-
公开(公告)号：CN105405125B
公开(公告)日：2018-05-18
申请号：CN201510706021.X
申请日：2015-10-27
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种自适应阶梯初始化的窄带Chan‑Vese模型水下多目标分割方法，包括以下步骤，步骤一：声纳图像平滑去噪处理后，根据块方式的k‑均值聚类算法完成初始分割，初步判断水下目标的位置；步骤二：确定阶梯区域，确定自适应阶梯初始化零水平集函数；步骤三：利用Chan‑Vese模型窄带水平集进行声纳图像分割，完成水下多目标区域的两类和三类分割；步骤四：对分割结果进行基于Chan‑Vese模型的客观定量分析。本发明采用Chan‑Vese模型窄带水平集进行声纳图像分割，能完成局部寻优，避免已有水平集方法的全局搜索，使分割结果中噪声的影响降到最小，能进一步提高分割精度和速度。
-
公开(公告)号：CN105405118B
公开(公告)日：2017-11-21
申请号：CN201510676957.2
申请日：2015-10-16
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于量子衍生混合蛙跳的水下声纳图像目标检测方法。包括(1)适应度函数；(2)量子进化更新；(3)模糊隶属度矩阵结合空间信息去除孤立区；(4)对检测结果进行基于信息论的客观定量评价分析。本发明利用量子比特对青蛙种群进行编码，并结合类内和类间信息的适应度函数来更为准确地评价青蛙位置的好坏；采用量子进化更新方式，利用相位角编码，更新子种群中最坏位置的青蛙；根据模糊隶属度矩阵结合空间信息去除孤立区的方法获得更精确的检测结果；提出分割布局噪声熵对最终检测结果进行定量分析。本发明能更为准确地完成水下声纳图像目标检测，有一定的检测精度和有效性，具有较高的适应性。
-
公开(公告)号：CN105405125A
公开(公告)日：2016-03-16
申请号：CN201510706021.X
申请日：2015-10-27
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/6223 , G06T2207/20116
Abstract: 本发明公开了一种自适应阶梯初始化的窄带Chan-Vese模型水下多目标分割方法，包括以下步骤，步骤一：声纳图像平滑去噪处理后，根据块方式的k-均值聚类算法完成初始分割，初步判断水下目标的位置；步骤二：确定阶梯区域，确定自适应阶梯初始化零水平集函数；步骤三：利用Chan-Vese模型窄带水平集进行声纳图像分割，完成水下多目标区域的两类和三类分割；步骤四：对分割结果进行基于Chan-Vese模型的客观定量分析。本发明采用Chan-Vese模型窄带水平集进行声纳图像分割，能完成局部寻优，避免已有水平集方法的全局搜索，使分割结果中噪声的影响降到最小，能进一步提高分割精度和速度。
-
公开(公告)号：CN105405118A
公开(公告)日：2016-03-16
申请号：CN201510676957.2
申请日：2015-10-16
Applicant: 哈尔滨工程大学
IPC: G06T7/00
CPC classification number: G06T7/0012
Abstract: 本发明提供的是一种基于量子衍生混合蛙跳的水下声纳图像目标检测方法。包括(1)适应度函数；(2)量子进化更新；(3)模糊隶属度矩阵结合空间信息去除孤立区；(4)对检测结果进行基于信息论的客观定量评价分析。本发明利用量子比特对青蛙种群进行编码，并结合类内和类间信息的适应度函数来更为准确地评价青蛙位置的好坏；采用量子进化更新方式，利用相位角编码，更新子种群中最坏位置的青蛙；根据模糊隶属度矩阵结合空间信息去除孤立区的方法获得更精确的检测结果；提出分割布局噪声熵对最终检测结果进行定量分析。本发明能更为准确地完成水下声纳图像目标检测，有一定的检测精度和有效性，具有较高的适应性。
-
-
-
Search Results
4
records
(took 0.029 seconds)
