基于互信息技术的舰船图像拼接研究

舰船图像拼接是舰船图像处理领域的关键技术,为了降低舰船图像拼接误差,使拼接后的舰船图像更加完整,提出了基于互信息技术的舰船图像拼接方法。首先对当前舰船图像拼接研究现状进行分析,找到各种舰船图像拼接方法的缺陷,然后采集舰船图像,提取舰船图像拼接特征,最后基于互信息技术描述2幅舰船图像的相关性,进行舰船图像配准和拼接,并进行了舰船图像拼接仿真实验。结果表明,本文方法可以得到比较完整的舰船图像拼接结果,降低了舰船图像拼接误差,舰船图像拼接速度要快于对比方法 2倍以上,提高了舰船图像拼接效率,验证了本文方法的优越性。     

基于云计算的舰船大规模任务调度优化

当前舰船任务调度优化方法针对小规模任务,对于大规模舰船任务,它们存在搜索最优舰船任务调度方案时间长,舰船任务无法在有效时间内完成,为了加快舰船任务完成速度,结合舰船任务的大规模特点,设计了基于云计算的舰船大规模任务调度优化方法。首先对舰船大规模任务调度优化问题进行分析,将它们划分成为多个小规模舰船任务调度优化问题,然后基于云计算平台的map/reuduce模式对多个小规模舰船任务调度优化问题进行并行处理,并对多个小规模舰船任务采用混合智能优化算法进行求解,最后得到舰船大规模任务调度优化结果,并进行了舰船大规模任务调度优化问题的仿真测试。本文方法大幅度减少了舰船大规模任务调度优化时间,提高了舰船大规模任务完成效率,是一种有效、速度快的舰船大规模任务调度优化方法。     

基于卷积神经网络的舰船图像增强算法

为了改善舰船图像增强效果,提出基于卷积神经网络的舰船图像增强算法,首先采用同态滤波器对原始舰船图像进行预处理,有效压缩舰船图像的动态范围,丰富舰船图像的细节信息,然后引入卷积神经网络对舰船图像色彩进行校正处理和补偿,解决舰船图像偏色问题,最后进行舰船图像增强仿真模拟实验。结果表明,卷积神经网络可以提高舰船图像的对比度,凸显了舰船图像细节,舰船图像的视觉效果优,舰船图像的增强结果要优于对比算法,同时降低了舰船图像增强的时间复杂度,舰船图像增强效率得以提升。     

舰船保障性设计研究

文章首先介绍了国内外装备保障性现状;在分析舰船保障性设计要求与舰船装备特点、舰船全寿命周期保障性设计因素的基础上,提出了舰船设计与舰船保障性设计同步实施方法;最后,描述了舰船保障性设计过程,并为全面开展舰船保障性设计提出了建议.     

激光雷达信号的舰船识别研究

舰船是一种海上军事目标,对其进行高精度识别具有重要的研究意义,传统舰船识别方法通用性差,无法识别所有类型的舰船型号,导致舰船的误识概率相当高,为了有效降低舰船误识概率,提高舰船识别的精度,提出了基于激光雷达信号的舰船识别方法。首先对激光雷达的工作原理进行分析,并通过激光雷达信号成像技术获取舰船图像,然后从舰船图像中提取识别特征,并根据特征进行舰船图像匹配,从而实现舰船识别,最后进行激光雷达信号的舰船识别性能测试,实验结果表明,本文方法可以有效地识别舰船类型,舰船的误识概率要明显少于对照舰船识别方法,提高了舰船识别率,实验结果验证了本文方法的先进性。     

基于图像增强技术的舰船图像拼接

当前舰船图像拼接技术存在拼接准确率低、拼接速度慢等问题,为了提高舰船图像拼接精度,设计了基于图像增强技术的舰船图像拼接方法。首先对当前舰船图像拼接方法进行分析,得到舰船图像拼接准确率低的原因,然后采用图像增强技术对原始舰船图像进行预处理,提高舰船图像的清晰度,并计算舰船图像的分块邻域梯度向量,得到舰船图像的初始拼接结果,最后去除舰船图像初始拼接结果中的拼接错误,并引入聚类分析算法对舰船图像拼接结果进行优化。舰船图像拼接仿真测试结果表明,本文方法可以消除图像相似性对拼接结果的不利影响,可以进行高精度的舰船图像拼接,并且减少了舰船图像拼接时间,舰船图像拼接速度要快于当前其他舰船图像拼接方法,获得了令人满意的舰船图像拼接结果。     

基于人工智能技术的舰船轨迹规划算法

轨迹规划是保证舰船安全航行的关键技术,针对当前舰船轨迹规划算法存在规划精度低、速度慢等不足,为了获得更优的舰船轨迹规划方案,设计了基于人工智能技术的舰船轨迹规划算法。首先分析了当前舰船轨迹规划的研究现状,并构建了舰船轨迹规划的数学模型,然后采用人工智能技术对舰船轨迹规划的数学模型进行求解,搜索到最优的舰船轨迹规划方案,最后采用具体仿真模拟实验验证舰船轨迹规划算法的性能。结果表明,人工智能技术的舰船轨迹规划精度高,舰船轨迹规划速度快,获得了比其他算法更优的舰船轨迹规划方案,可以应用于实际舰船安全航行管理中。     

舰船通信网络的自适应路由算法设计

路由算法是保障舰船通信网络正常工作的关键技术,当前舰船通信网络路由算法没有全面考虑节点能量限制问题,使得舰船通信网络的路由并非最优,导致舰船通信网络数据传输错误率高,舰船通信网络生存周期过短,为了提高舰船通信网络的通信质量,加快舰船通信网络数据传输速度,设计了一种自适应的舰船通信网络路由算法。首先对国内外舰船通信网络路由算法进行研究,找到引起各种算法不足的限制因素,然后模拟生物细胞分裂过程对舰船通信网络进行分簇,每一个簇包含不同规模的舰船通信网络通信节点,并舰船通信网络路由能耗最小、舰船通信网络生存周期最长为优化目标,构建最优的舰船通信网络通信路由,最后在Matlab 2016平台进行了舰船通信网络路由算法的性能测试实验。本文算法提高了舰船通信网络通信的平均吞吐量,舰船通信网络数据传输时延小,提高了舰船通信网络通信效率,有助于提高舰船通信网络的生存周期,具有十分高的实际应用价值。     

小波变换下舰船噪声信号识别方法

考虑到舰船在海上航行过程中受到海上多种环境因素的干扰,降低了舰船噪声信号的识别性能,为此提出小波变换下舰船噪声信号识别方法研究。基于小波变换原理,对舰船噪声信号进行分解,得到分解后的特征分量,为了消除声呐距离的影响,引入归一化处理方式,提取出舰船噪声信号特征。根据舰船噪声信号的识别形式,计算了舰船噪声信号样本周围的紧密度。基于舰船噪声信号样本的分布情况,设计了舰船噪声信号的识别流程,实现了舰船噪声信号的识别。实验结果表明,小波变换下舰船噪声信号识别方法不仅可以提高舰船噪声信号的识别率,还可以加快识别速度,从而提高了舰船噪声信号的识别能力。     

数据挖掘技术的舰船磁性目标定位方法

针对传统舰船磁性目标定位方法在定位舰船磁性目标时,受到航行环境的影响,存在目标定位偏差大、时间长的缺点,提出数据挖掘技术的舰船磁性目标定位方法。根据舰船磁性目标特征的确定原理,确定了舰船磁性目标的特征,采用数据挖掘技术将舰船磁性目标特征提取出来,利用平滑处理技术对舰船磁性目标特征进行滤波处理,在引入舰船磁性目标的边缘停止函数基础上,对舰船磁性目标特征进行映射,预处理了舰船磁性目标特征,通过分析舰船磁性目标的定位原理,布置磁性传感器,通过判断磁性传感器采集的舰船磁性目标是否有效,实现了舰船磁性目标的定位。实验结果表明,数据挖掘技术的舰船磁性目标定位方法不仅可以提高舰船磁性目标的定位精度,还可以加快目标定位速度。     

深度卷积网络的舰船图像自动分割研究

当前舰船图像自动分割方法存在"过分割"或者"欠分割"现象,使得舰船图像自动分割误差大。为了提高舰船图像自动分割精度,提出了基于深度卷积网络的舰船图像自动分割方法。对当前舰船图像自动分割的研究现状进行分析,找到引起舰船图像分割误差的原因。采用活动轮廓模型对舰船图像进行粗分割,并找到其中的舰船图像错误分割区域。最后,采用深度卷积网络对舰船图像的错误分割结果进行校正,实现舰船图像进行精细分割,并与活动轮廓模型的舰船图像自动分割方法进行了对比实验。结果表明,相对于活动轮廓模型,深度卷积网络的舰船图像分割精度更高,降低了舰船图像的误分割率,验证了本文舰船图像自动分割方法的优越性。     

舰船总体设计流程分析

舰船总体设计是舰船装备研制重要的关键环节,其设计流程决定了舰船总体设计的优劣和效率,因此,分析和梳理总体设计流程至关重要。由于舰船总体设计的系统性和复杂性,探讨了舰船总体设计的定义与特点,介绍了舰船总体设计方法和设计阶段应完成的工作及成果,总结了舰船总体设计流程以及各环节应开展的支撑性工作,并展望了舰船总体设计技术发展方向。     

基于云平台的海量舰船图像查询研究

针对海量舰船图像查询速度实时性高的要求,设计了基于云平台的海量舰船图像查询算法。首先分析当前舰船图像查询的现状,指出了当前各种舰船图像查询算法存在的缺陷,然后提取舰船图像查询特征,并采用支持向量机建立舰船图像查询模型,最后结合舰船图像的大规模、海量特点,引入云平台并行实现海量舰船图像查询,并与其他舰船图像查询算法进行了仿真对比实验,本文方法可以快速实现海量舰船图像查询,舰船图像查询速度和查询正确率均显著高于对比算法,为海量舰船图像查询提供了一种新的研究工具。     

云计算技术的舰船发电机组转速控制方法优化

舰船发电机组受到海上环境的影响,导致舰船发电机组的转速不稳定。为了稳定舰船发电机组的转速,降低舰船航行的风险,提出云计算技术的舰船发电机组转速控制方法优化。利用舰船发电机组的功能转换,建立了发电机组等效电路模型。通过设定发电机组等效电路模型参数,计算舰船发电机组输出功率和输入功率之间的关系。建立舰船发电机组的动力学模型,利用发电机组输出扭矩与喷油量和角速度之间的关系,建立优化目标函数。通过负载功率,选取了舰船发电机组的最佳运行转速。通过制定舰船发电机组转速控制策略,实现了舰船发电机组转速的控制。实验结果表明,云计算技术的舰船发电机组转速控制方法可以稳定舰船发电机组的转速,降低舰船航行的风险。     

改进SIFT算法的舰船图像拼接算法

舰船图像在拍摄过程中,由于各种因素的干扰,得到舰船图像不完整,难以描述舰船图像所要表达目标的信息,而当前舰船图像拼接算法存在拼接准确率低、拼接过程复杂等不足,为了获得理想的舰船图像拼接结果,提出基于改进SIFT算法的舰船图像拼接算法。首先提取待拼接舰船的图像,并对它们进行归一化、颜色增强、噪声滤波等操作,然后采用改进SIFT算法提取舰船图像拼接特征点,根据特征点进行两幅舰船图像的拼接操作,最后采用多种舰船图像进行了拼接测试实验,以验证改进SIFT算法的优越性。结果表明,改进SIFT算法避免了当前舰船图像拼接算法存在的局限性,不仅能够以高准确率实现舰船图像拼接,而且舰船图像拼接过程更加简单,加快了舰船图像拼接速度,取得了满意的舰船图像拼接结果。     

基于量子粒子群算法的舰船无线网络路由方法

针对当前舰船无线网络路由方法存在的数据传输时延大,舰船无线网络路由的可靠性差等问题,设计了基于量子粒子群算法的舰船无线网络路由方法。首先分析了舰船无线网络路由方法的工作机理,然后根据舰船无线网络传输的要求将用户服务划分为3大类,并对舰船无线网络传输性能指标进行分析,最后采用量子粒子群算法建立无线网络传输路由,并通过仿真实验分析了舰船无线网络传输的各项性能指标,结果表明,本文方法减少了舰船无线网络路由中的数据传输时延,提高了舰船无线网络数据传输可靠性,改善了舰船无线网络通信质量,无线网络通信的整体效果要明显优于当前其他舰船无线网络路由方法。     

基于BP神经网络的舰船维修成本估计

舰船维修成本估计直接影响舰船企业的运营效益,针对当前舰船维修成本估计方法存在的一些局限性,以延长舰船寿命,提出基于BP神经网络的舰船维修成本估计方法。首先介绍当前舰船维修成本估计研究现状,找到当前各种舰船维修成本估计方法的不足,然后在此基础上依据舰船维修成本变化特点,引入BP神经网络建立舰船维修成本估计模型,最后通过Matalab2017平台实现了舰船维修成本估计仿真实验。相对当前其他的舰船维修成本估计方法,BP神经网络可以更好地跟踪舰船维修成本变化特点,不仅舰船维修成本估计精度高,而且舰船维修成本估计建模时间短,为解决复杂多变的舰船维修成本估计问题提供了一种新的方法。     

神经网络的舰船航迹跟踪分析

舰船航迹具有比较强的时变性,对其进行研究具有重要意义。针对传统舰船航迹跟踪分析方法难以准确、在线性对舰船航迹进行跟踪,舰船航迹跟踪误差大的缺陷,设计了基于神经网络的舰船航迹跟踪分析方法。首先分析了舰船航迹跟踪的原理,指出各种舰船航迹跟踪分析方法的局限性,然后通过神经网络对舰船航迹进行有效拟合,建立舰船航迹跟踪分析模型,并对神经网络的相关参数进行优化,最后进行舰船航迹跟踪分析仿真模拟测试,神经网络的舰船航迹跟踪误差小于5%,远远低于舰船航迹跟踪实际要求的15%,而且舰船航迹跟踪精度要高于传统舰船航迹跟踪分析方法,舰船航迹跟踪分析时间更短,能够进行舰船航迹在线跟踪分析,具有更高的实际应用价值。     

纹理高阶分形特征的海面舰船目标检测方法

为了提高海面舰船目标检测效果,提出纹理高阶分形特征的海面舰船目标检测方法。首先分析海面舰船目标检测原理,并对海面舰船目标图像进行处理,然后提取海面舰船目标检测的纹理高阶分形特征,并引入卷积神经网络分析海面舰船目标的变化特点,从而建立海面舰船目标检测模型,最后通过仿真实验分析海面舰船目标检测的效果。结果表明,对复杂背景的海面舰船目标,本文方法不仅提升了海面舰船目标检测的准确性,解决了海面舰船目标漏检的难题,而且海面舰船目标检测速度明显加快,可以实现海面舰船目标实时监控。     

舰船基座设计研究

探讨了舰船基座的一般设计准则，介绍了一些典型舰船的基座设计，分析研究了舰船基座的计算设计方法和舰船基座的试验研究方法，提出了舰船基座设计的一般步骤。