基于量子衍生混合蛙跳的水下声纳图像目标检测方法
【技术领域】
[0001] 本发明涉及的是一种水下声纳图像处理方法，具体地说是一种水下声纳图像 (sonarimage)的检测方法。
【背景技术】
[0002] 海洋开发，需要获取大范围、精确的海洋环境数据。在海洋背景中，信息的获取主 要依靠声学探测器材，声学探测器材主要是声纳，声纳是利用水下声波判断海洋中物体的 存在、位置及类型的方法和设备，是完成水下信息获取的最有效途径。凡是利用声波对水下 目标进行探测、识别、跟踪、定位、以及利用水下声波进行导航、制导、通信等方面的水声设 备皆属于声纳范畴。由于声纳是利用水下声波对目标进行探测、跟踪和定位的设备，因而凡 是能发出声波或产生回波的物体，均可作为声纳的探测目标。由于目前对声纳设备智能化 的要求越来越高，而且水下声纳图像目标识别技术的应用也越来越多，因此，开展水下声纳 图像目标识别技术研究，具有重要的意义和价值。水下声纳图像目标识别技术将是未来船 舶与海洋工程所要研究的主要技术之一。
[0003] 但在水下声纳图像目标识别之前，必须对声纳图像进行目标检测和特征提取，水 下声纳图像目标检测和特征提取是水下目标识别过程中的关键步骤。只有正确的水下目标 检测，才能使后续正确的特征提取和识别成为可能。水下声纳图像目标检测的目的是从复 杂背景区域中提取出目标高亮区和阴影区域，并尽量保留图像原始边缘信息。
[0004] 量子衍生混合蛙跳算法是由量子衍生与混合蛙跳算法相结合的一类新的算 法。混合娃跳算法是由Eusuff和Lansey于2003年最早提出的，许多研究都已经证明 混合蛙跳算法具有参数少、结构简单、易于实现、良好的寻优能力等优点，能有效地解决 组合优化问题并找到全局最优解，因此，混合蛙跳算法具有很好的发展和应用前景，国内 外学者已经取得了一定的成果。其中在已有的文献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 提出将遗传算法的交叉过程引入到混合蛙跳算法中，从而避免其陷入局部最优值。2.Fan TangHuai，LiLu，JiaZhao.Improvedshuffledfrogleapingalgorithmandits applicationinnodelocalizationofwirelesssensornetwork.Intelligent AutomationandSoftComputing，2012, 18 (7) :807 - 818 提出 了一种策略来改进青 虫圭的目标学习，扩展青娃种群学习的多样性。3.Wang，Lianguo,GongYaxing.AFast ShuffledFrogLeapingAlgorithm.The9thInternationalConferenceonNatural Computation.Shenyang，China:IEEEComputerSociety，2013:369-373 针对传统混 合蛙跳算法存在的运行速度慢，容易陷入局部最优值等缺点，提出了一种快速混合蛙 跳算法，减少了算法的运行时间。4.TaherNiknam，BahmanBahmaniFirouzi.Anew evolutionaryalgorithmfornon-lineareconomicdispatch.ExpertSystemswith Applications, 2013, 40(1) :397-398为了提高混合娃跳算法的稳定性和全局搜索能力，提 出了利用混纯局部搜索（ChaoticLocalSearch，CLS)方法来替换原始的局部搜索过程。 5.GuangyuZhu,ffeiboZhang.AnimprovedShufedFrog-leapingAlgorithmtooptimize componentpick-and-placesequencingoptimizationproblem.ExpertSystemswith Applications，2014, 41:6818-6829提出种群中的每只青蛙都参与局部搜索，避免陷入局部 最优值。尽管如此，混合蛙跳算法仍然存在着许多缺点与不足，其理论尚未完全成熟，在算 法运行后期收敛速度会变慢，容易出现早熟现象，导致最终寻优时间变长，无法达到精度更 高的最优值。另外，还存在很多理论上的改进之处，如子种群如何更加合理划分、局部搜索 过程如何更有效、对于局部最坏个体如何更新和全局信息交换是否还有其他更为有效的方 法等。
[0005] 量子衍生是近几年逐渐引起国内外学者广泛关注的理论，将量子衍生理论与 传统智能优化算法相结合可以增加种群的多样性，增强全局搜索能力，加快算法的收敛 速度，避免早熟。因此，出现了量子遗传算法、量子粒子群优化算法、量子混合蛙跳算 法等众多类型的算法。量子衍生算法核心思想是利用量子计算原理对传统智能优化 算法进行量子化改进。在量子遗传算法中，将染色体用量子比特进行编码，并使用量 子方定车专门更新。如：6.TengHao,ZhaoBaohua,YangBingru.Animprovedmutative scalechaosoptimizationquantumgeneticalgorithm.The4thInternational ConferenceonNaturalComputation.Jinan,China:InstituteofElectrical andElectronicsEngineersComputerSociety, 2008:301-305 提出了将改进的 变尺度混沌搜索方法与量子遗传算法相结合，避免量子遗传算法陷入局部最优值。 7.LeiGang,YinXia,ShiWei.Researchonnetworkcongestioncontrolbased onquantumgeneticalgorithm. 2014InternationalConferenceonAdvancesin MaterialsScienceandInformationTechnologiesinIndustry,AMSITI2014. Xian,China:TransTechPublications, 2014:845-849 提出利用量子遗传算法解决网 络拥塞问题。8.JianZhang,HuanzhouLI.AnImprovedQuantum-InspiredGenetic AlgorithmforImageMultilevelThresholdingSegmentation.MathematicalProblems inEngineering，2014,（2014) :12-15提出了自适应量子旋转角调整策略进一步改进 量子遗传算法，并应用在图像的多阈值分割上。量子粒子群优化算法则以Delta势阱 为基础，设定每个粒子具有量子行为，用Delta势阱代替传统粒子飞行变化空间。如： 9.TanDekun.ApplicationofQuantum-behavedParticleSwarmOptimizationin engineeringconstrainedoptimizationproblems. 2011InternationalConference onManufacturingScienceandTechnology.Singapore,Singapore:TransTech Publications, 2012:7208-7213验证了量子粒子群算法相比于传统粒子群算法，有 更好寻优能力，能避免陷入局部最优值。10.LiYangyang,XiangRongrong,Jiao Licheng,Liu,Ruochen.Animprovedcooperativequantum-behavedparticleswarm optimization.SoftComputing. 2012, 16 (6) : 1061-1069 为了 充分利用量子机制的不确定 性，提出了一种改进的协调量子粒子群优化算法，并验证了改进方法的优越性。而量子混合 蛙跳算法是用量子比特对青蛙种群编码，在子种群和全局进化过程中，根据局部最优值和 全局最优值改变每个量子比特的旋转角，通过量子旋转门实现青蛙种群的进化。如：11.Gao Hongyuan,CuiWen,JiangYilin.Aquantum-inspiredshuffledfrogleapingalgorithm anditsapplicationincognitiveradio.InternationalJournalofDigitalContent TechnologyanditsApplications. 2012, 20(6) :32-42 将量子衍生混合娃跳算法应用于 感知无线电，解决频谱感知问题。12.WeipingDing，JiandongWang.AnMinimumAttribute Self-adaptiveCooperativeCo-evolutionaryReductionAlgorithmBasedonQuantum ElitistFrogs.JournalofComputerResearchandDevelopment. 2014,51 (4)，743-753 提出了基于量子蛙跳协同进化的粗糙属性快速约简，用量子比特对青蛙个体编码，以自适 应量子旋转角调整、量子变异和量子纠缠等策略加速青蛙种群进化收敛。