收藏本站
《哈尔滨工程大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

基于显著点特征的水下图像海参目标检测

朱宏晨  
【摘要】:现如今目标检测技术发展已经非常成熟,但是对于水下海参目标检测,由于光线较暗,环境较为复杂,到目前都没有一种普遍适用的方法,传统的图像分割技术很难提取到海参轮廓,而采用监督学习的方法也很难仅仅使用颜色、纹理等特征进行海参特征描述。针对水下海参图像特点,本文提出了一种基于显著点特征的水下图像海参目标检测方法,效果较好,具有良好的实用性。本文使用尺度不变特征变换(Scale-invariant feature transform,SIFT)特征作为显著点特征,并基于差分高斯(Difference of Gaussian,DOG)金字塔分层处理显著点进行海参类别显著点的筛选。使用筛选到的显著点融合图像的纹理特征进行二次筛选,得到二次筛选后的海参类别显著点。再使用二次筛选得到的海参类别显著点融合超像素块得到海参类别子连通区域并进行框取完成检测。具体的研究工作包括以下三个方面:本文提出了使用SIFT特征点作为海参目标检测的显著点特征进行海参类别的判定,并通过实验发现位于图像DOG金字塔的倒数第一层和倒数第二层中的SIFT特征点更多并且每层代表的信息不同,所以采用样本图像中这两层SIFT特征点以及提前标记的海参位置分别融合分类器得到两套模型。使用这两套模型分别对测试图像中提取到的两层SIFT特征点进行海参类别筛选,把通过两层筛选得到的显著点进行合并得到海参类别显著点。针对使用分层处理得到的海参类别显著点,融合图像的纹理特征进行海参类别显著点的二次筛选。首先对样本图像进行超像素分割,然后对含有海参类别显著点的超像素块进行保留,但是这些超像素块中除了海参区域还有非海参区域,对这些超像素块进行灰度共生矩阵(Gray-level co-occurrence matrix,GLCM)纹理特征提取并结合样本标记位置训练分类器得到模型,再对测试图像的含有海参类别显著点的超像素块进行GLCM纹理特征提取并通过该模型完成海参类别显著点的二次筛选。通过实验分析,验证了本文方法对于水下图像海参目标检测的有效性。对本文用到的几种方法进行了对比,发现通过分层处理得到的显著点再经过融合纹理特征进行二次筛选用于海参目标检测效果较好,F1-Measure值到达了84.0%,有效提高了检测率。
【学位授予单位】:哈尔滨工程大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TP391.41

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 张学军;郭建;;图像纹理分析的方法与应用[J];黑龙江科技信息;2009年16期
2 吴涛;秦昆;;图像纹理特征数据挖掘的理论与方法探讨[J];计算机时代;2006年08期
3 王震,王执铨;图像纹理分析与纹理测度[J];南京理工大学学报(自然科学版);2002年S1期
4 范郭亮;李光;王春霞;;图像纹理区检测及分割算法研究[J];信息安全与技术;2011年09期
5 李亚春;夏德深;徐萌;;小波变换在图像纹理分析中的研究进展[J];计算机工程与应用;2005年35期
6 孟勇,洪丹辉,毛丹;测度熵在图像纹理分析中的应用[J];计算机应用与软件;2000年08期
7 丁黎明;;纹理损失最小约束下跟踪图像阴影自动去除算法[J];自动化与仪器仪表;2019年03期
8 章华;李振璧;姜媛媛;;基于图像纹理的煤岩识别研究[J];煤炭技术;2015年07期
9 徐孟春;王相海;;基于不完全小波树型结构的图像纹理特征研究[J];中国图象图形学报;2009年07期
10 张地;罗群;雷敏;;一种基于图像纹理特征和支持向量机的版权保护方法[J];网络安全技术与应用;2017年08期
中国重要会议论文全文数据库 前10条
1 杨国华;周晨波;阮久忠;郭冰;王刚;;基于自相关函数的非平面表面粗糙度的图像纹理研究[A];第十二届全国光学测试学术讨论会论文(摘要集)[C];2008年
2 王云;董增寿;卓东风;;基于图像纹理和结构特征的燃烧指数的高温低氧火焰燃烧稳定性识别[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集(上册)[C];2008年
3 张磊;朱磊;;一种综合图像纹理和灰度特征的分割算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
4 袁灼彬;郑晓林;邹玉坚;方少伟;张旭升;杨沛钦;;T2WI图像纹理分析联合多参数磁共振成像在评价前列腺癌侵袭性研究[A];中国中西医结合学会医学影像专业委员会第十五次全国学术大会暨上海市中西医结合学会医学影像专业委员会2017年学术年会暨《医学影像新技术的临床应用》国家级继续教育学习班资料汇编[C];2017年
5 王鹏;吴春亚;刘德利;刘亦智;刘献礼;;基于LabVIEW的钢球表面缺陷图像纹理分析与检测[A];2007'中国仪器仪表与测控技术交流大会论文集(一)[C];2007年
6 阮久忠;周晨波;杨国华;;基于灰度共生矩阵的非平面表面粗糙度的图像纹理研究[A];第十二届全国光学测试学术讨论会论文(摘要集)[C];2008年
7 薛晶晶;白廷柱;;基于图像纹理特征的隐身效果评价方法研究[A];光电技术与系统文选——中国光学学会光电技术专业委员会成立二十周年暨第十一届全国光电技术与系统学术会议论文集[C];2005年
8 阳维;张素;陈亚珠;;射频消融组织的B超纹理分析与定征[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(上册)[C];2007年
9 杨伟斌;朱庆勇;余怀忠;;基于SEM图像纹理增强的岩石多孔介质渗透率计算[A];中国力学大会-2017暨庆祝中国力学学会成立60周年大会论文集(B)[C];2017年
10 刘芷兰;高康;田野;戴思兰;宋雪彬;;基于展开图像LBP纹理的菊花品种识别[A];中国观赏园艺研究进展2017[C];2017年
中国重要报纸全文数据库 前2条
1 华凌;世界最薄泡沫屏幕可改变图像纹理[N];科技日报;2012年
2 记者 冯卫东;非侵入性成像可准确发现癌症转移[N];科技日报;2019年
中国博士学位论文全文数据库 前10条
1 任逍航;基于深度学习的自然场景图像的中文字检测和识别算法研究[D];上海交通大学;2017年
2 任燕;基于弱监督学习的图像协同分割与定位[D];西安电子科技大学;2018年
3 周杰;医学图像特征的自动获取与基于内容检索的方法研究[D];第一军医大学;2004年
4 孙蕾;医学图像智能挖掘关键技术研究[D];西北大学;2005年
5 胡广寰;基于内容图像检索中图像语义分类技术研究[D];浙江大学;2005年
6 王曙燕;医学图像智能分类算法研究[D];西北大学;2006年
7 段立娟;基于内容的图像检索与过滤关键技术研究[D];中国科学院研究生院(计算技术研究所);2002年
8 唐俊华;科学数据库中基于内容图像检索技术研究[D];中国科学院研究生院(计算技术研究所);2004年
9 易文晟;图像语义检索和分类技术研究[D];浙江大学;2007年
10 温智婕;图像纹理特征表示方法研究与应用[D];大连理工大学;2008年
中国硕士学位论文全文数据库 前10条
1 朱宏晨;基于显著点特征的水下图像海参目标检测[D];哈尔滨工程大学;2019年
2 王延杰;基于深度人脸信息的身份识别[D];北方工业大学;2019年
3 黎家超;复杂环境下的道路交通标志检测方法研究[D];长安大学;2018年
4 吕朝晖;基于超像素的腹部图像多器官分割算法研究[D];西北大学;2018年
5 吕凡;基于生成对抗网络的图像自动文本标注方法研究[D];苏州科技大学;2018年
6 楼苏迪;基于情感语义的旗袍图像注释研究[D];杭州电子科技大学;2018年
7 汤丽萍;面向视觉感知的图像情感分类研究[D];南京理工大学;2018年
8 姜雪;基于Hadoop的图像类教学资源的检索策略研究[D];东北师范大学;2018年
9 宋振旗;基于K-T算法的太阳图像高分辨率重建并行化研究[D];昆明理工大学;2018年
10 鞠成恩;基于图像底层特征的图像聚类与检索研究[D];昆明理工大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026