相关研究发表EI论文2篇，申请国家发明专利1项。. 与国内外研究相比，课题充分利用了水下声纳图像纹理特征和各个区域服从不同分布模型的特点，研究出水下声纳图像检测的新方法，获得了对噪声不敏感和适应性强、检测精度较高的效果，为海洋资源开发与利用提供了眼睛，具有重要的军民领域应用价值。