船只類型識別_第1頁
船只類型識別_第2頁
船只類型識別_第3頁
船只類型識別_第4頁
船只類型識別_第5頁
已閱讀5頁，還剩9頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、船只識別集裝箱船油船自裝卸船1總體思路讀入圖片圖片預(yù)處理目標檢測特征提取特征分類：SVM Train識別： SVM Test21.讀入圖片選擇并設(shè)置訓練圖片集，并把RGB圖像以灰度模式讀入（Cvload函數(shù)）32.預(yù)處理（1）平滑中值濾波（2）Closing：膨脹和腐蝕（3）自適應(yīng)二值化：cvAdaptiveThreshold ( src, src, 255,0,1,91,5 ); 自適應(yīng)閾值：是一種改進了的閾值技術(shù)，其中閾值本身是一個變量，自適應(yīng)閾值T（x,y）的每個像素點都不同，通過計算像素點周圍的b*b區(qū)域的加權(quán)平均，然后減去一個常數(shù)來得到自適應(yīng)閾值。(1),(2)處理前后結(jié)果不明顯，（

2、3）效果比固定的二值化有明顯改善42.預(yù)處理Median Filter ClosingOperationBinarizationContour 5目標檢測（1）二值化（2）提取所有輪廓：鏈碼（3）找出具有最大面積的輪廓效果：674.特征提取（1）根據(jù)目標輪廓畫出最小外接矩形（2）計算外接矩形寬長比，輪廓的離心率，Hu不變矩（3）將（2）得到的數(shù)據(jù)存入數(shù)組，作為后續(xù)的特征數(shù)據(jù)庫85.特征分類：SVM Train采用SVM (Support vectormachine) classifier（1）將第4步特征提取得到的數(shù)據(jù)存入一個矩陣（2）使用SVM.train(trainingDataMat)訓練數(shù)據(jù)，自動生成分類器96.識別： SVM Test（1）設(shè)置測試集106.識別： SVM Test（2）重復(fù)訓練的各個過程：預(yù)處理、目標檢測、特征提取、生成特征矩陣（3）用SVM.test(TestDataMat)得出船只的種類11識別結(jié)果12仍然存在的問題（1）預(yù)處理效果不理想（2）目標檢測時，采用最大面積輪廓檢測，有個別誤檢（3）

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論