排序方式: 共有67条查询结果,搜索用时 793 毫秒
1.
2.
3.
4.
侧扫声呐海底沉船图像识别是水下障碍物核查和失事船只搜救中的一项重要工作.针对传统侧扫声呐图像人工判读存在效率低、耗时长、资源消耗大及主观不确定性强和过分依赖经验等问题,本文尝试引入卷积神经网络的方法,同时考虑到侧扫声呐沉船图像属于小样本数据集,提出一种基于迁移学习的卷积神经网络侧扫声呐沉船图像自动识别方法.通过归一化处理、图像增强等方式扩充样本数据,并以4:1的比例划分训练集和测试集,同时参照经典VGG-16模型,根据侧扫声呐沉船数据集特点设计了改进的模型,然后将在Ima geNet图像数据集上训练好的改进模型在小样本侧扫声呐沉船数据集上采用冻结和训练、微调两种迁移学习方式进行学习和试验,并与全新学习进行比较分析,结果表明,3种方法对侧扫声呐沉船图像识别的准确率分别为93.71%、84.49% 和90.58%,其中第1种迁移学习方法准确率最高,模型收敛速度最快,且AP值最高为92.45%,分别比第2种迁移学习方法和全新学习高了8.06% 和3.06%,在提高模型的识别能力和训练效率方面效果更佳,验证了该方法的有效性与可行性,具有一定实际指导意义. 相似文献
5.
本文在复现CUBE滤波算法的基础上,借鉴其网格节点可吸收水深点选取模型,提出了一种结合不确定度与密度聚类算法的多波束异常值自动滤波算法。本文使用DBSCAN密度聚类算法对水深值加以聚类,使用卡尔曼滤波推估节点水深值,选取具有最小不确定的水深假设作为节点水深值,实现对多波束测深数据异常值的有效清理。实测数据和仿真试验结果表明:CUBE滤波算法不能将连续异常值完全剔除,而本文算法能够较好地去除连续异常值。本文算法流程明晰、参数简单、性能可靠,对数据质量较差的情况下较多异常值也能够进行清理,具有实际的工程应用价值。 相似文献
6.
7.
几何校正为影像预处理工作做了技术准备。其精度直接影响着后续工作的质量。目前,高精度遥感影像因其空间分辨率较高、数据产品格式复杂,在实际应用中对其进行几何精校正(包括正射校正)还存在许多问题。在地面控制点(Ground Control Point,GCP)分布不均或数量不足的情况下,运用空间投影加密控制点的方法,能有效解决此类问题。本文以Quick Bird遥感卫星影像为例,阐述了该方法的可行性。 相似文献
8.
9.
在局部重力地形改正中,积分半径取值多大才算合适直接影响到数据准备工作量和实际计算工作量的大小.研究了重力地形改正与数字地形模型DTM数据先验信息之间的关系;给出了确定局部地形改正积分半径的方法--方差法.数值试验结果表明,采用方差法确定重力地形改正积分半径是合理的. 相似文献
10.