基于GRNN的声图像特征研究
水下目标声探测跟踪系统是水下机器人智能体系的重要组成部分，而研究前视声纳图像目标分类对于水下机器人的声视觉系统的完善具有重要意义。针对由于水下成像环境的复杂性导致的前视声纳图像中目标不易分类辨别的问题,在对前视声纳图像进行预处理及特征提取的基础上,重点进行了目标最优特征序列的选择研究.首先针对水下前视声纳图像的特点,分析了声纳图像的预处理方法,探讨了声纳图像中特征信息的选取及提取,提出了采用广义回归神经网络(GRNN)来检验特征组合效果的方法,阐述了利用序列前向选择(SFS)及序列后向选择(SBS)方法得到最优特征序列的实现过程,并对比分析了两组前视声纳图像的SFS及SBS实验结果,确定了最优的特征组合,为前视声纳图像中的目标分类提供了重要的借鉴意义.
图像处理 声纳图像 特征提取 广义回归神经网络
马珊 庞永杰 张铁栋
水下机器人国防重点实验室,黑龙江哈尔滨150001
国内会议
太原
中文
247-252
2011-08-03（万方平台首次上网日期，不代表论文的发表时间）