首页 | 官方网站   微博 | 高级检索  
     

基于SVM的海底声纳图像底质识别*
引用本文:熊明宽,吴自银,李守军,罗孝文,唐秋华.基于SVM的海底声纳图像底质识别*[J].海洋通报,2012,31(4):409-414.
作者姓名:熊明宽  吴自银  李守军  罗孝文  唐秋华
作者单位:1. 国家海洋局第二海洋研究所国家海洋局海底科学重点实验室,浙江杭州310012
2. 国家海洋局第一海洋研究所,山东青岛266061
基金项目:海洋公益性行业科研专项(201105001);国家自然科学基金(40506017);国家海洋局第二海洋研究所基本科研业务费专项(JG1105)。
摘    要:对海底底质声纳图像分割,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,优化支持向量机(SVM)参数.利用多分类 SVM 对砂、礁石、泥进行训练,有效、快速地分离出了3种底质类型,测试精度高于80%,表明该方法可有效用于海底底质声纳图像的识别和分类.

关 键 词:支持向量机  (SVM)  声纳灰度图像  参数优化  特征向量
收稿时间:2011/11/17 0:00:00
修稿时间:2012/3/28 0:00:00

Sonar?Image?Sediment?Recognition?with?The?Support?Vector?Machine
XIONG Ming-kuan,WU Zi-yin,LI Shou-jun,LUO Xiao-wen,TANG Qiu-hua.Sonar?Image?Sediment?Recognition?with?The?Support?Vector?Machine[J].Marine Science Bulletin,2012,31(4):409-414.
Authors:XIONG Ming-kuan  WU Zi-yin  LI Shou-jun  LUO Xiao-wen  TANG Qiu-hua
Affiliation:1.Key Laboratory of Submarine Geosciences,Second Institute of Oceanography,SOA,Hangzhou 310012,China; 2.First Institute of Oceanography,SOA,Qingdao 266061,China)
Abstract:Segmenting?the?seafloor?sonar?gray?image,?and?extracting?characteristic?vector?unit?with?principal?component?analysis,?the?selection?of?the?mean,?standard?deviation,?contrast,?correlation?coefficient,?energy?and?homogeneity?is?as?training?characteristic?vector,?optimizing?the?support?vector?machine?(SVM)?parameters.?Using?multi-SVM?training?sand,?rocks,?and?mud,?it?could?separate?the?three?kinds?of?sediment?types?effectively,?fast?and?completely,?testing?precision?all?above?80%.?It?proves?that?this?method?can?be?used?effectively?in?the?classification?and?recognition?of?seafloor?sonar?gray?image.
Keywords:support?vector?machine?(SVM)  ?sonar?gray?image  ?parameters?optimization  ?feature?vector
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《海洋通报》浏览原始摘要信息
点击此处可从《海洋通报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号