精确定位及计算机视觉技术在三峡、葛洲坝船闸智能引泊上的应用

针对目前三峡船闸、葛洲坝船闸运行管理所采用的远程图像监控和人工监护引泊的现状,进行基于船舶在闸室内精确定位和计算机视觉技术应用的研究,包括闸室水工建筑对定位的影响、闸墙槽内系船柱的运行检测、智能引泊系统的架构等。结果表明:通过上述技术的应用可基本实现船舶在整个过闸过程中的位置和轨迹近实时的、连续的跟踪显示,对船舶的系缆情况、靠泊位置进行有效的检测和判断,通过管理终端的仿真界面、信息推送等功能基本实现船舶过闸的智能监管,对提高船闸运行的管理水平、提高过闸效率具有重要的意义。     

基于运动与表象特征的广域船舶目标识别方法

[目的]旨在提出对航行于关键广阔水域内的船舶进行准确识别和定位的改进方法.[方法]运用视频监控的优点,综合采用基于背景差分算法的运动目标检测方法与基于深度学习算法的图像表象特征识别方法,结合目标的运动特征和图像表象特征,实现多维度广域船舶识别的功能,并对水纹降噪、多级运动检测、航道监控图像窗口分割检测等方法进行改进,进...     

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。     

深度迁移学习下的船舶焊接表面缺陷智能检测系统

为提升船舶焊接表面缺陷检测的智能化水平、更好地适应智能制造需求,设计船舶焊接表面缺陷智能检测系统。通过采集船舶焊接表面图像,对图像进行预处理,结合深度迁移学习方法,根据缺陷特征对船舶焊接表面缺陷进行分析,建立检测模型,对图像进行缺陷目标检测,从而得到一种船舶焊接表面缺陷智能检测的高效手段,为船舶制造智能化水平和先进性的提升提供驱动力。     

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。     

基于图像处理的桥墩防撞预警系统的研究

利用图像处理硬件设备，通过摄像头将视频信息采入，送入DSP进行分析处理；专门视频信息处理软件，运用各种图像处理技术，进行实时处理分析，对船舶进行实时监控。当船舶进入预警区，经计算机判断处理，提醒监控人员并通过广播对船舶驾驶人员发出警告，避免事故发生。 在图像序列处理技术的开发中，采用软硬件分离的方法，先进行基于Visual C＋＋的计算机软件设计研究；在软件中，研究了船舶检测、船舶跟踪与计算等内容。     

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。     

基于视觉传达技术的船舶图像中弱小目标检测方法

为及时发现和跟踪小型渔船、救生艇等弱小目标,提高海上救援和应急响应的效率和准确性,研究基于视觉传达技术的船舶图像中弱小目标检测方法。通过中值滤波算法去除船舶图像中的噪声,改善船舶图像质量,将去噪后的船舶图像应用于基于门限直方图均衡的船舶图像增强方法中,在该方法处理下,增强船舶图像对比度;之后利用视觉传达技术,对船舶图像中的弱小目标亮度进行调整,并根据亮度调整结果分割目标边缘,从而实现弱小目标检测。经实验验证,该方法可在保证图像边缘清晰的情况下实现图像去噪与增强,提高了船舶图像质量,同时该方法具有较高的背景抑制因子与信杂比率增益,在检测过程中可有效分割弱小目标与背景,实现良好的弱小目标检测。     

Hough变换的舰船图像自动分割

随船舶航行距离的延长,现有图像分割方法由于分割错误率过高的问题,易导致分割精度与分割速度值的持续下降,基于此提出Hough变换理论支持下的舰船图像自动分割方法。利用图像特征提取值,选择适宜的图像处理区域,实现Hough变换的舰船图像目标检测。在此基础上,对舰船图像进行预处理,通过设定分割阈值的方式,计算得到准确的粗分割系数,实现Hough变换舰船图像自动分割方法的顺利应用。对比实验结果表明,与现有图像分割方法相比,Hough变换分割方法的实际分割错误率数值水平更低,可有效解决因船舶航行距离延长而出现的分割精度值与分割速度值持续下降的问题。     

基于AIS与机器视觉检测的船桥智能避碰系统

为提高目标识别率，基于自动识别系统（Automatic Identification System,AIS）与机器视觉检测的船桥智能避碰系统，提出针对大背景中微小船舶目标的检测方法，主要包括图像预处理、图像处理和目标识别。试验结果表明：单纯视觉检测目标识别率可达到98.52%,AIS与机器视觉检测设备共同工作情况下识别率可达到100%。研究成果可为船桥智能避碰系统的设计提供一定参考。