基于BP神经网络的船舰目标识别分类

基于BP神经网络的船舰目标识别分类
梁锦雄;王刻奇
【期刊名称】《舰船科学技术》
【年(卷),期】2015(037)003
【摘要】随着各国在海洋领域竞争的日益激烈,船舰目标自动识别技术正逐渐成为研究热点.本文利用BP神经网络对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种船只类型进行分类,首先对船舰图像进行中值滤波,去除随机噪声和椒盐噪声,然后利用OTSU法将灰度图像分割成背景和目标两部分,接着对目标区域提取了Hu不变矩、边缘梯度方向直方图、周长-面积比3个特征.为了使边缘梯度方向直方图也具有旋转和尺度不变性,本文提出了一种变换方法:将直方图循环右移,直至其最大值到达直方图最右端.最后利用BP神经网络对船舰图像进行了训练和测试.测试结果表明,本文的分类算法对船舰目标的分类精度达到84％左右,有效实现了常见船舰类型的识别分类.
【总页数】4页(P206-209)
【作者】梁锦雄;王刻奇
【作者单位】广州城市职业学院信息技术系,广东广州510405;中山大学南方学院电子通信与软件工程系,广东广州510970
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于BP神经网络分类器的多目标识别方法研究 [J], 沈凤龙;毕娟
2.基于不变矩和支持向量机理论的船舰目标识别 [J], 李玉景; 李琳; 李京
3.基于GA-BP神经网络的目标识别方法 [J], 龙礼; 温秀兰; 林逸雪
4.基于PSO-BP神经网络的HRRP目标识别 [J], 王泓霖; 李伟; 许强; 徐建业; 邹鲲
5.基于多特征的BP神经网络LSS目标识别方法 [J], 卞伟伟;邱旭阳;辛振芳;贾彦翔因版权原因，仅展示原文概要，查看原文内容请购买。