-
Patent Agency Ranking
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
Applicant: 哈尔滨工程大学
Abstract: 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
Applicant: 哈尔滨工程大学
Abstract: 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：CN109086824A
公开(公告)日：2018-12-25
申请号：CN201810864966.8
申请日：2018-08-01
Applicant: 哈尔滨工程大学
Abstract: 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：CN110070031A
公开(公告)日：2019-07-30
申请号：CN201910312497.3
申请日：2019-04-18
Applicant: 哈尔滨工程大学
IPC: G06K9/00
Abstract: 本发明提出了一种针对海底底质声呐回波特征量融合的特征提取方法，采用EMD方法对回波信号进行分解，得到各阶IMF分量，进行回波波形特征量提取，利用EMD和随机森林方法对底质声纳回波进行特征提取融合，改善了传统融合方法对特征量的要求、同时解决特征量存在冗余的问题。采用EMD对声呐回波信号进行特征量提取解决特征量单一在时域或者频域的问题，同时应用随机森林方法进行特征量融合也能较好的解决便于反演和特征冗余的问题，同时还能减小测试时间和训练时间。
-
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
Applicant: 哈尔滨工程大学
Abstract: 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。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
