基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文利用BP神经网络抗干扰性强,识别精准等优点对船舶进行识别跟踪。首先获取原始图像,然后预处理,以图像的全部灰度值为训练样本,以新不变矩特征向量为样本集输入到3层BP神经网络中,对含不同噪声均值的图像进行识别。实验结果表明,以新不变矩特征向量作为样本集时抗噪能力强,识别率高。最后以新不变矩特征向量作为样本集进行目标跟踪得到跟踪误差。
推荐文章
基于BP神经网络的智能制造系统图像识别技术
B/S模式
智能制造系统
BP神经网络
图像识别技术
基于双概率神经网络的纹理图像识别
纹理识别
小波包变换
差异演化
双概率神经网络
基于人工神经网络下的图像识别的研究
人工神经网络
BP神经网络
图像分割
基于神经网络的脂肪肝B超图像识别研究
脂肪肝
纹理特征
特征提取
BP神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP神经网络的图像识别跟踪技术
来源期刊 舰船科学技术 学科 交通运输
关键词 神经网络 BP算法 图像识别 图像跟踪
年,卷(期) 2015,(4) 所属期刊栏目 装备技术
研究方向 页码范围 219-222
页数 4页 分类号 U665.26
字数 2155字 语种 中文
DOI 10.3404/j.issn.1672-7649.2015.04.049
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈向奎 洛阳师范学院信息技术学院 23 42 4.0 5.0
2 康牧 洛阳师范学院信息技术学院 29 389 7.0 19.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (7)
同被引文献  (29)
二级引证文献  (13)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(5)
  • 引证文献(3)
  • 二级引证文献(2)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(7)
  • 引证文献(1)
  • 二级引证文献(6)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
神经网络
BP算法
图像识别
图像跟踪
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
舰船科学技术
半月刊
1672-7649
11-1885/U
大16开
北京市朝阳区科荟路55号院
1979
chi
出版文献量(篇)
6974
总下载数(次)
20
论文1v1指导