استخراج خصوصیات اشیاء در تصاویر اکوستیک زیر آب با استفاده از شبکه عصبی و الگوریتم ژنتیک

در این مقاله یک الگوریتم بهینه، برای تشخیص و استخراج ویژگی های تصاویر اکوستیک ارائه شده است. جهت تصویر برداری از اجسام زیر سطح آب، امواج صوتی با فرکانس بسیار بالا ) MHZ 10-20 23 ( استفاده می شود، اما این نوع تصاویر به دلیل ذرات معلق درون آب، صداهای مربوط به خود اقیانوس ( Backscater ( و منابع صوتی طبیعی و همچنین به دلایل تکنیکی نظیر زاویه منبع، شیب دمایی، موقعیتگیرنده ها، از شفافیت یکسانی برخوردار نیستند و دارای کیفیت منا سب نمی باشند. لذ ابتدا در مرحله پیش پردازش ) Preprocessing ( با فیلتر میانه اقدام به حذف نویزهاشده است. برای ارتقاء کیفیت تصاویر( Enhancment ( کنتراست تصاویر به صورت یکنواخت در آمده و به این ترتیب هر شیئ به واقعی ترین شکل ممکن بر اساس الگوی انعکاسی شیئ در تصویر ثبت میگردد. در مرحله بعد جهت جدا سازی شیئ از پس زمینه و سایر اشیاء موجود در تصویر از الگوریتم لبه یاب کالمن استفاده گردید و در نهایت با محلی سازی ) Localization ( محل دقیق شیئ در زمینه تصویر و نسبت به بقیه اجزاء مشخص می شود تا تصویر اکوستیک مورد نظر را برای استخراج خصوصیات) Feature Extraction ( و در نتیجه تحلیل اجسام موجود در آن آماده سازد.که در اینجا با دقت 0.91 قادر به تشخیص اجزا با شبکه عصبی پرسپترون شدیم.