论文查重 知网查重 知网论文查重 知网查重检测 中国知网查重
Copyright ©2013-2017 中国知网论文查重检测系统入口 All Rights Reserved. 网站备案号：黔ICP备19012782号-3.
1.2.2 水下目标检测方法 第一章 绪论 水下目标检测是通过对水下光学信息进行分析，检测到水下图像或者视频中感兴趣的目标。 近年来，各国研究人员对水下目标检测已经进行了大量的研究。 国外对水下目标检测方法的研究开展较早，并提出了一些代表性的方法。 文献 （White DJ et al. 2006）针对同一种类的但品种不同的鱼进行了研究，使用机器学习算 法实现了不同品种的鱼的分类。
水下环境中的 目标物体通常很小 ，如：海胆，扇贝，海参等，而当前基于深度学习的目标检测器通常无法有效地检测小物体，或者对小目标物体的检测性能较差。 缓解水下图片模糊主要是通过对水下图片进行增强，去噪，复原等方法，对于小目标检测的问题可以通过数据扩增和改进网络的方式来缓解，接下来我们将介绍近年来解决水下目标检测问题的深度学习方法。 主要方法 ：文中提出了一种用于水下目标小样本检测的SWIPENet，网络中提出了一种 样本重加权算法IMA （Invert Multi-Class Adaboost），IMA会减少missed objects（丢失对象）的权重，以减少这些“干扰”样本的影响。
近年来，国内外研究人员对基于光学图像的水下目标探测关键技术进行了大量研究，水下目标探测技术取得了迅速发展，一些研究人员总结了关键技术的发展现状。 Sahu等总结了一系列水下图像增强算法，Han等对水下图像智能去雾和色彩还原算法进行了综述，Kaeli等概述了一组用于水下图像颜色校正改进的算法，郭继昌等对水下图像增强和复原算法进行了系统归纳并通过实验对比了不同算法，Moniruzzaman等梳理了近年来深度学习在水下图像分析中的应用。 然而，这些综述仅总结了水下目标探测某一关键技术的研究成果，目前仍缺少对水下目标探测关键技术的系统概述。 本文从水下图像预处理和水下目标检测、识别、跟踪技术入手，详细归纳了水下目标探测关键技术的研究现状。
水下生物能够在复杂多变的水下环境生存，它们拥有各自特殊的视觉系统，仿照水下生物视觉的信息处理模式进行水下目标检测、识别与跟踪也是一个可以考虑的目标探测研究方向。 ⑷将陆上目标探测算法迁移到水下环境中。