-
公开(公告)号：CN109146922B
公开(公告)日：2021-07-06
申请号：CN201810757443.3
申请日：2018-07-11
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及的图像处理技术领域，具体地说是一种基于自适应粒子群优化的前视声纳水下目标跟踪方法，本发明提出由迭代次数与适应度值自适应调整惯性权重，平衡粒子的探索与开发能力，使粒子能快速搜索到全局最优解；选择种群中的随机粒子与当前粒子的个体最优值进行比较，采用两者中个体最优值较大的粒子，更新粒子的速度，解决粒子陷入局部最优的问题。当水下目标被遮挡时，根据目标遮挡情况，提出利用新的自适应离散群优化算法的更新机制更新粒子，最终完成前视声纳水下目标跟踪。本发明对水下目标跟踪具有较好的跟踪精度和较快的跟踪速度，并且当目标存在遮挡、对比度变化较大、弱小目标、受噪声影响严重等情况仍然具有一定的有效性和适应性。
-
公开(公告)号：CN108427958A
公开(公告)日：2018-08-21
申请号：CN201810104948.X
申请日：2018-02-02
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于深度学习的自适应权值卷积神经网络水下声纳图像分类方法。(1)根据数据集中水下声纳图像的特点，生成深度信念网络DBN二维参数矩阵；(2)自适应调整卷积神经网络CNN滤波器权值矩阵的分布；(3)实现基于深度学习的自适应权值卷积神经网络水下声纳图像分类。本发明提出的基于深度学习的自适应权值卷积神经网络水下声纳图像分类方法，可以解决CNN中滤波器权值初始化的随机问题，避免陷入局部最优，能更好的提高分类正确率，有一定的有效性。
-
Patent Agency Ranking
公开(公告)号：CN109447997A
公开(公告)日：2019-03-08
申请号：CN201811086885.6
申请日：2018-09-18
Applicant: 哈尔滨工程大学
Abstract: 一种自适应文化算法的水下声纳图像目标分割方法涉及图像处理技术领域，具体涉及一种自适应文化算法的水下声纳图像目标分割方法。一种自适应文化算法的水下声纳图像目标分割方法。包括如下步骤：(1)基于黄金分割率的自适应过滤度参数选择的非局部空间信息平滑去噪处理；(2)在文化算法的种群空间中，将一种基于新搜索机制的量子衍生混合蛙跳算法作为种群空间的更新策略；(3)在文化算法的信念空间中，将自适应收缩扩张系数的量子粒子群算法作为信念空间的更新策略；(4)调整交流机制，使得算法对种群空间和信念空间的进化信息利用程度增加。本发明具有更好的寻优能力和提高搜索效率，能更好的提高分割精度，有一定的有效性和适应性。
-
公开(公告)号：CN108427958B
公开(公告)日：2021-06-01
申请号：CN201810104948.X
申请日：2018-02-02
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于深度学习的自适应权值卷积神经网络水下声纳图像分类方法。(1)根据数据集中水下声纳图像的特点，生成深度信念网络DBN二维参数矩阵；(2)自适应调整卷积神经网络CNN滤波器权值矩阵的分布；(3)实现基于深度学习的自适应权值卷积神经网络水下声纳图像分类。本发明提出的基于深度学习的自适应权值卷积神经网络水下声纳图像分类方法，可以解决CNN中滤波器权值初始化的随机问题，避免陷入局部最优，能更好的提高分类正确率，有一定的有效性。
-
公开(公告)号：CN111444955A
公开(公告)日：2020-07-24
申请号：CN202010216387.X
申请日：2020-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于类意识领域自适应的水下声纳图像无监督分类方法，包括：(1)利用生成对抗网络构建生成数据集；(2)提出基于对抗自编码器的改进方法构建领域自适应的源域；(3)提出基于对抗学习方法构建领域自适应的目标域；(4)训练目标域，在均衡和非均衡两种原生数据集上完成水下声纳图像无监督分类。本发明提出使用CGAN和DCGAN两种GANs来生成图像以构建水下声纳图像生成数据集，并根据标签缺失的情况，将无监督领域自适应方法引入到水下声纳图像的无监督分类中。同时构建均衡和非均衡两种水下声纳图像原生数据集上以验证本发明所提方法的适应性。
-
公开(公告)号：CN111444955B
公开(公告)日：2022-08-02
申请号：CN202010216387.X
申请日：2020-03-25
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06K9/62 , G06V10/26 , G06V10/40 , G06T7/11 , G06V10/774
Abstract: 本发明提供一种基于类意识领域自适应的水下声纳图像无监督分类方法，包括：(1)利用生成对抗网络构建生成数据集；(2)提出基于对抗自编码器的改进方法构建领域自适应的源域；(3)提出基于对抗学习方法构建领域自适应的目标域；(4)训练目标域，在均衡和非均衡两种原生数据集上完成水下声纳图像无监督分类。本发明提出使用CGAN和DCGAN两种GANs来生成图像以构建水下声纳图像生成数据集，并根据标签缺失的情况，将无监督领域自适应方法引入到水下声纳图像的无监督分类中。同时构建均衡和非均衡两种水下声纳图像原生数据集上以验证本发明所提方法的适应性。
-
公开(公告)号：CN109146922A
公开(公告)日：2019-01-04
申请号：CN201810757443.3
申请日：2018-07-11
Applicant: 哈尔滨工程大学
CPC classification number: G06T7/246 , G06N3/006 , G06T2207/10016 , G06T2207/20004 , G06T2207/20081
Abstract: 本发明涉及的图像处理技术领域，具体地说是一种基于自适应粒子群优化的前视声纳水下目标跟踪方法，本发明提出由迭代次数与适应度值自适应调整惯性权重，平衡粒子的探索与开发能力，使粒子能快速搜索到全局最优解；选择种群中的随机粒子与当前粒子的个体最优值进行比较，采用两者中个体最优值较大的粒子，更新粒子的速度，解决粒子陷入局部最优的问题。当水下目标被遮挡时，根据目标遮挡情况，提出利用新的自适应离散群优化算法的更新机制更新粒子，最终完成前视声纳水下目标跟踪。本发明对水下目标跟踪具有较好的跟踪精度和较快的跟踪速度，并且当目标存在遮挡、对比度变化较大、弱小目标、受噪声影响严重等情况仍然具有一定的有效性和适应性。
-
-
-
-
-
-
Search Results
7
records
(took 0.044 seconds)
