-
公开(公告)号:CN109325527A
公开(公告)日:2019-02-12
申请号:CN201811031832.4
申请日:2018-09-05
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明属于水下目标自动识别分类领域,具体涉及一种基于迁移学习与深度学习的侧扫声呐图像目标自动分类方法;包括获取带有分割标注的常规光学图像数据集;利用数据集中各个图像对应的标注图像进行轮廓分割;选定一个卷积神经网络结构进行训练,得到源领域目标分类网络;对经过充分训练的源领域目标分类网络前部分的参数进行冻结,同时将分类网络的后部分参数设置为可训练状态;使用训练集对设置好的分类网络继续进行训练;训练完成后,使用验证集评估分类网络性能。本方法使用迁移学习方法,对使用非侧扫声呐图像训练好的卷积神经网络进行迁移,同时根据相似性原理,对源领域数据集进行预处理,从而提高了迁移学习效率,防止负迁移现象。
-
公开(公告)号:CN109118458A
公开(公告)日:2019-01-01
申请号:CN201811310145.6
申请日:2018-11-06
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明涉及一种低照度彩色图像增强方法,本发明基于Retinex理论进行低照度彩色图像增强,假设原始图像是由光照图像与反射图像乘积得到,用图像平滑获得原始图像的平滑的图;将获得的平滑图加一个常数得到需要的光照图;原始彩色图像的三个通道图像分别除以光照图得到三个通道图像的反射图像;用原始图像像素灰度的均值加上一个常数作为新的光照图;最后将三个通道反射图与新的光照图相乘然后合并三通道获得最终的增强图像。本发明解决现有基于Retinex理论进行低照度图像增强算法在增强图像的同时产生光晕与黑暗区域颜色出现马赛克现象的问题,得到一个更加自然的增强图像,算法步骤和理论简单,编程易于实现,保证算法的实时性。
-