水下图像识别方面论文文献

　　从事水下机器视觉研究工作，也就是将计算机视觉应用于水下图像识别领域，这也属于人工智能的一项新应用，很多人工智能人员也会发表水下图像识别论文，为此学术顾问在这里分享水下图像识别方面论文文献，发表论文人员可作为参考：

　　文献一、基于卷积神经网络的水下目标声呐图像识别方法

　　摘要水下目标识别是水下无人探测的一项核心技术,为提高水下自动目标识别准确率,提出基于卷积神经网络的目标声呐图像识别方法,针对声呐图像特点,设计了融合图像显著区域分割和金字塔池化的水下目标识别模型。基于流形排序显著性检测方法分割和裁剪图像,减小输入数据维度并减少图像背景对目标特征提取过程的干扰;通过堆叠卷积层和池化层,从原始声呐图像中自动学习目标的高层语义信息,避免人工提取图像特征对有效信息的破坏;提出采用空间金字塔池化方法提取特征图中的多尺度信息,弥补声呐图像细节信息少的缺陷,同时解决输入图像尺寸不一致的问题。

　　关键词自动目标识别 声呐图像 卷积神经网络 显著性 金字塔池化

　　文献二、基于数据挖掘的水下激光图像识别技术

　　摘要为了提高水下激光图像识别精度,提出一种基于数据挖掘的水下激光图像识别方法。首先收集水下激光图像,提取其Gabor特征,并采用主成分分析法对特征进行选择,消除冗余特征,然后根据特征对训练样本进行处理,并输入到相关向量机进行学习,建立水下激光图像识别分类器,最后采用具体水下激光图像进行仿真对比测试。测试结果表明,本文方法可以提高水下激光图像的识别率,而且获得较快的水下激光图像识别速度,具有较高的实际应用价值。

　　关键词水下激光图像 特征提取 主成分分析 图像分类器 相关向量机

　　文献三、基于纹理特征的水下烟囱图像识别

　　摘要提出了一种基于纹理特征的水下烟囱识别方法,采用各纹理特征分歧加权对纹理参数的优劣进行区分,有效地克服了水下光照不均带来的图像灰度变化和纹理差异造成的分类困难.实验表明此方法对水下烟囱的识别取得较好的效果.

　　关键词纹理特征 水下 图像识别 烟囱 识别方法 纹理参数 灰度变化

　　以上都是水下图像识别方向可参考的文献，这方面的论文还是很多的，作者自己查找文献也有一定的难度，并且也是耗费时间的，因此建议您咨询在线学术顾问，此外学术顾问也推荐了一本水下图像识别论文可投稿刊物：《水下无人系统学报》2017年正式更名为《水下无人系统学报》。现设栏目: 综述评论、基础研究、工程应用、研究简报等。该刊为国内多家主流数据库收录, 现为中国科技论文统计源期刊(中国科技核心期刊)。读者对象为从事水下无人装备科学与技术领域研究、设计、生产和使用的广大科研技术及管理人员、领导机关、部队、大专院校师生以及热爱、关注水下无人装备技术的广大读者。现有读者主要分布于北美、澳洲、西欧、亚洲等9个国家和地区。

　　版权声明：文章来源于网络，由本平台整合撰写，版权归原作者或平台所有，分享只为学术交流，如有侵权请联系删除或整改，谢谢。