基于光学遥感图像的船舶跟踪算法研究

船舶在海上航行中需要进行实时跟踪避免航向偏离,提出基于光学遥感图像的船舶跟踪算法。采用光学遥感检测方法进行船舶运动成像,对采集的船舶光学遥感图像进行融合滤波,降低船舶遥感图像的噪点,采用Harris角点检测方法对船舶光学遥感图像进行动态特征点标注,提取反映船舶航行动态特征的轨迹,结合遥感图像监测方法实现对船舶的动态跟踪识别。仿真结果表明,采用该方法进行船舶跟踪和遥感成像,输出光学遥感成像的质量较好,信息融合度较高,提高了船舶动态跟踪能力,确保船舶航行稳定安全。     

多准则粒子滤波下的无人艇航行轨迹虚拟重构

通过对无人艇航行轨迹虚拟重构,提高对无人艇的目标跟踪调度能力,提出基于多准则粒子滤波下的无人艇航行轨迹虚拟重构方法。采用融合双模态特征检测方法实现对无人艇航行轨迹的图像检测,结合视觉分割和分块特征匹配实现对无人艇航行轨迹重构过程中的显著性检测,采用多准则粒子滤波方法进行寻优迭代,根据深度学习和粒子滤波增强结果,实现无人艇航行轨迹虚拟重构和模态跟踪识别。测试表明,采用该方法进行无人艇航行轨迹虚拟重构的视觉增强能力较好,期望值和实际值拟合性能较好。     

激光雷达的船舶航行障碍物识别方法

传统障碍物识别方法面对复杂障碍物识别能力低,所提出的避障方案差。针对上述问题,基于激光雷达技术研究了一种新的船舶航行障碍物识别方法,雷达图像处理获取采集到的数据,处理方法主要包括图像预处理和图像深度处理,完成数据转换后,为便于障碍物信息在2个传感器之间的数据传输与融合,提出了一种栅格障碍信息提取方法,根据网格数目确定障碍物的位置,提取障碍信息。实验结果表明,激光雷达的船舶航行障碍物识别方法具有很强的障碍物检测能力,并且能够提出更好的避障方案。     

基于机器视觉技术的船舶航行危险区域自动识别方法

提出基于机器视觉技术的船舶航行危险区域自动识别方法,最大程度规避船舶航行风险。利用机器视觉技术获取船舶航行图像数据,并结合像素平滑滤波和帧间差分法去除原始船舶航行图像所含噪声。采用二阶高斯-马尔科夫机场算法对去噪后船舶航行图像的显著性区域候选节点作信息弥散处理,获取船舶航行图像显著图,通过均值偏移算法处理船舶航行显著图像的特征空间,获得多个分割区域后,在显著图中求解各区域的显著性均值,通过与阈值作比较,实现船舶航行危险区域识别。实验结果表明：该方法可有效提升船舶航行图像的视觉效果;生成的显著图细节完整;可实现不同危险区域的识别,识别效果突出。     

基于openCV的视频路径船舶检测与跟踪

通过对船舶运动状态的监测和跟踪,船舶在航行时能够最大程度避免碰撞,同时也能够方便航运管理,极大地提高航行效率。本文从船舶监测和跟踪的具体需求出发,设计基于openCV的船舶路径视频监控系统,能够借助智能识别算法,快速提取出船舶的航行轨迹,并利用运动跟踪算法,提取船舶运动轨迹的特征量,大大提升了检测效果。文中充分利用OpenCV中的有关图像变换函数库,并在Matlab软件中进行船舶运动的仿真对视频路径的目标检测和跟踪性能进行分析。     

激光雷达和单目视觉船舶智能导航系统

以为船舶提供定位服务、障碍物检测和避障航迹规划服务为目的,设计基于激光雷达和单目视觉的船舶智能导航系统。系统船载子系统中,由卫星信号接收机接收卫星信号,定位船舶位置后,障碍物检测单元使用单目视觉传感器、激光雷达,检测船舶周围的障碍物信息和距离信息,通过CAN总线网络将2种信息传输至地面监控子系统。监控端把获取的信息和电子海图相匹配,标识船舶坐标信息,使用基于激光雷达的障碍目标测距方法完成障碍物测距,结合已知定位信息与障碍物距离信息,设计船舶航行指令,由CAN总线网络发送至船载子系统的航行控制单元,驱动航迹控制器控制船舶航行,完成船舶智能导航。仿真实验表明,此系统可实现船舶智能导航,导航应用时可保证船舶不与动态障碍物碰撞。     

基于虚拟现实的船舶三维图像重建方法

通过对船舶三维图像重建处理,提高船舶动态检测识别能力,提出基于虚拟现实的船舶三维图像重建方法。根据船舶图像的空间位置概率分布,构建船舶三维图像的分类子网特征图模型,采用虚拟现实的三维重组技术实现对船舶三维图像重建过程中的纹理渲染和实体建模。在船舶三维图模型的Face Tools中选择虚拟现实重构的面类型,通过颜色、透明度和光照效果的动态渲染实现对船舶三维图像重建。实验表明该方法对船舶三维图像重建的视觉表达能力较好,重建的精密度水平较高。     

改进神经网络的船舶红外图像边缘检测方法

研究改进神经网络的船舶红外图像边缘检测方法,提升边缘检测抗噪声干扰能力。采用块匹配的主成分分析方法对船舶红外图像实施去噪处理后,经梯度算子将降噪后船舶红外图像转换为二值图像;以BP神经网络为基础,通过附加动量法-自适应学习速率调整BP神经网络权值,提高网络训练鲁棒性;将转换后舰船二值图像作为改进神经网络的输入,在实施网络训练后得出输出值,依据输出值和设置阈值的对比结果,获取船舶红外图像边缘点,实现船舶红外图像边缘检测。实验结果表明：该方法降噪后船舶红外图像的PSNR值全部高于40 dB,降噪效果较好;可有效提取船舶红外图像边缘特征且边缘检测结果清晰、连贯,能够达到船舶红外图像边缘检测标准。     

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。     

基于神经网络的船舶红外图像边缘检测方法

本文提出一种基于卷积神经网络的船舶红外图像边缘检测方法。首先,介绍船舶红外探测技术的基本原理,针对船舶红外图像的预处理进行研究,包括灰度的均衡化、红外图像的背景抑制、图像分割等。设计了一个基于卷积神经网络的红外图像边缘检测模型,该模型采用多层卷积和池化操作,以及非线性激活函数,能够有效地捕捉图像中的边缘信息。最后,通过对模型进行训练和优化,得到了准确度较高的船舶红外图像探测算法,为后续船舶的目标识别和跟踪提供了有效的基础。     

双目视觉下多尺度舰船图像轮廓特征点提取算法

为清晰分辨船舶航行图像的边缘特征信息,提出双目视觉原理下的多尺度舰船图像轮廓特征点提取算法。依照图像信息的测距处理方案,匹配必要的视觉性像素,完成基于双目视觉的舰船图像特征点标注处置。在此基础上,根据多尺度成像坐标原理,判定舰船图像的灰度信息,再通过计算轮廓特征系数的方式,实现双目视觉下多尺度舰船图像轮廓特征点提取算法的应用。对比实验结果表明,与SIFT算法相比,应用新型特征点提取算法后,QDI系数指标出现明显提升的变化趋势,船舶航行图像的边缘特征信息得到清晰化分辨。     

云平台和分布式处理系统的船舶图像分类

在云平台和分布式处理系统中进行船舶图像分类,提高船舶的调度和识别能力,提出一种基于Harris角点检测和BP神经网络的船舶图像分类算法,在云平台和分布式系统下进行船舶图像采集,对采集的船舶图像进行二值化降噪处理,采用Harris角点检测技术提取船舶的分类标识性特征量,将提取的特征量输入到BP神经网络分类器中,实现云平台环境下的船舶图像分类。仿真结果表明,采用该方法进行船舶图像分类的准确性较高,抗类间干扰性较强。     

基于聚类分析算法的船舶障碍物自动识别系统

由于船舶在海上航行时,受到海上信号强度的影响,使得障碍物识别系统响应速度变慢,识别精度降低,因此采用聚类分析算法对船舶障碍物进行自动识别。在分析船舶障碍物自动识别系统结构的基础上,设计系统的整体结构,并结合船舶障碍物信号处理器的内部结构,设计了船舶障碍物信号处理器,完成了系统的硬件设计。在此基础上,采用聚类分析算法提取障碍物识别算子,完成了对船舶障碍物完整性的判断,结合船舶障碍物识别流程,完成系统的软件设计,实现了对船舶障碍物的自动识别。试验结果表明,基于聚类分析算法的船舶障碍物自动识别系统不仅能有效地减少海上航行船舶的碰撞次数,降低系统的失误率,而且能提高识别的准确性。     

红外视觉检测技术在内河船舶助航系统的应用

红外视觉显示技术已经在许多领域获得广泛应用,红外技术能够显著增强检测系统在夜间的应用能力,本文的研究对象主要是内河船舶航运系统,该系统对于整个航道的管理起着非常重要的作用。文中对内河船舶的运动特征进行数学建模,通过分析其航向特点,增强助航系统的控制能力,同时采用红外视觉检测技术,可以在夜间对船舶的航行状态进行监控,并通过助航系统实时显示出来,大大增强了系统的可用性。     

改进深度学习的无人船目标光视觉跟踪研究

传统无人船目标光视觉跟踪方法面对复杂的海域条件时,容易忽略极小障碍物的特征,导致出现大范围识别或忽视极小障碍物的情况,因此研究基于改进深度学习的无人船目标光视觉跟踪。该方法根据单目视觉测量目标物的位姿,通过提取目标光视觉动态特征,实现改进深度学习算法控制下的目标跟踪任务。与2组传统跟踪方法相比,此次研究的方法能够识别出体积差异量极大的障碍物信息,极大程度上提高了目标光视觉跟踪结果的可靠性。     

卫星导航系统的船舶航行轨迹智能跟踪方法

针对当前船舶航行轨迹跟踪误差大的问题,为了提高船舶航行轨迹跟踪的精度,提出基于卫星导航系统的船舶航行轨迹智能跟踪方法。首先采用卫星导航系统对船舶航行相关信息进行采集,然后采用高斯混合模型对船舶航行轨迹进行检测和智能跟踪,最后其他的船舶航行轨迹跟踪方法进行对比测试。结果表明,在相同实验环境下,本文方法的船舶航行轨迹跟踪误差远远小于对比方法,船舶航行轨迹跟踪实时性能也得到较大的改善,解决船舶航行轨迹跟踪过程存在一些难题,具有更广泛实际应用范围。     

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。     

基于视觉传达的船舶自动导航系统

为了提升自动导航效果,设计基于视觉传达的船舶自动导航系统。利用视觉传达技术采集船舶图像,通过回溯处理模块获取高精度图像信息;利用系统软件线程实现模块间通信,依据图像信息制定航行计划,依据高精度图像信息实现航线设置、航线偏移报警与保存航迹功能;采用船舶目标跟踪方法得到船舶的位置和航向角信息,利用人机交互模块完成海图漫游、查询与航线管理等操作。实验证明,该系统可合理设计船舶航线,航行轨迹跟踪精度高。     

基于支持向量机的红外图像舰船统计特征分析

海上舰船的航行统计特征和目标识别对于海上交通管理与监察部门有重要作用,一方面,舰船的航行统计特征是海上航线管理与调度的基础,可以减少海上船舶的碰撞事故;另一方面,舰船目标的特征识别可以帮助监察部门分辨敌我船舶,维护海上领域的安全。随着计算机技术与探测技术的发展,海上舰船的目标识别与特征提取技术取得了明显的进步,本文重点研究了基于支持向量机的舰船红外图像统计特征识别与提取技术,包括图像样本分类等方面,并进行了舰船红外图像边缘像素识别的仿真试验。     

应用区域生长的无人船红外图像精确分割方法

为了更准确地掌握无人船航行动态,提出应用区域生长的无人船红外图像精确分割方法。对无人船红外图像特征进行有效提取与识别,采集应用区域生背景图像特征数值,有效提高图像边缘背景灰度和分辨率,将区域生长法与图像轮廓灰度信息相结合,进行无人船红外图像精确分割处理,保证分割结果精准合理。最后通过实验检测证实,应用区域生长的无人船红外图像精确分割方法在实际应用过程中具有更高的抗扰性和准确性。