计算机辅助处理技术在船舶智能导航系统中的应用

船舶导航系统是船舶航行控制系统体系中重要的组成部分。智能导航系统通过对捕捉信号图像的分析与计算,为船舶航行路径控制提供准确数据。为了进一步提升智能导航系统的图像分析精准度,提出计算机辅助处理技术在船舶智能导航系统中的应用。通过计算机辅助技术对导航信号进行信号参数计算,得到信号图像中的转换变量。根据计算值对图像中的变量进行二值图像分割计算,清晰导航目标图像;最后对图像中的风险源进行检索,得到最佳导航路径。为了证明设计的有效性,通过使用前后数据的对比实验,证明提出的计算机辅助处理技术,具有提升智能导航系统导航定位精准度的作用。     

船舶视觉图像优化检测方法研究

对海域的船舶进行智能图像监控是一项很重要的技术,但该技术容易受到海上背景光线变化、遮挡阴影区域及小范围船舶聚集等因素的干扰,导致当前基于智能视觉的船舶检测在背景更换的阀值判断上存在较大缺陷。本文提出改进的基于智能图像处理的船舶快速检测方法,通过差分运算、阈值生成、二值化、去噪和形态学处理等操作对获取的智能图像进行预处理,依据经预处理后二值图像,引入异常比率的概念对所监控图像范围的船舶状态进行判断,以动态阈值和静态阈值的联系,判断是否需要更换背景的条件,实现高精度船舶图像检测。仿真实验结果表明,所提方法能够准确地对船舶图像进行检测,具有较高的检测精度。     

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。     

小波变换在舰船图像尺寸测量方法中的应用

分析小波阈值降噪和基于小波图像分割技术在舰船图像尺寸测量中的应用,在小波阈值降噪阶段,利用高斯小波对图像进行4层分解,逐层去除噪声的小幅值小波系数,达到去噪目的;在图像分割阶段,首先利用灰度直方图以及本文提出的像素邻域差值直方图构建二维直方图,然后对其进行最优一维投影;最后利用Haar小波对最优一维投影进行分解,求取图像最佳分割阈值。本文用提出的算法对舰船的主轴长度、主轴垂直方向长度、舰船面积以及周长4个尺度量进行测量。实验结果表明,小波变换在图像降噪和分割方面有诸多优势,而降噪和分割又是舰船尺寸测量的必须步骤,因此小波变换将在舰船图像尺寸测量中发挥越来越重要的作用。     

极区航海导航与定位保障技术发展综述

航海导航系统是各类军民海洋运载器实现极区顺利到达以及极区安全航行的先决条件。然而,南北极区特殊环境造成航海导航系统性能下降甚至无法应用。为从根源上认知航海导航系统极区的应用问题,在系统阐述海洋运载器导航系统极区应用发展史的基础上,从地球运动学、地球物理场、海洋环境和地理环境4个方面,全面分析极区特殊环境对海洋运载器主要导航系统的影响,并通过极区航海导航系统的研究现状及未来趋势的展望,为极区航海导航技术及未来发展提供有益参考。     

复杂背景下无人艇视频视觉目标图像识别算法

为精准跟踪海域环境中的各类舰船目标,生成连续性的视觉目标图像视频,提出复杂背景下的无人艇视频视觉目标图像识别算法。利用增强滤波处理无人艇图像中的数据信息,再通过特殊信息标记的方式,完成无人艇视频的图像数据集设计。在此基础上,改进原识别提取网络,借助边界框预测实值,完成待识别目标图像的特征提取,实现复杂背景下无人艇视频视觉目标图像识别算法的顺利应用。对比实验结果表明,与KCF目标跟踪算法相比,应用新型目标图像识别算法后,YOI船体识别参数增大至8.56,实现了对海域环境中各类舰船目标的精准跟踪,大幅促进了连续性视觉目标图像视频的生成。     

基于声呐图像处理的船用水下目标识别技术研究

水下目标自动识别技术不论在军事领域还是商业领域都具有广泛的应用,具体包括水下军事目标的监测、渔业资源勘测、海底地形勘探等。声呐信号处理是船舶水下目标探测的关键环节,可以分为声呐系统回声信号处理和声呐图像处理2种,本文主要研究的是声呐图像处理类型。本文充分利用基于小波变换的图像滤波技术、图像分割技术、特征提取技术等,改善了船用水下目标识别技术的工作效率和工作精度。     

基于视觉传达技术的船体颜色模型

现有模型存在后续图像处理性能较差的问题,因此将视觉传达技术应用于船体颜色模型的设计中,设计了一种视觉传达技术的舰船船体颜色模型。对舰船船体设计图像进行图像分割,也就是将舰船船体设计图像划分成不同颜色的区域,便于计算机判断其图像颜色信息,提供设计船体颜色模型的依据。对实施图像分割后的船体设计图像进行预处理,具体步骤包括滤波处理、形态学处理、连通区域处理。基于视觉传达技术构建船体颜色模型。通过进行图像处理速率与图像转换速率的后续图像处理性能对比实验,证明该模型拥有更好的后续图像处理性能,有很大的实用意义。     

基于人工智能技术的舰船图像语义分割算法

随着对舰船研究的深入,原有的舰船图像语义分割结果已无法满足现有的研究要求。原有的舰船图像语义分割算法在图像预处理过程中较为粗糙,导致图像分割结果交叉联合度量值较低,图像分割损失值较大。因而,设计基于人工智能技术的舰船图像语义分割算法。引用人工智能技术中的卷积神经网络对图像预处理部分展开优化;对预处理后的图像进行多尺度拟合,获取图像特征;使用改进代价函数实现舰船图像语义分割。构建算例测试环节,通过与原有算法以及使用其他技术设计的分割算法进行对比可知,此算法的交叉联合度量值较高,图像分割损失值较低。由此可知,此方法的舰船图像语义分割能力较佳。     

无人机红外舰船目标分割

舰载无人机执行情报、侦察任务已经成为海上信息化作战中的重要手段.红外图像分割是无人机探测红外舰船目标特征提取、识别与跟踪的基础.针对红外图像普遍存在目标与背景对比度较低、目标边缘模糊和信噪比低等特点,提出基于改进的局部熵过渡区提取的分割方法.实验表明,与一维和二维最大类间方差法的分割性能相比,此方法在满足实时性要求下可以获得良好的分割结果.