典型文献
基于无监督学习卷积神经网络的声呐图像分割
文献摘要：
声呐图像分割是图像分割技术发展中的组成部分,是水下目标识别与检测的重要一环.传统方法中基于有监督分割方法的算法往往代价较大,表现出试验周期长、实时性较差、运行速率较慢等不足.并且由于声呐图像的成像质量差、分辨率不高、边缘条件不清晰、人工标注工作量大等客观因素,不易建立用于有监督模型训练的大规模数据集,使得传统分割方法越来越不适应当前实际应用的多方面要求.将基于无监督学习卷积神经网络引入到声呐图像分割任务中,分割模型通过对单帧声呐图像进行训练和测试,最后经过推理得到将阴影区和目标高亮区分割后的声呐图像,得到分割出来的水下目标.通过对实验的分割结果进行各项指标分析,证明此方法有着更好的运行效率和分割精度,并且实时性较高,综合性能优于传统方法.
文献关键词：
图像处理;声呐图像分割;卷积神经网络;无监督学习
中图分类号：
作者姓名：
淦智权
作者机构：
中国船舶集团有限公司第七一〇研究所,湖北 宜昌 443003;清江创新中心,湖北 武汉 430076
文献出处：
引用格式：
[1]淦智权-.基于无监督学习卷积神经网络的声呐图像分割)[J].数字海洋与水下攻防,2022(04):381-386
A类：
声呐图像分割
B类：
无监督学习,水下目标识别,目标识别与检测,有监督,分割方法,试验周期,行速,较慢,成像质量,客观因素,模型训练,大规模数据集,分割模型,单帧,理得,阴影,影区,标高,割出,指标分析
AB值：
0.189046
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
