基于机器视觉技术的舰船行驶轨迹自动检测算法

由于传统的舰船行驶轨迹自动检测得到的目标图像局部视觉对比度低,弱小目标占据像素少,导致检测结果精度下降,无法为相关技术人员提供有效的参考价值,为此提出基于机器视觉技术的舰船行驶轨迹自动检测算法研究。利用所采集图像帧与帧之间的关联性,采集其灰度变化情况,获取有效信息,提取灰度矩阵特征,选择目标层次中的相邻帧,获得短时轨迹,计算得出灰度坐标,使所得轨迹光滑连续,分析单帧检测结果,完成基于机器视觉技术的舰船行驶轨迹自动检测算法研究。设计对照实验,验证所提出算法的应用效果,实验结果表明,在应用机器视觉技术后,检测得到的图像局部视觉对比度有着显著提高,能够证实所提出算法的行驶轨迹检测性能优于传统算法。     

基于神经网络的舰船红外图像特征提取和检索方法

传统方法针对舰船红外图像特征,形状特征量提取不够全面,导致目标舰船检索准确率较差。针对这一问题,提出神经网络的舰船红外图像特征提取和检索方法。预处理红外图像,利用脉冲耦合神经网络,捕捉灰度值相近的像素值,分割目标舰船,分别提取辐射特征、形状特征和不变量特征,将其输入支持向量机,进行训练,分类决策舰船特征,对比样本库实现检索。进行对比实验,结果表明,此次设计方法相比传统方法,确保了红外图像有效检索帧数,在此基础上,提高了目标舰船检索准确率,使检索结果更加可靠。     

背景灰度非均衡的舰船目标图像分割方法

现阶段,IR成像系统在舰船目标检测中的应用备受关注。由于IR图像存在背景灰度非均衡的特征,从而使得常规的图像分割方法很难对舰船目标进行准确检测。为了有效解决这一问题,探寻一种能够对背景灰度非均衡的舰船目标图像进行有效分割的方法。本文从舰船目标图像分割的现状分析入手,对背景灰度非均衡的舰船目标图像分割方法进行论述,期望本文研究能够对舰船目标图像分割精度的进一步提升有所帮助。     

双目视觉下红外遥感舰船图像三维重构设计研究

为提升舰船三维重构结果的细节丰富度,在双目视觉支持下提出红外遥感舰船图像三维重构设计方法。通过像素坐标系与世界坐标系的转换,融合可见光图像与红外遥感图像的点云信息。从可见光图像与红外遥感图像融合结果中提取舰船目标的质心、质心区域灰度以及舰船区域面积的特征点。利用半全局匹配算法,匹配提取特征点。依据匹配结果采用三角化曲面算法实现舰船图像三维重构。实验结果表明,该方法重构获取的舰船图像,细节丰富,未出现空洞或细节丢失情况。     

基于神经网络的红外图像舰船统计特征分析

目前研究的红外图像舰船统计特征分析方法全面性较差,准确性较低。为了提高舰船统计特征提取的准确度和精度,本文借鉴神经网络工作原理,进一步对红外图像识别到的舰船目标进行统计特征提取,实现预期设计的效果。本文首先了解舰船红外成像的工作原理,然后利用图像滤波、图像增强技术以及图像分割操作对舰船图像数据进行预处理分析,利用特征目标模糊分类识别方法初步实现红外图像舰船统计特征的识别,然后调用神经网络技术,完善红外图像舰船统计特征提取流程。实验表明,设计方法具有很好的全面性和准确性,实现研究目标,可以投入使用。     

改进Retinex的红外舰船图像增强算法

传统Retinex的红外舰船图像增强算法能改善图像的视觉效果,但受环境影响因素大,对复杂红外图像处理效果不明显,为此提出改进Retinex的红外舰船图像增强算法。根据灰度映射特殊函数关系,改进Retinex灰度图像增益关系,改善环境参数变化造成的图像阴影;采用傅里叶频域函数实现逆变增强,通过巴特沃斯频域函数去除低频分量,完成频域图像增强算法改进,从而解决复杂红外图像处理不清问题。实验数据表明,该设计算法比传统算法的分辨力高出63.9%,且能够识别更加复杂的图像信息,消除恶劣环境影响。     

高杂波海天背景下红外图像中舰船目标的检测

针对高杂波背景条件下的红外图像中舰船目的检测问题进行研究。在分析海空背景下的红外图像特征的前提下,先对捕获到的红外图像进行背景抑制、海天线检测等预处理以提高舰船目标提取的准确性,然后依照检测出的海天线划定目标检测小区域,再利用相邻帧图像间舰船目标运动的相关性确定真实目标,剔除虚警目标。用Matlab软件对算法进行仿真,实验结果证明本文算法有效,在一定条件下能够取得较好的识别率。     

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。     

基于Kinect和直方图均衡化的红外图像增强算法

在复杂海域上船舶的红外图像分辨率低、对比度弱、视觉特性差,研究红外图像增强算法对于进行船舶检测、跟踪和识别具有理论意义和实用价值。本文首先通过Kinect获取到红外图像的深度图像,根据景深的不同把船舶和背景区域分离出来;然后设定初始阈值,进行冗余灰度压缩、幂指数拉伸和直方图均衡后将图像的像素等间距的排列在相应的灰度级上;最后通过引入模糊指数进行图像增强效果验证。实验效果表明,经过图像增强算法图像的清晰度和对比度提高。     

基于Camshift的红外舰船目标跟踪

在海空红外图像中舰船的轮廓和纹理特征信息较少,给舰船目标的识别和跟踪带来了极大的挑战。针对这一问题,本文在研究红外系统成像机理及红外图像特性的基础上,利用滤波和直方图均衡化来减少红外图像的噪声,提高红外图像的对比度。此外,详细分析了Camshift算法,设计基于Camshift的舰船目标跟踪方案。     

基于频域滤波的噪声识别去噪算法

在频域滤波的基础上,对图像的高频部分进行噪声识别,区分边缘与噪声,进而通过改进的空间滤波算法实施去噪,使图像边缘细节部分得到保护,再将处理后的高频图像与其对应的低频图像进行融合,以获得完整的高质量图像.实验结果表明通过新算法处理后的图像可以达到较好的降噪效果.     

基于新型卡尔曼滤波器的组合导航系统

对SINS/DGPS/Magnetometer全组合导航系统进行分析,建立了相应的误差模型和系统观测模型,并提出了一种新的扩展卡尔曼滤波方法对其进行处理,仿真结果表明,该设计改善了系统性能,提高了导航定位的精度、可靠性。     

噪声对维纳滤波反卷积算法性能影响的分析

传统观念认为,扫描体制下的实孔径雷达方位分辨力受限于3dB功率波束宽度,这使得雷达难以从方位上区分波束内的两个等距目标。维纳滤波反卷积算法是一种简单实用的超分辨算法。文章仿真了不同信噪比下维纳滤波反卷积算法的超分辨率,对算法的噪声敏感特性进行了分析,为工程选择和应用提供了依据。     

火控系统相关噪声滤波器稳态增益的研究

针对现代战争中火控系统传感器的量测噪声的实际情况,经理论分析与推导,得到了具有相关量测噪声的Kalman滤波稳态增益的关系式,试图对火控系统滤波效能的提高进行实质性探索。     

卡尔曼滤波技术在潜艇组合导航中的应用研究

高精度的导航定位是潜艇研究中所面临的主要难题之一。采用GPS辅助的INS/DVL组合导航是目前潜艇的主流导航模式。当前实现GPS/INS/DVL组合导航的技术主要有航迹推算和卡尔曼滤波。本文将卡尔曼滤波技术应用于潜艇组合导航,并把EKF与传统的DR方法进行了仿真比较研究。结果表明,EKF的估计精度较高。     

基于卡尔曼滤波的水翼艇纵向运动研究

分析了水翼艇的运动方程并通过适当的假设将其线性化,建立水翼艇纵向运动状态空间方程,同时给出了系统状态的测量方程,运用卡尔曼滤波对其纵向运动进行滤波.文中同时给出了MATLAB仿真计算结果,分析其方差和最大误差,验证了结果的正确性.     

基于DSP的船舶电力推进系统滤波装置控制器设计

小型船舶电力系统中非线性负载多、谐波污染严重.针对这一情况,本文设计一款基于DSP的电力系统滤波装置控制器,该控制器结构简单,稳定性好,实验证明该控制器能有效降低谐波污染,具有一定实用价值.     

斜壁结构的水动力收敛方法研究

在分析波浪中的船舶运动或者计算大型结构的水动力系数时,往往采用时域格林函数方法。时域格林函数的一个重要局限性在于它在计算具有倾斜壁面的水动力系数时,结果很容易发散。时域格林函数本身的奇异性以及高频振动特性显然是水动力发散的一个重要原因。但即使该奇异性通过增加粘性以及表面张力的方式使之消失,计算具有斜壁结构的水动力时,发散现象依然存在。因此,该文提出一种滤波方法,除去时域格林函数的高频部分,留下其低频部分,并定义滤波系数,从而使作用于斜壁结构上的水动力值收敛。通过文中结果与频域兴波格林函数法的比较来确定最优滤波系数。结果表明：最优滤波系数几乎与运动幅值无关,但会受到运动频率以及物面形状的影响。     

卡尔曼滤波在水下载体被动弹道跟踪系统中的应用

由于水声环境和信道的复杂性及水下航行载体的高速机动性,被动弹道跟踪系统测量的弹道样点野值较多,平滑性差.要对弹道进行较准确的实时跟踪,需要对弹道测量样点进行统计平滑处理.为了提高被动跟踪系统的定位精度和对机动目标的跟踪适应能力,采用卡尔曼滤波算法对弹道进行处理是常用的做法.介绍一种经过实用且效果较好的卡尔曼滤波算法,阐述了卡尔曼滤波算法原理和系统采用的信号模型及算法实现,并通过水下目标实航试验监测弹道及算法滤波处理结果的比较,说明该算法具有良好特性.     

基于UPF的神经网络辅助机动目标跟踪

为提高机动目标跟踪性能，提出了一种神经网络辅助下的滤波方法。基于Unscented卡尔曼滤波方法，Unscented粒子滤波器（UPF）能够产生较准确的建议密度分布，因此相对于其它蒙特卡洛方法，UPF能够获得对非线性目标跟踪问题更好的近似。利用目标的机动特征建立和训练神经网络，将神经网络的输出作为加速度控制参数，用于修正目标的运动模型。仿真结果表明，与扩展卡尔曼滤波相比，神经网络辅助下的UPF具有更好的跟踪性能。