W pracy przedstawiono wyniki badań skuteczności metod rozpoznawania obiektów morskich na podstawie obrazów FLIR za pomocą metod opartych na różnych wariantach transformaty PCA oraz konwolucyjnej sieci neuronowej. Jako bazę wzorów wykorzystano zdjęcia dziewięciu typów obiektów zarejestrowanych na Morzu Bałtyckim. Obie metody potwierdziły swoją skuteczność, przy czym sieci neuronowe wykazały wyższą skuteczność na poziomie 96%, natomiast PCA - 80% - 87%..
EN
The paper presents results of the effectiveness research on the of maritime object recognition methods from FLIR images using methods based on different variants of the PCA classifier and a convolutional neural network classifier. Images of nine types of objects recorded in the Baltic Sea have been used as a pattern base. Both methods confirmed their effectiveness, with neural networks showing 96% effectiveness, while PCA 80% - 87%.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Praca dotyczy rozpoznawania obiektów morskich na podstawie ich obrazów wykonanych przez sensory podczerwieni (FLIR – forward looking infra-red). W pracy zaproponowano wykorzystanie połączonych transformat analizy głównych składowych PCA (Principal Component Analysis) i liniowej analizy dyskryminacyjnej LDA (Linear Discriminant Analysis) oraz transformaty dopasowania szeregów czasowych DTW (Dynamic Time Warping) wraz z metodą wyznaczania odległości dwóch szeregów czasowych za pomocą algorytmu programowania dynamicznego.
EN
This paper presents methods of recognition of maritime objects based on FLIR (forward looking infra-red) sensor images. Two methods of recognition are proposed: a method of combined transforms of the Principal Component Analysis PCA with the Linear Discriminant Analysis LDA and the DTW (Dynamic Time Warping) transform with the method of determining the distance of two time series by means of a dynamic programming algorithm.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.