基于视觉搜索的舰船跟踪方法研究与仿真

基于视觉图像处理方法实现对舰船目标的跟踪识别,提高对舰船目标的搜索和打击能力。传统方法采用舰船目标轮廓亮点检测方法实现对目标的视觉搜索,在图像模糊和背景干扰较强时,检测效果不好。本文提出一种基于相邻帧补偿和尺度不变特征变换的舰船视觉搜索跟踪算法。为提高舰船目标图像视觉特征采集的清晰度和稳定性,采用电子稳像技术对舰船视觉信息采集进行直方图均衡处理,采用尺度不变特征变换SIFT技术对舰船目标进行角点特征提取。采用相邻帧补偿技术进行背景干扰滤波,在相邻两帧之间求解舰船的运动参量,实现对舰船目标的视觉搜索和跟踪。仿真实验表明,采用该算法实现对舰船目标的视觉搜索跟踪,舰船视觉特征的稳像性能较好,对舰船目标的准确识别率较高,展示了较好的应用价值。     

基于大数据的舰船红外图像目标实时跟踪方法

舰船红外图像目标实时跟踪具有重要的研究意义,针对当前舰船红外图像目标实时跟踪算法存在的易丢失跟踪目标、目标跟踪精度低、计算时间少等缺陷,为了改善舰船红外图像目标实时跟踪效果,设计了基于大数据的舰船红外图像目标实时跟踪方法。首先分析了目前一些经典舰船红外图像目标实时跟踪方法的缺陷,找到引起它们不足的原因,然后提取舰船红外图像目标跟踪特征,并采用大数据分析技术根据特征实现舰船红外图像目标实时跟踪,最后对舰船红外图像目标跟踪误差和实时性进行实例分析,结果表明,本文方法的舰船红外图像目标跟踪精度高,跟踪误差处于实际应用要求的最小区间内,且舰船红外图像目标跟踪计算时间短,可以对目标进行实时有效的跟踪,获得比其它方法更优的舰船红外图像目标实时跟踪结果。     

主动轮廓模型在运动舰船目标跟踪中的应用

应用数字图像处理技术对视频监控系统中的舰船目标进行运动检测与跟踪。针对水面环境存在的复杂变化,选用混合高斯背景模型的方法构建实时背景模型,应用背景差分法检测出监控画面中的运动舰船区域,并得到舰船目标的初始轮廓,再利用主动轮廓模型方法,提取运动舰船目标轮廓,并利用舰船轮廓实现目标跟踪。实验表明,算法可对目标轮廓进行较好地跟踪,并且复杂度较低。     

三维动态舰船图像颜色特征自动提取及应用研究

以提升舰船颜色特征的应用技术水平,研究三维动态舰船图像颜色特征自动提取和应用方法。通过相机采集三维动态舰船图像颜色特征后,先使用PCA算法获取三维动态舰船图像的颜色特征子空间,再通过K-means聚类算法得到三维动态舰船图像颜色特征,以该颜色特征作为基础,分别利用支持向量机算法和二阶常速模型实现舰船目标识别和航迹跟踪。实验结果表明,该方法可有效提取三维动态舰船图像颜色特征的R、G、B分量,提取舰船图像颜色特征能力较强。将提取到的三维动态舰船图像颜色特征,应用到舰船目标识别和航迹跟踪,可有效识别舰船和跟踪舰船航迹,应用效果较为显著。     

云计算平台的海量舰船目标图像识别

针对传统海量舰船目标识别方法存在检测用时长、监测精度低等问题,因此,本文以云计算平台为研究基础,对该平台提取的海量异常舰船目标图像特征,进行识别方法的研究。首先,利用C-V水平集模型对舰船目标进行分割,根据轮廓曲线方程求解能量最小值后,使区域内的轮廓曲线逼近于图像目标边界,实现舰船目标的有效识别,最后实验证明,本文研究的智能监测方法用时短、监测精度高,且能够对舰船目标进行准确跟踪,具有很好的实用性。     

船舶机舱监控视频的智能检索系统设计

智能监控是通过图像处理的方法对动态场景中的目标进行自动、实时的跟踪识别,并分析和判断目标行为的现代化电子计术。对舰船智能监控系统的基本理论和关键技术进行深入调查和研究,提出了舰船监控智能检索系统设计方法,以便更好的对目标进行跟踪。通过对目标数据特征进行分析,对视频的序列进行匹配和记录,优化舰船机舱视频对监控目标的检测和提取功能,为验证方法的有效性,设计仿真实验,对视频数据进行检测和提取,并记录图像目标特征。试验结果表明该方法有计算简单、运行稳定的特点,可快速得到正确的视频跟踪检索目标。     

视频监控网络中舰船搜索关键技术

在舰船搜索中,由于传统舰船搜索技术的搜索效率较低,拉低了海上搜救的整体效率。为此,提出一种在视频监控网络中的舰船搜索关键技术,将渐进式的目标搜索方法应用于舰船搜索中,建立一个以视频监控网络为基础的渐进式搜索框架,利用该框架进行舰船的信息特征匹配,再利用匹配后的舰船信息特征,并通过多层感知机进行相似信息特征的排序,从而实现视频监控网络中的舰船搜索。为了验证该技术的有效性,与基于图像增强的舰船搜索技术、基于生成对抗网络的舰船搜索技术进行对比,得出该技术的整体搜索效率为84.4%。通过比较可知,本文技术搜索效率高于传统技术,证明了该技术的有效性。     

机器学习算法的舰船路径跟踪误差估计

针对传统舰船路径跟踪误差估计方法存在误差估计性能较差的问题,设计一种机器学习算法的舰船路径跟踪误差估计方法,对舰船路径跟踪时的运动方向进行简化。根据其扰动状态对舰船路径跟踪实施扰动分析,获取舰船路径跟踪时的旋转角度与角速度。设舰船在初始跟踪位置开始跟踪目标船,通过轨迹跟踪获取目标船的参考运动轨迹,利用饱和输入约束获取舰船路径跟踪目标轨迹的控制参数,并将其作为目标船参考运动轨迹的决定优化变量,获取参考运动轨迹,利用机器学习算法对舰船路径跟踪误差进行估计。为了证明机器学习算法的舰船路径跟踪误差估计方法的误差估计性能较好,将传统方法与该方法进行对比实验,实验结果证明该方法的误差估计性能优于传统方法。     

云计算环境下舰船图像特征识别方法

目前舰船图像特征识别方法,未曾提取舰船图像目标,导致图像特征识别率低,且容易受到图像拍摄方向影响,为此提出云计算环境下舰船图像特征识别方法。在云计算环境下,利用OpenStack云平台,预处理舰船图像;引入LBP算子,提取舰船图像目标,识别舰船图像特征。实验结果表明,此次研究的舰船图像特征识别方法,识别同一舰船图像特征,受到图像拍摄方向影响较小,具有较高的特征识别率。     

云计算环境下模糊舰船图像局部特征提取方法研究

为弥补SIFT算法在匹配精度上存在的不足,设计云计算环境下的模糊舰船图像局部特征提取方法。在云计算服务框架中,实现矢量描述子的分类操作,完成云计算环境下的舰船图像节点匹配处理。在此基础上,按照舰船图像的局部特征构造需求,建立模糊图像的稀疏数据库,再根据必要特征提取量的计算结果,实现新型模糊舰船图像局部特征提取方法的顺利应用。对比实验结果表明,与SIFT算法相比,应用新型局部特征提取方法后,舰船图像模糊匹配精度最大值接近75%,传统提取遗留问题得到妥善解决。