声呐图像的去噪模型训练方法及其装置和可读存储介质

    公开(公告)号:CN111626966A

    公开(公告)日:2020-09-04

    申请号:CN202010638940.9

    申请日:2020-07-07

    Abstract: 本发明公开了一种声呐图像的去噪模型训练方法,所述声呐图像的去噪模型训练方法包括以下步骤:获取作为训练图像的多个第一声呐图像,并对各个所述第一声呐图像进行分割得到多个第一子图像;在各个所述第一子图像中确定满足平滑条件的第一子图像以确定为平滑区域,所述平滑区域为无回波的图像;确定每个所述平滑区域对应的增广的噪声空间,以作为训练样本;根据各个所述训练样本对预设模型进行训练得到声呐图像的去噪模型。本发明还公开一种声呐图像的去噪模型训练装置和可读存储介质。本发明通过去噪模型能够准确的对声呐图像进行去噪。

    基于多波束测深声纳的气体泄露检测方法

    公开(公告)号:CN111951242A

    公开(公告)日:2020-11-17

    申请号:CN202010786527.7

    申请日:2020-08-07

    Abstract: 本发明提供一种基于多波束测深声纳的气体泄露检测方法,是一套对多波束测深声纳系统在水下采回的数据进行气体目标检测的方法,包括以下步骤:步骤1:选取数据集,将数据集里的初始数据进行全局归一化处理。步骤2:将归一化后的图像数据进行去旁瓣处理。步骤3:转为扇形图。步骤4:整理数据集。步骤5:输入待检测图像,并提取候选区域。步骤6:区域归一化操作。步骤7:分类与回归。发明提供了一种自动检测识别气体泄露的方法,相比于传统图像处理方法,本方法能够适应的环境比较多样,检测的稳定性较高,目标识别的位置更为准确,适用于能够采集到比较多数据并且环境比较多变的水下气体目标检测。

    基于多波束测深声纳的气体泄露检测方法

    公开(公告)号:CN111951242B

    公开(公告)日:2023-04-18

    申请号:CN202010786527.7

    申请日:2020-08-07

    Abstract: 本发明提供一种基于多波束测深声纳的气体泄露检测方法,是一套对多波束测深声纳系统在水下采回的数据进行气体目标检测的方法,包括以下步骤:步骤1:选取数据集,将数据集里的初始数据进行全局归一化处理。步骤2:将归一化后的图像数据进行去旁瓣处理。步骤3:转为扇形图。步骤4:整理数据集。步骤5:输入待检测图像,并提取候选区域。步骤6:区域归一化操作。步骤7:分类与回归。发明提供了一种自动检测识别气体泄露的方法,相比于传统图像处理方法,本方法能够适应的环境比较多样,检测的稳定性较高,目标识别的位置更为准确,适用于能够采集到比较多数据并且环境比较多变的水下气体目标检测。

Patent Agency Ranking