国家自然科学基金(11174313)
- 作品数：2 被引量：44H指数：2
- 相关作者：黄海宁田杰张春华陈强田杰更多>>
- 相关机构：中国科学院中国科学院大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术理学交通运输工程一般工业技术更多>>
- 基于超椭圆拟合的水下小目标分类被引量：2
- 2019年
- 水下小目标分类技术在海底探测、水下考古等方面应用广泛。在实际的水下声图像中,小目标投影产生的阴影区域通常在形状和尺寸方面显著于目标本身产生的亮区,故阴影分析算法对于目标的检测、识别和分类均有重要的研究意义。该文采用超椭圆曲线拟合算法拟合目标阴影区域,通过控制超椭圆函数的几个参数变化,实现不同的超椭圆曲线拟合不同的目标阴影形状,并将控制超椭圆曲线尺寸、形状和位置的参数作为特征向量输入到分类器,通过对比多个分类器得出分类结果,证明了以拟合参数为特征的分类方法有效。
- 王梁田杰田杰黄海宁
- 基于统计和纹理特征的SAS图像SVM分割研究被引量：42
- 2013年
- 合成孔径声呐图像可以有效反映海底的地形、地貌和底质等情况,但是单幅SAS图像通常对应一片较大的区域,需要按照某种性质将不同性质的区域分割开来,以有利于下一步的图像分析以及目标检测和识别。研究发现,不同底质区域的SAS图像具有不同的统计和纹理特征,选取灰度直方图的均值、标准差、峰度等统计特性和灰度共生矩阵的能量、相关性、对比度、熵值等纹理特性用以描述SAS图像的不同区域。将选取的特征作为SVM的训练特征,进而得到SVM分类器,用于SAS图像分割。实验结果表明,SVM算法可以很好地对SAS图像进行区域分割。
- 陈强田杰黄海宁张春华
- 关键词：统计特征纹理特征图像分割
