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(fèi)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(jìn)行舉報或認(rèn)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(biāo)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(xùn)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(jìn)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(diǎn)都不同，通過計算像素點(diǎn)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(biāo)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(biāo)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(xùn)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(xùn)練的各個過程：預(yù)處理、目標(biāo)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(biāo)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。

最新文檔

評論

0/150

提交評論