图像小波变换去噪matlab代码声纳图像的深度学习
上传了两套声纳图像：lab_images是从受控实验室实验中获得的；
实地图像是由EPRI在2015年在圣劳伦斯河进行的野外实验获得的。
每个数据集包含鳗鱼和非鳗鱼对象（木棍和pvc管）的声纳图像。
有四个图像版本：
orgnl：没有任何图像处理技术的原始图像；
diff：通过图像差异消除静态背景的差异图像；
wvlt：用小波变换去噪的原始图像；
diffwvlt：经过小波去噪和差分处理的图像。
Excel文件sonar_data_description中包含了实验室实验和现场实验中的声纳设置。
根据声纳图像质量，将鳗鱼现场图像分为三层。
建议使用1级和2级鳗鱼图像来训练和测试CNN模型。
仅使用实验室数据的代码CNN_lab_data.py训练和测试过的CNN模型。
代码CNN_field_data.py仅使用现场数据训练和测试的CNN模型。
Matlab脚本处理了.aris声纳数据并提取了鳗鱼和非鳗鱼对象的图像。
注意：.aris数据是使用开放源代码MATLAB脚本读取的（请参阅参考资料）（Handegard＆Williams，2
2021-07-29 09:31:59
21.57MB
1
学习基于声纳图像的机器学习分类时使用的整套资料，包括数据集、提取方法说明及使用学习机器学习分类的全过程记录，对新手非常友好
2021-07-22 22:06:21
2.04MB
1
被动合成孔径技术中的扩展拖曳线列阵测量方法 ( ex tended-tow ed-array measurements metho d, ET AM )合成出比实际物理孔径大得多的有效
孔径 ,从而突破阵列孔径的限制 ,获得比物理孔径高得多的方位分辨力 .
2021-03-07 10:00:36
2KB
1