基于图像处理的舰船火灾烟雾检测技术研究

舰船火灾探测报警系统作为损管监测体系的关键构成部分,其性能的优劣将会直接影响到舰船和舰员的安全问题。为提高舰船火灾探测技术的实时性和准确性,减少误报、漏报等情况的发生,提出一种结合烟雾颜色特征与运动特征进行研究的视频火灾烟雾检测技术。该技术通过运动目标区域检测和对烟雾颜色特征、形状不规则性和扩散性特征的提取,经过分析与判断,将满足烟雾特征判据的目标区域判别为烟雾区域。检测结果表明该技术能够准确且迅速地探测火灾烟雾,误报率低,可靠性好。     

舰船多参量火灾探测技术方案

针对舰船火灾特点,采用多参量(烟雾体积浓度、温度、一氧化碳体积浓度)信息融合技术,对多种火灾特征参量进行综合分析处理,建立舰船复杂环境下的火灾探测方案,可有效提高火灾探测准确度、降低火灾误报率。     

基于图像熵的火灾烟雾识别

提出了一种基于图像熵的烟雾运动模式识别方法,用来实现对火灾烟雾的探测.通过对烟雾自由扩散模型的理论分析,得出了烟雾扩散熵增运动的特征.通过引入信号学中"图像熵"的理论,用来捕捉烟雾运动造成的熵变特征,进而实现火灾烟雾的检测.经过实验的验证和分析,并对图像熵值的变化进行傅立叶变换,得出了干扰运动和烟雾运动具有不同特征信号的结论,从而实现了烟雾的识别.与以往研究者通过研究视频烟雾的图像特征出发不同,文中从烟雾的热力学的性质和它在流体力学方面的运动特征,得出它与一般的刚体具有截然不同的运动模式的理论,以图像熵作为核心参量,得出一种实用高效的火灾烟雾检测算法.实验表明:这种检测算法受到环境的干扰较小,特别适合复杂环境的烟雾检测,并可以用于对火灾环境的评估.     

串行视觉通信下舰船失真图像颜色校正方法分析

以提升串行视觉通信下的舰船图像质量为目标,研究串行视觉通信下舰船失真图像颜色校正方法。采用多线程通信技术,通过写线程、读线程以及监测线程的多线程合作,完成舰船图像的串行视觉通信。依据自适应颜色阈值,划分待传输的舰船失真图像为多个层次,针对各层次的舰船图像设置不同尺度的细节函数,依据细节函数提取舰船失真图像的颜色特征信息。依据所提取的颜色特征,划分舰船失真图像的亮区域与暗区域。利用统计特征匹配方法以及直方图匹配方法,分别完成亮区域与暗区域的颜色校正,合成完成颜色校正的暗区域与亮区域,获取舰船失真图像颜色校正结果。实验结果表明,该方法有效校正串行视觉通信下的舰船失真图像颜色,舰船失真图像的色度、饱和度、亮度改善效果明显。     

图像识别火灾探测技术在舰船消防中的应用分析

舰船火灾是危害舰船生命力的关键因素,对于舰船火灾的防控提倡在火灾发生时尽早探测报警,并实施有效灭火,因此舰船火灾的探测识别尤为关键。图像识别火灾探测技术作为一种新型的火灾探测技术具有灵敏度高、准确性好等优势,因此本文从火灾图像探测技术基本原理出发,介绍了火灾图像探测技术的发展现状,并对图像识别火灾探测技术在舰船消防中的适用性进行分析。分析认为将图像识别火灾探测技术运用在舰船上还应在以下领域做出改进:1)火灾图像识别算法对船舶典型火灾的识别能力;2)火灾探测系统对舰船环境的适应能力。     

人工神经网络在舰船火灾探测中的应用

舰船火灾探测系统的目的是能及时、准确地探测到舰船上发生的火灾。提出一种利用人工神经网络的舰船火灾探测方法，通过设计三层反向传播（BP）人工神经网络模型，使用改进的BP算法——LM算法，对多传感器（温度传感器、烟雾传感器和CO传感器）同时探测到的数据进行智能化处理。仿真结果表明：基于人工神经网络的舰船火灾探测系统能及时、准确地识别各种火灾信号。     

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。     

灰色预测CO浓度在舰船火灾探测中的应用

为了有效地探测舰船火灾,根据舰船火灾信号的特点,选取CO浓度作为火灾探测信号的特征,并提出采用灰色系统模型预测CO浓度增大趋势,通过与实际探测值比较得出相应时刻的预测误差,进而判断是否存在火灾威胁的探测方法,同时结合舰船工作环境的特点,设计了三级火灾报警等级。仿真结果证实了该方法的有效性,对现有的火灾探测方法是一种补充。     

水面舰船火灾烟雾的控制和管理方法

为提高水面舰船防火能力,通过分析水面舰船的密性要求及各种区域划分之间的关系,提出基于区域化设计的水面舰船烟密区域初步划分方法,归纳了火灾烟雾控制管理流程,并给出了火灾烟雾控制的具体措施。此外,通过对典型舱段实例进行划分方法说明,可为相关舰船总体设计提供有益的参考。     

基于模糊神经网络的舰船火灾早期探测报警系统设计

结合当前舰船火灾探测报警系统的现状和对于火灾早期探测的需求,提出一种将主动吸气式空气采样感烟探测器和阴燃类电气火灾燃烧产物特征量CO及传统温度信号通过模糊神经网络和遗传算法进行融合判定的系统设计方法,详细描述系统的构成,通过数据采集、模糊推理、火灾判定的软件实现过程.同时通过仿真计算表明该系统对于提高火灾探测报警的关键性能指标"响应时间"和"误报率"的有效性.该系统设计方法为电气类阴燃火的早期探测提供有效的技术解决途径,同时提高了系统抗误报警能力.     

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。     

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。     

多特征融合的新型火灾图像探测方法研究

针对常用的单特征判据的火灾图像探测技术在复杂场景中难以有效地去除干扰,容易出现误报漏报情况,在对火焰图像的颜色特征和形态学特征的研究基础上,结合计算机图形学、数字图像处理等技术,提取火焰的面积变化,颜色特性,以及尖角特征等多种参数,拓展一种多特征融合的火灾图像探测方法.通过采用七组视频录像对此探测方法进行验证,实验结果表明,该方法能较好地排除干扰信息,探测率高,可靠性好.     

红外图像识别在舰船火灾中的应用分析

船舶上铺设有大量的电力输送线路,由于船舶电力系统的工况恶劣,往往会引发输电线路的短路、漏电等故障,进而引发舰船火灾,造成严重的人员伤亡和经济损失。火灾扑救的最佳时机是在火灾发生初期,因此,为了对船舶火灾事故防患于未然,研究一种行之有效的舰船火灾预防和报警系统有重要的意义。传统的船舶火灾报警系统普遍采用烟雾传感器和热传感器等作为火灾监测器,火灾监测的灵敏度较差且误报率高,具有一定的局限性。本文研究了一种基于红外图像识别技术的新型舰船火灾报警系统,并对该舰船火灾监测与报警系统的图像识别、边缘处理、平滑滤波等技术进行了详细的介绍。     

无线网络舰船运动目标检测动态聚类图

在舰船航行的过程当中会受到海面随机因素的影响,使舰船自身特征被周边环境所掩盖,导致其统计显著性不明显。针对上述问题,提出无线网络的舰船运动目标检测动态聚类图研究。将海上原始流量数据聚类,采集环境信息,定位舰船运动轨迹,计算舰船理想位置与目标位置间的距离残差,利用谱图划分的模式,从不同角度提取目标舰船特征,从微观层次转变到介观层次,完成无线网络的舰船运动目标检测动态聚类图研究。实验结果表明,所提出的新型方法将检测范围加以细化后,提高了运动目标的显著度,使舰船自身特征识别能力得以提高,从而有效减小了周边环境对聚类结果的影响。     

舰船空气采样感烟探测技术的应用研究

介绍了空气采样感烟火灾探测技术的工作原理和特点，结合舰船消防系统火灾探测技术现状和探测保护部位的特殊性，设计了舰船典型机电舱室的空气采样感烟探测报警系统，通过建立陆上燃烧室模拟实船机电舱室保护区进行了火灾探测对比试验。     

基于遥感图像的舰船毁伤效果评估方法研究

提出了一种基于遥感图像变化检测的舰船毁伤效果评估方法,主要包括图像预处理、舰船检测、毁伤前后目标区域提取、特征提取和分级评估五个部分。研究了目标区域提取和变化特征选取等问题,提取几何特征与纹理特征进行分级评估。基于视景仿真技术进行了舰船毁伤效果模拟,采用模拟的图像进行毁伤效果评估仿真实验。实验结果表明,该方法能有效地实现对海上舰船目标的毁伤效果评估。     

基于改进高斯模型的目标检测与阴影去除方法

针对复杂环境下传统目标检测方法不能够准确检测出运动目标,容易将运动阴影误检为运动目标的问题,提出一种基于改进自适应混合高斯模型与颜色空间相结合的目标检测与阴影去除方法.该方法通过三帧差分获取当前帧目标的粗略区域,使用改进混合高斯模型方法区分出包含阴影的运动区域与背景显露区域,采用不同的自适应更新策略更新建模参数;然后进一步利用基于YUV颜色空间特性去除阴影;最后通过形态学处理提取出准确的运动目标区域.对比实验表明,所提方法不仅能够有效抑制阴影和光照变化的影响,而且具有良好的实时性.     

云计算技术的舰船运动目标自动跟踪

针对传统舰船运动目标的自动跟踪方法存在滞后性,导致舰船运动目标无法完整出现在搜索窗中的问题,提出一种云计算技术的舰船运动目标自动跟踪方法。首先提取舰船运动目标特征点,使用Harris算子图像的一阶导数提取出舰船运动目标特征点,然后利用云计算的分布式的计算特点,分布计算舰船运动目标的跟踪向量,得到循环跟踪矩阵,选取跟踪目标搜索窗,计算目标搜索窗的大小后,实现舰船运动目标自动跟踪。实验结果表明,与传统舰船运动目标自动跟踪方法相比,云计算技术的舰船运动目标自动跟踪方法不存在滞后性,搜索窗中可以全部呈现出舰船运动目标。     

神经网络在船舶水压场信号检测中的应用

在现代战争中,各种水声探测设备被开发出来,用于对我方船只和敌对船只的监测。这些水声设备的基本原理都类似,即基于对水压场的探测,获得目标物的信号特征,并由此甄别出目标物的运动状态。如今人工智能的应用,极大提高了水压场信号的检测水平。本文重点研究舰船水压场的信号检测技术,并基于神经网络算法对舰船的水压场模型进行分析。通过对水压场信号的分析,获得舰船模型的水压场数据。利用Autodyn软件对模拟船舶的水压场状态进行仿真,给出压力强度变化曲线。