水下图像的特征提取和神经网络识别技术研究

论文题目: 水下图像的特征提取和神经网络识别技术研究

论文类型: 硕士论文

论文专业: 船舶与海洋结构物设计制造

作者: 邓艳平

导师: 苏玉民

关键词: 随机变换,动态阈值化,不变矩,神经网络识别

文献来源: 哈尔滨工程大学

发表年度: 2005

论文摘要: 本课题来源于军用智能水下机器人技术中“水下光视觉信息处理和理解技术”项目。自动目标识别系统对于提高水下机器人的自主能力,顺利完成目标探测和定位的任务具有很重要意义。本论文的目的就是针对真实环境下图像进行处理、分析,以实现对图像中基元的提取和恢复,从而进行图像的特征提取、计算和识别。根据水下图像的特点,目标识别系统包括:图像采集,图像处理,图像特征提取,根据特征进行目标识别。本论文首先研究了水下图像中线特征的提取。参考有关文献采用基于动态的阈值化方法,提高了边缘点检测的准确率,尤其是针对椭圆和圆由于光照的影响,上下边缘灰度分布很不一样的情况。改进的RHT主要是利用精度要求不高的梯度方向信息来决定是否对采样到的两点进行参数计算和累积来解决无效积累的问题,而且还将梯度方向信息用于直线和椭圆确认,减少运算量。其次研究了特征的提取、计算和特征选择,得到聚类效果较好的特征值在离散情况下,HU氏矩只具有平移、旋转不变性,在此基础上组建了六个同时具有平移、旋转、比例不变性的矩作为特征值。同时将角点提取和圆度计算出来得到八个特征值。最后研究了神经网络识别方法。针对BP神经网络的限制和不足进行改进,可以采用动量因子和自适应的学习速率来进行调节。经过实际编程和实验的验证,识别的准确率较高。

论文目录:

第1章绪论

1．1 引言

1．2 图像识别概述

1．3 图像识别关键技术介绍

1．3．1 特征提取

1．3．2 识别与分类

1．4 本论文的主要工作

1．4．1 线特征提取

1．4．2 特征的选取和计算

1．4．3 神经网络方法进行识别

第2章水下图像的线特征提取

2．1 引言

2．2 直线提取

2．2．1 引言

2．2．2 传统 Hough变换的直线提取

2．3．3 基于 Sobel的改进随机 Hough变换(RHT~+)

2．2．4 实验结果与分析

2．3 椭圆提取

2．3．1 椭圆方程的几种表达式

2．3．2 椭圆中无效采样和累积产生原因分析

2．3．3 三点法提取椭圆原理介绍

2．3．4 椭圆表征方程式的确定

2．3．5 椭圆提取的步骤

2．3．6 基于全局算子的 RHT_3的实验结果分析

2．3．7 构造基于动态阈值化的 RHT_3算法

2．4 改进的随机 Hough变换的圆的快速提取

2．5 小结

第3章特征选择和计算

3．1 引言

3．2 特征值的计算

3．2．1 面积和周长的计算

3．2．2 圆形度

3．2．3 构造组合不变矩

3．3 角点提取

3．4 特征选择

3．5 本章小结

第4章水下目标识别系统

4．1 引言

4．2 BP神经网络识别

4．2．1 BP学习算法基本概念

4．2．2 BP神经网络分类器结构及其算法

4．2．3 BP算法的缺点及其改进措施

4．3 实验结果及其分析

4．4 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢

附录

发布时间: 2005-10-21

参考文献

[1].现代审美下的唐韵特征提取与可视化研究[D]. 张云彦.陕西科技大学2018
[2].面向图像分类的CNN特征提取和结构优化[D]. 张猛.新疆大学2018
[3].基于水下潜浮平台的被动探测技术研究[D]. 王宪淼.哈尔滨工程大学2018
[4].基于核方法的高光谱影像分类与特征提取[D]. 杨国鹏.解放军信息工程大学2007
[5].基于高光谱图像的特征提取/选择及其应用的研究[D]. 谈晓晔.哈尔滨工业大学2006
[6].仿生与抽象[D]. 常博文.广州美术学院2017
[7].基于听觉特征的水中目标辐射噪声特征提取[D]. 韩雪.哈尔滨工程大学2013
[8].舱室噪声源特征提取与信息融合技术研究[D]. 王子鑫.哈尔滨工程大学2016
[9].基于UG产品造型设计特征提取与继承技术研究[D]. 吴友汀.东南大学2006
[10].水声被动目标特征提取和分类方法研究[D]. 马骏.哈尔滨工程大学2016

水下图像的特征提取和神经网络识别技术研究

猜你喜欢