共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
针对现有舰船异常目标检测方法,出现高相似度异常目标辨识度低的问题。提出基于机器学习的多光谱舰船图像异常目标检测方法,基于机器学习技术,对现有图像分析算法进行优化改进,通过采用多光谱AI协同CRD算法对图像构成原子进行划类提取,明确目标图像边缘。在此基础上,利用精准图源RX处理算法,精准确认图像内异常目标特征,完成提出的方法设计。对比实验证明,提出的基于机器学习的多光谱舰船图像异常目标检测方法,能够准确识别恶劣环境下的图像目标异常,具备高精度识别高相似度图像内的异常目标的要求,并且在处理速度、运算稳定性与后期学习能力上都优于传统舰船图像异常目标检测方法。 相似文献
3.
《舰船科学技术》2020,(4)
图像多通道并行传输具有数据流以及数据量大的特点,传统的传输系统在图像多通道并行传输中常出现目标图像数据丢失现象,为解决这一问题,对海上船舶目标图像多通道并行传输系统设计。系统硬件主要包括核心处理器、电源模块、传输模块和图像采集模块,其中核心处理器主要调整系统的运行频率,并采集船舶航信信号;电源模块是为海上船舶目标图像多通道并行传输系统提供各个直流电平;传输模块主要实现目标图像数据通信;图像采集模块主要采集海上船舶目标图像数据。系统软件部分主要对硬件采集到的信息滤波处理,对多目标图像分类识别,以此完成海上船舶目标图像多通道并行传输。实验结果表明,传统系统比此次设计系统出现目标图像数据丢失数量多,本文设计有效解决了目标图像数据丢失的现象。 相似文献
4.
5.
《舰船科学技术》2019,(22)
传统海洋水线面图像识别系统在使用过程中,受到自身硬件参数限制,无法对高精度特征图像边缘进行自动识别计算,导致图像识别率与识别效率降低;同时,传统识别系统中的算法对线扫步长参数优化存在匹配量失常的问题,从而导致传统海洋水线面图像特征识别系统识别率差,计算识别效率低。因此,提出海洋水线面视觉图像特征自动化识别系统设计,首先,创建高精度视觉图像采集阵列;通过引入高精度摄像模块、图像采集卡与图像处理芯片等元件,完成水线面视觉图像高清采集与预处理硬件的设计;接着,通过在硬件主控中引入边缘残像特征识别算法,对图像边缘特征进行像素点识别;同时提出设计中在系统软件设计中引入自动化识别算法,配合特征识别计算,实现水线面视觉图像的自动化识别效果;最后,通过设计的仿真实验,证明设计系统具有识别精度高,识别速度快、稳定向好的特点。 相似文献
6.
为解决常规舰船语音信号识别系统存在识别成功率较低的不足,提出了基于物联网的舰船语音信号高清识别系统设计。基于舰船语音信号高清识别系统硬件构成设计,以及物联网传感器识别技术的引入,实现了舰船语音信号高清识别系统硬件设计;依托舰船语音信号高清识别程序设计,降噪设计,完成舰船语音信号高清识别系统软件设计,实现了提出的识别系统设计,实验数据表明,提出的高清识别系统较常规识别系统识别成功率提高25.18%,适合于不同海域的舰船语音信号高清识别。 相似文献
7.
8.
针对舰船雷达信号目标的识别方式简单、识别度低的情况,文中提出基于 Web语义的舰船雷达回波自动识别系统。因为雷达信号目标特征信息点分散且繁杂,在语义 Web网下取得雷达信号目标图像的数据特征,运用改进 FastICA算法提取特征数据后,通过智能雷达回波视频图像识别系统,对舰船目标图像进行分析。实验证明,基于 Web语义的舰船雷达目标识别系统,能使大量信息被系统充分利用,达到精确识别舰船雷达图像目标的目的。 相似文献
9.
针对传统海上目标跟踪监测系统目标跟踪监测性能较差的问题,提出一种基于DSP平台的海上目标跟踪监测系统。系统硬件包括图像采集模块、数据存储控制模块,其中图像采集模块主要由摄像头传感器、关联寄存器组成;数据存储控制模块主要由存储芯片、模块控制接口组成。系统软件配置为目标跟踪监测软件,通过硬件与软件相结合实现了海上目标的跟踪监测。为了验证该海上目标跟踪监测系统的目标跟踪监测性能较为优越,将该系统与基于目标选择算法的海上目标跟踪监测系统、基于卷积神经网络的海上目标跟踪监测系统、基于计算机视觉的海上目标跟踪监测系统进行对比实验,实验结果证明该系统的监测成功率更高,即目标跟踪监测性能优于传统海上目标跟踪监测系统。 相似文献