排序方式: 共有5条查询结果,搜索用时 31 毫秒
1
1.
针对目前合成孔径雷达(synthetic aperture radar, SAR)在对大尺度瞬时海岸线提取方面的图像解译过程中, 仍然存在精度低与自动化水平差的问题, 提出一种基于深度学习网络的瞬时海岸线自动提取算法。首先, 将SAR图像进行Lee滤波增强来抑制相干斑。其次, 通过升级残差网络为主干网络,分4级提取海水目标的特征。然后, 将4级特征经过全局卷积网络、密集连接网络和解码器网络配合,充分提取目标的本质特征, 并通过上采样产生海水分割结果。最后, 利用Sobel算子分离出海岸线并和原SAR图像融合以便清晰查看结果。通过与全卷积网络与细化网络的海岸线提取实验结果进行对比, 证明所提算法对海岸线的提取更加准确, 能够减少虚警和漏警, 具有更好的性能。 相似文献
2.
3.
提出一种直接基于八向链码的矩的快速计算方法,给出了与多边形近似法矩的计算及形状识别时间比较,最后使用不变性矩和人工神经网络完成了2-D形状。实验结果表明,本文所提出的方法具有更高的计算和知识速度。 相似文献
4.
5.
基于不变性矩特征的人工神经网络2—D形状识别 总被引:1,自引:1,他引:0
在2-D不变性矩快速计算的基础上,利用人工神经网络,使用不变性矩完成2-D形状的识别。实验结果与现有文献的结果比较,本文采用的方法具有特征数目少、意义统一、识别快速、准确的特点。 相似文献
1