基于改进Faster R-CNN的SAR舰船图像检测

针对传统的SAR舰船检测算法适应能力和准确率低的问题,提出一种基于改进Faster R-CNN的SAR舰船图像检测算法.改进后的算法以FasterR-CNN为检测框架,利用改进的k-means算法设计更适合舰船目标形状特点的先验锚点框;优化NMS算法以剔除重叠区域的舰船候选框,改善了舰船距离较近导致的漏检问题;同时引入Mask R-CNN算法中的RoI Align单元来消除特征图与原始图像的映射偏差.试验结果表明,改进后的算法相比 Faster R-CNN算法平均检测精度提升5.1％,达到86.64％,可以达到船舶数据量庞大情形下的检测要求.     

基于改进卷积神经网络的船舶目标检测

为提高无人船研究中的船舶辨识速度和精度,弥补海上船舶目标检测中船载自动识别系统(Automatic Identification System,AIS)和雷达图像的不足,提出一种基于改进卷积神经网络的船舶目标检测模型。设计多策略的卷积神经网络模型,利用船舶图像数据进行训练和测试,并将测试结果与基于区域提名和基于回归方法的卷积神经网络模型结果相对比。试验结果表明,改进的卷积神经网络模型的船舶检测准确率高于另外2种模型。     

多任务约束条件下基于强化学习的水面无人艇路径规划算法

本文提出一种多任务约束条件下基于强化学习的水面无人艇路径规划算法。利用灰色预测进行区域建议,提升神经网络检测连续视频帧中水面目标的速度和准确率,进而提高了路径规划环境建模的准确性。基于Q_learning算法进行在线训练,完成多任务约束条件下的无人艇路径规划。针对Q_learning算法在多任务约束条件下收敛较慢的问题,提出了一种基于任务分解奖赏函数的Q_learning算法。通过仿真试验,验证了在多任务约束条件下,采用强化学习进行路径规划的可行性,并通过实物试验,验证了该算法能够满足实际要求。     

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。     

神经网络在舰船图像特征提取和分类中的应用

海上遥感图像对于舰船目标定位、海上救援、航运交通管理等有重要的作用,基于海上遥感图像的舰船目标特征提取及目标识别是一项热点研究。卷积神经网络是一种改进的人工智能算法,本文详细介绍了卷积神经网络技术的原理,基于卷积神经网络和滤波器实现了舰船遥感图像的特征提取和目标识别。     

无人艇光视觉感知研究发展综述

无人艇具有机动灵活、隐蔽性好、活动区域广、使用成本低等优点,因而具有广阔的应用前景。这使得无人艇成为国内外的研究热点,其中感知技术是无人艇执行任务的基础。基于光视觉的感知技术具有应用方便,成本相对较低,数据获取容易及信息量大等优点,得到了国内外学者的广泛研究。本文主要从五个方面探讨光视觉在无人艇中的研究:一是基于水面无人艇的水面图像预处理,主要包括水面图像稳像研究及去雾增强研究;二水界线的检测;三是利用光视觉目标检测;四是水面目标跟踪方法。最后,对无人艇的光视觉研究进行了总结及展望。     

自主学习在无人艇路径规划上的应用

近年来,无人艇技术不断成熟,在海事监管、执行作战任务等方面有较为广泛的应用。随着控制技术和计算机技术的不断发展,无人艇已经具有了自主航行,目标探测等功能。本文主要研究无人艇的路径规划功能,合理的路径规划可以节约无人艇的能源,延长无人艇的续航时间。首先针对水面无人艇的动力学特性进行了系统的建模与分析,然后针对其动力特性设计了一种基于神经网络算法的自主学习控制系统,并对该系统的性能进行仿真测试。     

安全防护环境下舰船监控网络病毒检测系统

针对舰船监控网络病毒检测系统检测结果精度较低的问题,设计安全防护环境下舰船监控网络病毒检测系统。在此次设计中沿用原有舰船监控网络病毒检测系统硬件,着重进行系统软件设计。通过构建软件框架进行软件设计,设定病毒规则库并对网络数据进行捕获;将捕获后的数据通过滤波进行预处理;采用聚类的方式进行数据挖掘并构建病毒特征库;将网络中的数据与病毒特征库进行匹配,完成网络病毒的检测。至此,安全防护环境下舰船监控网病毒检测系统设计完成。构建对比试验,对比检测范围体现检测精度。与原有系统相比,此系统检测范围更加完成。由此可见,此系统检测精度更高,检测更有效。     

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。     

基于GD-FNN和参考模型的无人艇航向鲁棒自适应控制

为使无人艇在复杂环境干扰下能按希望要求改变航向,本文设计了一种基于广义动态模糊神经网络和参考模型的鲁棒自适应控制器.首先针对因环境干扰产生的不确定干扰项基于广义动态模糊神经网络建立了无人艇运动控制的逆动态模型,设计了模糊神经网络的自适应率以进一步调整神经网络权值,并结合无人艇运动控制模型的参考模型设计了无人艇航向鲁棒自适应控制器,然后通过Lyapunov稳定性理论,证明了基于该控制器的无人艇航向控制系统的稳定性,最后采用半物理仿真实验验证了该控制方法的有效性和准确性.