张家铭，丁迎迎

(江苏自动化研究所，江苏 连云港 222061)

0 引 言

声波是唯一能够在海水介质中远距离传播的波，因此是海洋探测的主要方法，而声呐则是用声波探测海洋的主要设备。目前，声呐信号处理已经发展到了数字化阶段，获取的声呐数据都以图像的形式将目标信息显示出来，但是由于水声信道的不均匀性及其边界的不规则形，造成声呐图像斑点噪声明显、边缘模糊、亮度不均匀和分辨率低等特点，研究声呐图像处理技术具有重要意义[1]。

前视声呐不仅可以探测海中的状况，还可以对目标进行定位，判断目标的大小以及形状信息。对水下机器人来说，前视声呐不仅起到避障的作用，而且当水下机器人遇到感兴趣的目标时，可以利用前视声呐对其进行跟踪和分类识别。在水下作业的应用场合中，除了需要对目标进行探测定位之外，还需要对目标进行分类识别，所以对声呐图像目标跟踪识别的研究有现实意义。

本文研究基于深度神经网络的声呐图像目标识别技术，提出一种基于卷积神经网络的声呐图像目标识别方法。由于声呐图像含有大量的噪声，首先选择速度较快的中值滤波去噪，使用Canny 边沿检测算子[2]提取出包含白线的位置，然后使用霍夫变换[3]提取直线，随后使用自适应阈值化算法[4-5]分割目标，并使用分水岭算法连接相邻较近并且灰度相近的目标得到分割图像，最后查找分割图像中的连通区域，获得目标轮廓、方位等信息。……