基于特征融合的海域船只分类方法研究

发布时间：2021-04-14 05:25

　　对海域船只进行分类,是实现海上安全和交通控制需要考虑的一个重要问题,其在民用和军事行业都有着广阔的应用前景。与其他目标识别相比,海域船只图像受光照、视角、尺度、背景等环境因素影响更大,因此其分类也具有更大的难度。通过对已有的海域船只分类方法的研究,发现存在以下问题:首先,如何提取图像的特征以更好地表述目标一直是该领域的重点问题之一;其次,现有的研究大多数只会选取单一的特征或者是简单拼接的特征用来描述图像,致使特征的互补效能大大降低。现有特征结构融合方法采用统一的度量标准定义了特征的结构矩阵,对不同特征可以进行有效融合,但由于其基于无监督学习方法,在特征融合的过程中并没有将特征的类别信息融入其中,因而分类的性能有待提高;最后,在原始特征维度极大的情况下如何能既快速有效的构造特征结构,又可以考虑多特征的类的自然分布结构也是一个有待解决的问题。针对以上问题,本文进行了相关研究和实验,主要内容如下:（1）对于如何提取更优特征描述海域船只图像的问题,本文前期进行了大量实验,分别提取了VAIS数据集的不同传统特征和卷积神经网络特征,并结合SVM分类器,得出了单一特征的分类结果,对比分析后挑选出了表... 

【文章来源】：西安理工大学陕西省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

新加坡海域事故

西安理工大学硕士学位论文SVs 可能需要对敌方军舰进行分类，以确定如何最好地逃避冲突[4]。综上所述，对海进行准确的识别分类显得十分必要。此外，目前的航运事故仍然频发。2017 年 9 月 13 日，一艘载有 11 名中国籍船员船与一艘印度尼西亚籍油槽船在新加坡海域相撞后倾覆。事故造成 2 人遇难、1 人骨 人失踪，现场如图 1-1 所示。2018 年，一艘巴拿马国籍的货轮同中国香港货轮在长江发生碰船事件，事故造成约 13.6 万吨凝析油持续泄漏、燃烧爆炸，3 人死亡、29 名联，现场如图 1-2 所示。此次事件给东海的海洋生态造成严重污染，一些海洋生物的境恐将面临威胁。2019 年 1 月 4 日，中国香港籍杂货船与福建晋江籍渔船发生碰撞 14 名船员落水，其中 8 人失踪。据业内人士称，通常一起船只碰撞事故可能造成 40 的经济损失。全球这类的安全事故不胜枚举，而这一系列事件的发生也提醒各国必须视智能航运系统的开发，船只类型的识别正是航运系统的重要模块之一。

ann LeCun 等人将提出的多层卷积神经网络 L不少邮局和银行带来了便利。但是由于卷积神并没有被大规模的应用，导致它在发展过程中队对卷积神经网络进行了深度上的拓展，构建卷积神经网络模型在 ImageNet 大型视觉识别挑重新回到了研究者们的视野中，再次开启了研入层，卷积层，池化层，全连接层，输出层组行提取与处理。全连接层用于整合卷积层或池后一层全连接层的输出传递给 softmax 分类器网络特征Net、VGG、GoogLeNet、ResNet 等卷积神经网gLeNet 和 ResNet 凭借着其经典的结构分别取得军和 2015 年的冠军，故本文选择了上述三个网这三个网络结构的特点进行简单的概述。


本文编号：3136751