基于人工鱼群优化BPNN的AUV目标识别方法

摘要：

为了削弱复杂恶劣的环境对水下成像造成的不利影响及满足水下机器人目标识别任务实时性的需求,提出了基于人工鱼群算法(AFSA)优化BP神经网络的水下目标识别算法,通过构造组合不变矩对水下目标进行特征提取,提高了目标的聚类性能.引入具有全局寻优能力的AFSA,其在增加单纯神经网络收敛速度的同时避免算法陷入局部最优,进而建立了完整的基于人工鱼群神经网络的水下目标识别系统.在不同的水下目标中对该系统进行实验,通过比较提取的不同的目标图像,结果表明所建立系统具有较优的聚类性能和较高的识别精度.该方法用于水下目标识别是可行的、有效的.

关键词：水下图像、目标识别、不变矩、神经网络、人工鱼群算法

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

在线出版日期：2015-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：34-36,40