-
公开(公告)号：CN109086824A
公开(公告)日：2018-12-25
申请号：CN201810864966.8
申请日：2018-08-01
申请人： 哈尔滨工程大学
摘要： 本发明公开了一种基于卷积神经网络的海底底质声呐图像分类方法，属于图像分类技术领域。具体为获取海底底质声呐图像、对图像进行去噪、增强等预处理，基于Canny算法边缘形状提取，生成灰度-基元共生矩阵，构建卷积神经网络分类器结构及样本集，训练神经网络，获得分类模型并实现海底底质声呐图像分类。本发明着手于海底底质声呐图像的图形学特征，解决了使用单一方法的缺点，通过卷积神经网络分类器结构自身的学习策略对不同类型海底底质情况进行学习和训练，最终得到具备分类功能的分类模型，达到对海底底质声呐图像进行快速、准确分类的目的。
-
公开(公告)号：CN108388899A
公开(公告)日：2018-08-10
申请号：CN201810082525.2
申请日：2018-01-29
申请人： 哈尔滨工程大学
摘要： 本发明公开了一种基于纹理特征与形状特征相融合的水声图像特征提取方法，主要步骤包括图像分割，边界提取，生成基元阵，计算灰度-基元共生矩阵，获取五项个特征量等几个关键步骤。本发明着手于海底底质水声图像的图形学特征，利用海底底质水声图像的边界形状特征及其灰度相关性，应用并结合边界提取与灰度-基元共生矩阵法，实现海底底质的水声图像特征提取。本发明不仅能够保证平移、旋转和缩放不变性，并且对噪声不敏感，既可以描述闭合区域，对于非闭合区域也能很好的完成特征提取，实现了基于海底底质水声图像图形学特征的间接识别及提取。
-
公开(公告)号：CN109086824B
公开(公告)日：2021-12-14
申请号：CN201810864966.8
申请日：2018-08-01
申请人： 哈尔滨工程大学
摘要： 本发明公开了一种基于卷积神经网络的海底底质声呐图像分类方法，属于图像分类技术领域。具体为获取海底底质声呐图像、对图像进行去噪、增强等预处理，基于Canny算法边缘形状提取，生成灰度‑基元共生矩阵，构建卷积神经网络分类器结构及样本集，训练神经网络，获得分类模型并实现海底底质声呐图像分类。本发明着手于海底底质声呐图像的图形学特征，解决了使用单一方法的缺点，通过卷积神经网络分类器结构自身的学习策略对不同类型海底底质情况进行学习和训练，最终得到具备分类功能的分类模型，达到对海底底质声呐图像进行快速、准确分类的目的。
-
公开(公告)号：CN108388899B
公开(公告)日：2022-03-01
申请号：CN201810082525.2
申请日：2018-01-29
申请人： 哈尔滨工程大学
摘要： 本发明公开了一种基于纹理特征与形状特征相融合的水声图像特征提取方法，主要步骤包括图像分割，边界提取，生成基元阵，计算灰度‑基元共生矩阵，获取五项个特征量等几个关键步骤。本发明着手于海底底质水声图像的图形学特征，利用海底底质水声图像的边界形状特征及其灰度相关性，应用并结合边界提取与灰度‑基元共生矩阵法，实现海底底质的水声图像特征提取。本发明不仅能够保证平移、旋转和缩放不变性，并且对噪声不敏感，既可以描述闭合区域，对于非闭合区域也能很好的完成特征提取，实现了基于海底底质水声图像图形学特征的间接识别及提取。
-
公开(公告)号：CN109448038A
公开(公告)日：2019-03-08
申请号：CN201811310207.3
申请日：2018-11-06
申请人： 哈尔滨工程大学
摘要： 本发明提供的是一种基于DRLBP和随机森林的海底底质声呐图像特征提取方法。一：先对海底底质声呐原始图像进行尺度变换得到声呐图像的不同尺度图像；二：采用主导旋转局部二值模式即DRLBP方法对不同尺度的图像进行特征提取；三：通过随机森林对DRLBP算子提取的描述符进行重要性衡量。本发明改善了传统LBP对图像旋转变化、计算量大和特征量存在冗余的问题，也能较好的解决计算量大和特征冗余的问题，同时减小底质声呐图像测试时间和训练时间。
-
-
-
-
搜索结果
5 条记录 (耗时 0.023 秒)
