-
公开(公告)号：CN104680132B
公开(公告)日：2017-11-21
申请号：CN201510054144.X
申请日：2015-01-30
Applicant: 哈尔滨工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于形状上下文方法的声纳目标识别方法，包括以下几步：进行样本图像统计，利用形状上下文方法得到样本图像中每类目标的两个上下文直方图；读取待识别图像，利用形状上下文方法得到待识别目标的两个上下文直方图；将待识别目标的两个上下文直方图和样本图像中每类目标的两个上下文直方图的对应色块的值分别进行匹配，利用最大匹配度进行目标识别。其中形状上下文方法以目标轮廓长轴端点为基准点。本发明能够提高目标识别的匹配度，并且能够减少计算量。
-
公开(公告)号：CN104680132A
公开(公告)日：2015-06-03
申请号：CN201510054144.X
申请日：2015-01-30
Applicant: 哈尔滨工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于形状上下文方法的声纳目标识别方法，包括以下几步：进行样本图像统计，利用形状上下文方法得到样本图像中每类目标的两个上下文直方图；读取待识别图像，利用形状上下文方法得到待识别目标的两个上下文直方图；将待识别目标的两个上下文直方图和样本图像中每类目标的两个上下文直方图的对应色块的值分别进行匹配，利用最大匹配度进行目标识别。其中形状上下文方法以目标轮廓长轴端点为基准点。本发明能够提高目标识别的匹配度，并且能够减少计算量。
-
公开(公告)号：CN104636753A
公开(公告)日：2015-05-20
申请号：CN201510056549.7
申请日：2015-02-04
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/00523 , G06K9/00536
Abstract: 本发明公开了一种基于PCNN神经元激活率和群离散度的区域特征提取方法。包括以下步骤：步骤一：对原始图像进行预处理，将神经网络PCNN与图像对应；步骤二：将0～255的灰度范围根据目标区域划分成N个从大到小的灰度区间；步骤三：得到当前灰度区间内发生群激活的神经元；步骤四：统计发生群激活神经元的领域内受激励神经元个数，判断发生提起激活的神经元；步骤五：统计提前激活神经元个数，得到群激活率和群离散度；步骤六：读取下一个灰度区间，重复步骤三到步骤六，直到第N个区间。本发明具有计算复杂度小，分类效果好的优点。
-
公开(公告)号：CN104636753B
公开(公告)日：2017-11-21
申请号：CN201510056549.7
申请日：2015-02-04
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于PCNN神经元激活率和群离散度的区域特征提取方法。包括以下步骤：步骤一：对原始图像进行预处理，将神经网络PCNN与图像对应；步骤二：将0～255的灰度范围根据目标区域划分成N个从大到小的灰度区间；步骤三：得到当前灰度区间内发生群激活的神经元；步骤四：统计发生群激活神经元的领域内受激励神经元个数，判断发生提起激活的神经元；步骤五：统计提前激活神经元个数，得到群激活率和群离散度；步骤六：读取下一个灰度区间，重复步骤三到步骤六，直到第N个区间。本发明具有计算复杂度小，分类效果好的优点。
-
-
-
Search Results
4
records
(took 0.017 seconds)
