云平台和神经网络的舰船目标检测

为了解决当前舰船目标检测过程中存在的检测误差、检测实时性差的缺点,设计了一种云平台和神经网络的舰船目标检测方法。首先采用混合高斯模型对舰船目标所在区域进行获取,然后采用粒子滤波算法对舰船目标进行跟踪和检测,并采用神经网络对舰船目标粒子滤波算法的权值进行优化和更新操作,解决粒子滤波算法的缺陷,最后基于云平台对舰船目标检测方法进行了设计,并进行了舰船目标检测仿真模拟实验。结果表明,本文方法可以对各种环境中的舰船目标进行准确的检测,提高了舰船目标检测的鲁棒性,而且舰船目标检测实时性也得到了明显的改善,克服了当前舰船目标检测方法存在的缺陷,是一种有效的舰船目标检测方法。     

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。     

节点信息融合的舰船目标跟踪算法

舰船目标跟踪成为各国关注的热点,针对当前舰船目标跟踪算法存在的跟踪速度慢、跟踪精度低等缺陷,以提高舰船目标跟踪效果为目标,设计了基于节点信息融合的舰船目标跟踪算法。首先采用多个传感器对舰船目标状态信息进行收集,并对信息进行一定融合,减少舰船目标状态信息的重复率,然后引入跟踪-学习-检测技术对舰船目标进行跟踪,最后采用舰船目标跟踪实验测试其性能。结果表明,本文算法可以动态、准确地对舰船目标进行检测和跟踪,相对于当前其他舰船目标跟踪算法,无论是跟踪精度或者是跟踪实时,均具有十分明显的优势。     

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。     

基于红外成像的舰船目标实时检测跟踪方法研究

提出一种基于红外成像的舰船目标实时检测与跟踪方法,首先通过图像增强提高信噪比,增强目标轮廓清晰度;接着对红外图像中的水天线进行检测,确定目标所在的候选区域,在候选区域内完成目标的定位检测;最后通过波门跟踪算法对序列图像中的舰船目标进行跟踪。实验结果表明该方法具有较好的准确性和实时性。     

时变海面舰船多目标优化跟踪数学模型

现有时变海面舰船多目标优化跟踪数学模型由于技术的不成熟,存在跟踪效果差的问题。为了解决上述问题,提出时变海面舰船多目标优化跟踪数学模型研究。以雷达获取的海面图像为前提,采用可变部件模型检测舰船多目标,利用光流法生成舰船多目标轨迹片段,将得到的舰船多目标轨迹片段映射到成本流量网络中,形成网络流图,得到最小网络流的舰船多目标方程,通过最短路径算法求解最小网络流网络,实现了时变海面舰船多目标的优化跟踪。通过仿真对比实验结果表明,与现有的时变海面舰船多目标优化跟踪数学模型相比较,构建的时变海面舰船多目标优化跟踪数学模型极大的提升了跟踪效果,充分说明构建的时变海面舰船多目标优化跟踪数学模型具备更好的性能。     

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。     

分布式云平台在舰船目标检测中的应用研究

在现代海上军事领域,船舶目标跟踪监测系统一直是其重要的研究方向,其监测跟踪的精度、准确度及效率是衡量系统的3个最重要的性能指标。传统的舰船目标跟踪监测系统是基于单处理中心,监测跟踪算法的处理精度及效率已经越来越不能满足现代海上军事系统的性能要求。本文研究基于云计算的分布式平台,分析海上目标跟踪监测中的噪声滤波,结合帧间差分法及背景差分法,提出的基于分布式云平台的舰船目标监测算法,提高了算法效率。     

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。     

混沌背景下舰船图像弱小目标轨迹跟踪的数学模型构建

在海上混沌背景干扰下,舰船图像弱小目标很难被检测出来,影响了跟踪质量。为此,构建一种混沌背景下舰船图像弱小目标轨迹跟踪的数学模型。该模型构建首先进行混沌背景处理,包括图像灰度化和图像滤波,以此抑制背景干扰。利用自适应修改搜索管径的时空域滤波方法进行舰船弱小目标检测,最后利用均值漂移算法实现弱小目标轨迹跟踪。结果表明,与前人研究的4种方法相对比,本文研究方法,轨迹跟踪误差较小,证明了所研究的有效性。     

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。     

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。     

舰船能耗预测的云数据挖掘

能耗是舰船工作过程一个重要评价指标,针对当前舰船能耗预测方法存在预测错误率高、建模速度慢等不足,提出一种舰船能耗预测的云数据挖掘技术。首先分析国内外对舰船能耗的预测方法,找到各种舰船能耗预测方法的缺陷和不足,然后收集舰船能耗预测的数据,将云平台作为舰船能耗预测的建模环境,采用数据挖掘建立舰船能耗预测模型,最后进行舰船能耗预测效果的测试实验。云数据挖掘技术的舰船能耗预测精度超过了95%,可以描述舰船能耗预测的变化特点,对于大规模舰船能耗数据,本文方法的预测时间明显短于当前其他舰船能耗预测方法,具有十分明显的优势。     

大数据环境下舰船环形通信网络信息云挖掘方法

针对舰船环形通信网络受到噪声干扰,信息挖掘结果置信度较低的问题,在大数据环境下提出了一种新的舰船环形通信网络信息云挖掘方法。确定数据集,通过协同处理完成数据清洗,基于大数据环境选取数据集,预处理舰船环形通信网络信息,离散分析并确定数据离散特征,通过自动跟踪方法直接将挖掘结果显示在用户界面,实现舰船环形通信系统数据的云挖掘。实验结果表明,大数据环境下舰船环形通信网络信息云挖掘方法能够很好地分析通信网络数据特征,实现分类挖掘,降低误码率,提高整体性能。     

基于Retinex算法的舰船无线传感网络目标跟踪方法

为保证不同海上环境下,舰船无线传感网络目标跟踪的可靠性,提出基于Retinex算法的舰船无线传感网络目标跟踪方法.采集舰船目标图像,采用改进的Retinex算法增强舰船目标图像,提升图像细节和质量,通过无线通信方式进行图像传输,依据摄像头标定原理转换目标图像坐标为世界坐标系坐标,获取舰船目标的实际位置,完成舰船无线传感...     

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。     

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。     

舰船多目标识别中的一种抗碎云干扰方法研究

随着计算机图像处理技术的飞速发展,各种智能化的目标检测设备已经被广泛应用在舰船目标的识别中,通过采用智能目标检测算法,智能设备能够对舰船的特征进行快速学习,然后进行计算机处理后,就能够快速准确地对目标的状态进行判断。但是,在目标数据获取的过程当中,常常会受到碎云的干扰。因此,本文主要介绍了一种改进后的目标识别算法,该算法能够显著降低碎云的干扰噪声,通过加强目标的特征信号,能够在碎云干扰情况下,快速对目标的特征进行定位和提取,通过对有用信号的滤波和模式识别,有效改善了对舰船多目标的识别效果。     

舰船目标RCS水面模拟试验及其应用探讨

舰船目标作为海上运行的武器平台,其电磁散射的最本质特征体现为目标与海面环境一体化的复合散射。在舰船目标雷达波隐身性设计中,需要开展模拟RCS试验来验证方案可行性。针对舰船所处海面环境的特点,采用双射线追踪方法分析了随机粗糙海面对舰船散射回波特性的影响,提出了关于舰船雷达波隐身设计流程的建议,论证并指出在技术设计阶段需要用接近实际环境的方法进行水面环境舰船隐身设计验证,结合数值仿真与本体RCS试验,掌握并控制舰船隐身性指标和强散射"要害点",并从场地开阔性、测试方法等方面提出了舰船目标RCS水面模拟试验的测试要求,从RCS指标设计验证、强散射中心分析、总体多专业协同设计等方面,探讨了模拟试验方法的应用和发展方向。