從事水下機器視覺研究工作，也就是將計算機視覺應用于水下圖像識別領域，這也屬于人工智能的一項新應用，很多人工智能人員也會發表水下圖像識別論文，為此學術顧問在這里分享水下圖像識別方面論文文獻，發表論文人員可作為參考：

　　文獻一、基于卷積神經網絡的水下目標聲吶圖像識別方法

　　摘要水下目標識別是水下無人探測的一項核心技術,為提高水下自動目標識別準確率,提出基于卷積神經網絡的目標聲吶圖像識別方法,針對聲吶圖像特點,設計了融合圖像顯著區域分割和金字塔池化的水下目標識別模型。基于流形排序顯著性檢測方法分割和裁剪圖像,減小輸入數據維度并減少圖像背景對目標特征提取過程的干擾;通過堆疊卷積層和池化層,從原始聲吶圖像中自動學習目標的高層語義信息,避免人工提取圖像特征對有效信息的破壞;提出采用空間金字塔池化方法提取特征圖中的多尺度信息,彌補聲吶圖像細節信息少的缺陷,同時解決輸入圖像尺寸不一致的問題。

　　關鍵詞自動目標識別 聲吶圖像 卷積神經網絡 顯著性 金字塔池化

　　文獻二、基于數據挖掘的水下激光圖像識別技術

　　摘要為了提高水下激光圖像識別精度,提出一種基于數據挖掘的水下激光圖像識別方法。首先收集水下激光圖像,提取其Gabor特征,并采用主成分分析法對特征進行選擇,消除冗余特征,然后根據特征對訓練樣本進行處理,并輸入到相關向量機進行學習,建立水下激光圖像識別分類器,最后采用具體水下激光圖像進行仿真對比測試。測試結果表明,本文方法可以提高水下激光圖像的識別率,而且獲得較快的水下激光圖像識別速度,具有較高的實際應用價值。

　　關鍵詞水下激光圖像 特征提取 主成分分析 圖像分類器 相關向量機

　　文獻三、基于紋理特征的水下煙囪圖像識別

　　摘要提出了一種基于紋理特征的水下煙囪識別方法,采用各紋理特征分歧加權對紋理參數的優劣進行區分,有效地克服了水下光照不均帶來的圖像灰度變化和紋理差異造成的分類困難.實驗表明此方法對水下煙囪的識別取得較好的效果.

　　關鍵詞紋理特征 水下 圖像識別 煙囪 識別方法 紋理參數 灰度變化

　　以上都是水下圖像識別方向可參考的文獻，這方面的論文還是很多的，作者自己查找文獻也有一定的難度，并且也是耗費時間的，因此建議您咨詢在線學術顧問，此外學術顧問也推薦了一本水下圖像識別論文可投稿刊物：《水下無人系統學報》2017年正式更名為《水下無人系統學報》。現設欄目: 綜述評論、基礎研究、工程應用、研究簡報等。該刊為國內多家主流數據庫收錄, 現為中國科技論文統計源期刊(中國科技核心期刊)。讀者對象為從事水下無人裝備科學與技術領域研究、設計、生產和使用的廣大科研技術及管理人員、領導機關、部隊、大專院校師生以及熱愛、關注水下無人裝備技術的廣大讀者。現有讀者主要分布于北美、澳洲、西歐、亞洲等9個國家和地區。

　　版權聲明：文章來源于網絡，由本平臺整合撰寫，版權歸原作者或平臺所有，分享只為學術交流，如有侵權請聯系刪除或整改，謝謝。