典型文献
远洋船舶目标检测中图像分类识别研究
文献摘要：
为准确划分远洋船舶类别,实现远洋船舶目标检测,保障海洋生态环境、海洋交通与国防安全,研究远洋船舶目标检测中图像分类识别方法.采用小波分析法,通过二维小波变换获取低频子图像、水平细节子图像、垂直细节子图像和对角细节子图像,将其作为远洋船舶图像特征;采用采用双向递归神经网络(BRNN)的深度学习方法构建分类器,将远洋船舶图像特征作为输入向量,通过递归神经网络将输入向量映射至输出向量,得到船舶目标图像分类结果.同时利用改进粒子群算法优化分类器中的权重与偏差参数,提升船舶目标图像分类精度.实验结果显示,所研究方法能够有效划分船舶目标图像类别,且划分精度高于97％.
文献关键词：
远洋船舶;目标检测;图像分类;小波分析;递归神经网络
中图分类号：
作者姓名：
陈燕
作者机构：
中北大学信息与通信工程学院,山西太原030051
文献出处：
引用格式：
[1]陈燕-.远洋船舶目标检测中图像分类识别研究)[J].舰船科学技术,2022(18):177-180
A类：
B类：
远洋船舶,船舶目标检测,中图,图像分类,分类识别,海洋生态环境,国防安全,小波分析法,二维小波变换,子图像,节子,对角,图像特征,双向递归神经网络,BRNN,深度学习方法,分类器,向量映射,标图,改进粒子群算法,算法优化,分类精度
AB值：
0.184944
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。
