-
公开(公告)号：CN115187855A
公开(公告)日：2022-10-14
申请号：CN202210905490.4
申请日：2022-07-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种海底底质声呐图像分类方法，获取侧扫声呐图像数据集，所述数据集包括待分类图像和具有真值标签的图像；计算灰度共生矩阵，利用灰度共生矩阵对侧扫声呐图像进行统计特征提取；基于像素点覆盖法对侧扫声呐图像进行分形维数特征提取；对侧扫声呐图像进行通道能量特征值提取；将提取的统计特征、分形维数特征和通道能量特征的特征参数进行联合表示，形成联合特征，将待分类图像的联合特征参数输入到利用具有真值标签的图像训练后的GoogLeNet中进行海底底质的分类，网络输出结果为图像底质类别。本发明结合多种特征提取方法的优点，且采用改进的GoogLeNet，提升海底底质分类的准确率。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN112102286A
公开(公告)日：2020-12-18
申请号：CN202010964358.1
申请日：2020-09-15
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于Weyl变换的声纳图像特征提取方法，利用Weyl变换获取声纳图像的特征值，主要包括图像预处理、掩膜采样、像素矢量化、构建多尺度置换矩阵、特征空间降维、计算Weyl变换特征值等步骤。本发明利用Weyl变换实现对声纳图像的特征提取，图像中不同形式的二元周期性变换在Weyl系数中具有不同的特征，借助Weyl变换能够准确捕捉声纳图像的灰度分布模式，由于Weyl变换对于一系列多尺度几何变换具有高度对称性，使得图像样本在特征空间内呈现紧致且有显著区分性的集簇分布形式。通过上述方法，本发明能够有效且稳定地提取声纳图像中的灰度分布特征，提升了声纳图像目标识别的准确性和鲁棒性，为水下目标识别提供了新的技术方法。
-
公开(公告)号：CN115170943A
公开(公告)日：2022-10-11
申请号：CN202210889544.2
申请日：2022-07-27
Applicant: 哈尔滨工程大学
IPC: G06V20/05 , G06V10/764 , G06V10/82 , G06V10/94
Abstract: 本发明公开了一种基于迁移学习的改进视觉Transformer海底底质声呐图像分类方法，改进视觉Transformer分类方法属于一种深度学习方法。它将图像通过前置卷积处理形成patch，依次通过patch嵌入、位置嵌入transformer编码层和多层感知机输出层后得到分类结果。通过反向传播的方法最小化网络残差，以实现分类器的训练。深度学习目的是学习样本数据的内在规律和表示层次，具有很强的非线性拟合学习能力，能够有效发掘出同类图像之间的共同特征。通过多层编码层的堆叠，网络会逐步学习到全局、局部特征，会主动关注图像中“重要”的部分。
-
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：CN114218959B
公开(公告)日：2024-10-18
申请号：CN202111410038.2
申请日：2021-11-25
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种犹豫模糊语言术语集多准则决策方法，包括确定评估指标体系，获取评估矩阵；将评估矩阵Xk和语言权重向量Wk转化为语义区间表示；确定每位专家对准则的主观重要性系数；确定每位专家对准则的客观重要性系数；构造模糊语言术语正负理想解矩阵S+和S‑；构造正负理想偏差矩阵D+和D‑；构造相对亲近度矩阵Rc；聚合每位专家意见，得到方案的综合相对亲近度；依据综合相对亲近度排序，确定最优方案。本发明在多粒度不平衡情形下可以有效应用。方法简便易行，综合了评估准则的主客观重要性系数，使决策过程更加符合实际，从而得到更加合理的决策结果。
-
公开(公告)号：CN114218959A
公开(公告)日：2022-03-22
申请号：CN202111410038.2
申请日：2021-11-25
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种犹豫模糊语言术语集多准则决策方法，包括确定评估指标体系，获取评估矩阵；将评估矩阵Xk和语言权重向量Wk转化为语义区间表示；确定每位专家对准则的主观重要性系数；确定每位专家对准则的客观重要性系数；构造模糊语言术语正负理想解矩阵S+和S‑；构造正负理想偏差矩阵D+和D‑；构造相对亲近度矩阵Rc；聚合每位专家意见，得到方案的综合相对亲近度；依据综合相对亲近度排序，确定最优方案。本发明在多粒度不平衡情形下可以有效应用。方法简便易行，综合了评估准则的主客观重要性系数，使决策过程更加符合实际，从而得到更加合理的决策结果。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
