-
题名浅水高分辨率测深侧扫声纳系统及其海上应用
被引量：14
- 1
-
-
作者
孙宇佳
刘晓东
张方生
邱志强
-
机构
中国科学院声学研究所海洋声学技术实验室
中国科学院研究生院
-
出处
《海洋工程》
CSCD
北大核心
2009年第4期96-102,共7页
-
基金
国家高技术发展计划海洋资源开发技术主题资助项目(2004AA617020
2005AA611020)
-
文摘
介绍浅水高分辨率测深侧扫声纳系统(SBSSS)的工作原理和硬件结构,然后介绍系统进行海上井场区域调查的情况,最后给出系统的实时工作结果和水深数据后处理结果。并把系统获得的水深和地貌结果分别与EM3000D多波束测深系统的水深结果、Klein2000型侧扫声纳系统的地貌结果进行对比分析。比较结果表明,浅水高分辨率测深侧扫声纳系统与其他系统获得的结果一致,经数据后处理,测深精度达到IHO特级标准要求。
-
关键词
浅水高分辨率测深侧扫声纳
海底地形地貌
数据后处理
IHO标准
-
Keywords
SBSSS
seabed feature map
data post processing
IHO standard
-
分类号
P229.5
[天文地球—大地测量学与测量工程]
-
-
题名基于遗传算法的海底沉积物纹理特征优化方法
被引量：2
- 2
-
-
作者
李文莉
高宏伟
冀大雄
李岩
-
机构
沈阳理工大学自动化与电气工程学院
中国科学院沈阳自动化研究所
-
出处
《计算机科学》
CSCD
北大核心
2016年第S1期130-133 141,141,共5页
-
基金
国家自然基金(61233013)
机器人学国家重点实验室课题(2013-Z13)资助
-
文摘
为了提高水下机器人对海底沉积物的自主分类感知能力,解决特征冗余问题,对利用遗传算法优化海底沉积物纹理特征进行了研究。以基于灰度共生矩阵和分形理论提取多种海底沉积物视觉纹理特征实现海底沉积物分类识别为背景,提出利用遗传算法对纹理特征项进行优化选择以实现对提取特征的降维,并将降维后的特征项作为自组织映射神经网络模型的输入,对海底沉积物进行视觉分类,提高水下机器人作业时的环境感知能力。实验结果表明,相对于未优化的纹理特征,优化后的纹理特征在海底沉积物分类识别中具有更优的分类效果。
-
关键词
海底沉积物
遗传算法
纹理特征分析
灰度共生矩阵
分形理论
自组织映射神经网络
-
Keywords
seabed sediments
Genetic algorithm
Texture feature analysis
Gray level co-occurrence matrix
Fractal theo ry
Self-organizing map
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于混合神经网络的多波束图像底质分类
被引量：2
- 3
-
-
作者
王凤伟
孔凡邨
廉清云
-
机构
上海海事大学商船学院
-
出处
《上海海事大学学报》
北大核心
2013年第4期27-30,共4页
-
基金
上海海事大学研究生创新基金(yc2012034)
-
文摘
为快速辨别海底底质类型和海底目标,在分析Kohonen自组织特征映射网络(Self-Organizing Feature Map,SOFM)和学习向量量化(Learning Vector Quantization,LVQ)算法的基础上,提出一种SOFM算法与改进的LVQ算法相结合的混合神经网络分类方法.利用这种分类方法,对预处理后的多波束测深系统获取的反向散射强度数据进行训练分类.通过对在实验区域提取的检测样本的分类结果进行比较分析,表明该方法是可行、有效的,而且在底质类型特征相近的情况下,具有较好的分类效果.
-
关键词
底质分类
反向散射强度
自组织特征映射
学习向量量化
-
Keywords
seabed classification
backscatter strength
self-organizing feature map
learning vector quantization
-
分类号
U652.21
[交通运输工程—港口、海岸及近海工程]
TP183
[交通运输工程—船舶与海洋工程]
-
