舰船科学技术
艦船科學技術
함선과학기술
Ship Science and Technology
2015年
3期
206-209
,共4页
BP神经网络%Hu不变矩%边缘梯度方向直方图%周长-面积比
BP神經網絡%Hu不變矩%邊緣梯度方嚮直方圖%週長-麵積比
BP신경망락%Hu불변구%변연제도방향직방도%주장-면적비
BP neural network%Hu invariant moment%edge gradient direction histogram%perimeter-area ratio
随着各国在海洋领域竞争的日益激烈,船舰目标自动识别技术正逐渐成为研究热点.本文利用BP神经网络对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种船只类型进行分类,首先对船舰图像进行中值滤波,去除随机噪声和椒盐噪声,然后利用OTSU法将灰度图像分割成背景和目标两部分,接着对目标区域提取了Hu不变矩、边缘梯度方向直方图、周长-面积比3个特征.为了使边缘梯度方向直方图也具有旋转和尺度不变性,本文提出了一种变换方法:将直方图循环右移,直至其最大值到达直方图最右端.最后利用BP神经网络对船舰图像进行了训练和测试.测试结果表明,本文的分类算法对船舰目标的分类精度达到84％左右,有效实现了常见船舰类型的识别分类.
隨著各國在海洋領域競爭的日益激烈,船艦目標自動識彆技術正逐漸成為研究熱點.本文利用BP神經網絡對航空母艦、驅逐艦、護衛艦、客船、集裝箱、民用貨船6種船隻類型進行分類,首先對船艦圖像進行中值濾波,去除隨機譟聲和椒鹽譟聲,然後利用OTSU法將灰度圖像分割成揹景和目標兩部分,接著對目標區域提取瞭Hu不變矩、邊緣梯度方嚮直方圖、週長-麵積比3箇特徵.為瞭使邊緣梯度方嚮直方圖也具有鏇轉和呎度不變性,本文提齣瞭一種變換方法:將直方圖循環右移,直至其最大值到達直方圖最右耑.最後利用BP神經網絡對船艦圖像進行瞭訓練和測試.測試結果錶明,本文的分類算法對船艦目標的分類精度達到84％左右,有效實現瞭常見船艦類型的識彆分類.
수착각국재해양영역경쟁적일익격렬,선함목표자동식별기술정축점성위연구열점.본문이용BP신경망락대항공모함、구축함、호위함、객선、집장상、민용화선6충선지류형진행분류,수선대선함도상진행중치려파,거제수궤조성화초염조성,연후이용OTSU법장회도도상분할성배경화목표량부분,접착대목표구역제취료Hu불변구、변연제도방향직방도、주장-면적비3개특정.위료사변연제도방향직방도야구유선전화척도불변성,본문제출료일충변환방법:장직방도순배우이,직지기최대치도체직방도최우단.최후이용BP신경망락대선함도상진행료훈련화측시.측시결과표명,본문적분류산법대선함목표적분류정도체도84％좌우,유효실현료상견선함류형적식별분류.
