排序方式: 共有26条查询结果,搜索用时 15 毫秒
1.
用于计算图像分形维的差分盒计数法(DBC)和鲁棒差分盒计数法(RDBC)都对脉冲噪声和斑点噪声较敏感,为此本文提出一种抗噪差分盒计数法(NRDBC),利用剪切局部标准差(TLSD)来计算图像分形维,由于TLSD可有效滤除脉冲噪声和斑点噪声、且对高斯噪声敏感性小,因此NRDBC能对有噪图像进行可靠的分形维估计。利用多分辨率的DBC、RDBC和NRDBC对混有高斯噪声、脉冲噪声和斑点噪声的7种Brodatz纹理以及3种海底的侧扫声纳图像进行了分类实验,结果表明,本文提出的NRDBC可获得更高的识别率和更好的抗噪性。 相似文献
2.
提出一种在自由环境中可以进行模式识别的水声成像方法。利用角域滤波将空间不同入射方向的平面波在阵元域中进行分离,在成像扇面内按要求设计一系列角域带通滤波器,这些滤波器的输出就是从角通带内入射的平面波在阵元域中的快拍数据,可以实现要求输入为阵元域特性数据的目标识别和底质分类等专用的模式识别算法,角域滤波器输出的平面波快拍数据的幅度作为像素值进行水声成像。采用角域滤波的方法可以进行水声成像得到所需要的声图,并且每个像素对应着相应点目标远场平面波入射到接收阵时所产生的快拍数据。仿真和实验数据处理结果表明,采用角域滤波和利用常规波束形成所得到的声图是一样的,并且两种成像方法具有相同的稳健性。 相似文献
3.
针对收发合置声呐在浅水信道中对小目标的定位能力受强混响制约的问题,开展了利用目标前向散射的声屏障实验研究,通过计算扰动声线的声压敏感核实现了在自然环境中、非等声速条件下的小目标定位。扰动声线的声压敏感核反映的是因目标进入探测区域而扰动到的声线所包含的目标位置信息.首先,从众多本征声线中确定可以用于目标定位的扰动声线;然后,利用扰动声线的声压敏感核的空间特性实现定位。将该定位算法用于湖试数据,实现了利用20~28 kHz的线性调频信号对直径0.4 m目标球的定位。并且通过比较不同参数假设下的计算结果,发现该定位算法对于目标材质和尺寸的失配均具有较好的鲁棒性. 相似文献
4.
鱼种的快速识别是渔业资源评估乃至海洋生态系统监测重要组成部分。与传统的拖网捕捞等方法相比,声学方法具有快速有效、调查区域广、不损坏生物资源、可持续观察等优点。鱼类的声学识别方法主要是基于鱼类回波信号特征的识别, 鱼体形状及组成结构的复杂多样导致其回波信号非常复杂,因此利用简单的回波包络或能量特征识别鱼类效果往往不能令人满意。本文提出一种基于Walsh 变换的鱼类回波识别方法。试验获取鲫鱼、 嘎鱼、武昌鱼的回波信号,处理过程中分别提取三种鱼类回波包络信号的Walsh谱作为识别特征量,并利用BP神经网络分类器对其进行了分类。结果表明利用回波的Walsh谱可以成功识别不同形状的鱼类,其中对武昌鱼的识别正确率达90%以上。 相似文献
5.
多基地声纳组网探测系统是目前大范围水下安保领域的研究热点。综合利用多基地系统中各个声纳节点的信息进行水下目标识别是亟待解决的问题。利用传统的多传感器融合的方法进行多基地水下目标识别,往往忽略了各声纳节点之间的相关性,效果并不理想。针对这一问题,本文提出了利用连续隐马尔科夫模型(CHMM)进行多基地水下目标识别的方法。首先利用RELAX算法提取了目标在不同分置角上回波的强散射点特征,组成观测向量,利用Baum-Welch方法对CHMM参数进行训练,然后计算待识别目标的特征值观测序列在不同模型下的似然概率。对所有目标重复此过程,取概率最大值对应的目标类别为最后的识别结果。在消声水池开展多基地模拟实验,对四类目标进行了识别,利用CHMM方法得到的多基地水下目标融合识别率比多基地声纳下单声纳节点的最高识别率提高了30%。 相似文献
6.
7.
8.
针对水下多基地目标识别问题,提出了基于特征预测和误差映射的多基地融合识别算法。推导并简化了基于贝叶斯公式的多基地目标识别条件概率公式,利用BP神经网络对最后一个节点的特征向量进行预测,并计算得到预测值与实际值误差的概率密度,将其与前面每个节点的条件概率累乘,以得到目标识别的条件概率。将利用特征预测计算条件概率的方法从单个节点推广到多个节点上,同时针对误差概率分布模型不准确的问题,提出了利用混合高斯分布模型代替单高斯概率分布模型的改进方法。对每个目标重复此过程,取结果最大值对应的目标类别为最后的识别结果.在消声水池开展多基地模拟实验,对四类目标进行识别,在一定声呐节点数目及信噪比条件下,与单基地声呐相比,多基地目标融合识别得到的识别正确率最大可提高40%,采用改进方法以后,识别正确率得到进一步提高。 相似文献
10.
水下目标分类识别的性能受所选特征的限制,多特征往往可以获得更加稳定的结果,针对这一问题,提出了一种基于联合稀疏表示模型的水下目标分类识别方法。首先对水下目标回波信号提取3种具有信息互补性与关联性的特征:中心矩特征、小波包能量谱特征、梅尔频率倒谱系数特征,然后应用加速近端梯度法对联合稀疏表示模型进行优化,求解得到最优联合稀疏系数,最后根据最小误差准则确定目标类别。在消声水池开展模拟实验,对6类目标进行分类识别,结果表明:与传统算法相比,提出的算法具有更高识别准确率,并且其执行效率较传统算法有很大提升。 相似文献