基于红外图像的船舶特征识别方法

传统船舶特征识别结果准确性较低,且相关人员不能根据此结果,快速完成船舶图像复原。为解决此问题,设计基于红外图像的船舶特征识别方法。通过ROI低分辨率红外图像提取、图像特征相邻方向指示2个步骤,完成基于低分辨率红外图像的船舶特征识别。通过ROI高分辨率红外图像提取、图像增强预处理2个步骤,完成基于高分辨率红外图像的船舶特征识别。设计对比实验结果表明,基于红外图像的船舶特征识别方法,与传统方法相比,能够保证特征识别结果的准确性,为快速完成船舶图像复原操作提供可能。     

不稳定条件下船舶遥感图像层次特征识别分析

传统遥感图像特征识别方法,在不稳定条件下无法准确对图像中的层次信息进行特征识别及分析处理。因此,提出不稳定条件下船舶遥感图像层次特征识别方法。通过对遥感图像进行特征干扰源提取计算,使图像层次变得清晰;引入卷积神经网络算法对图像层次特征进行网络化特征提取计算;采用像素特征识别方法对图像层次特征进行识别与分析;最后,通过实验对设计方法进行可行性的客观论证。     

复杂背景遥感影像中小目标船舶细粒度智能识别

船舶航行背景较为复杂,导致小目标船舶细粒度智能识别结果准确度较低,为解决这个问题,提出一种复杂背景遥感影像中小目标船舶细粒度智能识别方法。构建了图像变形校正模型,对图像旋转、拉伸、缩放等形式变换处理。设计损失函数训练识别模型,并构建多任务损失函数训练模型,确定了小目标识别参考区域,以此完成小目标船舶细粒度智能识别。实验结果表明,所研究的识别方法在较暗情况下、尺寸不同情况下与云雾遮盖下都能够准确识别出船舶,证明了所研究的识别方法的有效性。     

数学形态学分形维数的船舶视频图像中识别研究

传统船舶视频图像识别算法,存在视频动态帧信息熵分布维度系数捕捉计算失真,导致图像像素分布维度空间信息出现偏差,色度空间像素点出现重叠,影响图像识别准确度。针对视频动态像素分布特点,提出数学形态学分形维数的船舶视频图像中识别研究。通过对视频图像数学形态学基本算子计算,完成对视频图像像素信息熵分布的数学形态学单一分形维数估计。根据运动图像原理,对识别图像维度估计下的图像进行识别特征区域划分。通过对划分特征识别区域的高动态目标识别计算,完成对视频图像中目标区域的识别。仿真对比实验,证明了提出识别方法的有效性。     

大雾天气海上船舶交通异常挖掘识别方法

传统船舶交通异常识别方法在大雾天气环境下,存在挖掘算法对船舶轨迹异常状态辨识度降低的问题。通过分析发现,原因在于传统方法中没有引入大雾天气对船舶轨迹检测信号的扰动变量,导致轨迹检测数据与挖掘算法之间出现数据断链,降低了数据挖掘的识别效果。因此,提出大雾天气海上船舶交通异常挖掘识别方法分析。首先通过LSTM算法,将大雾天气扰动特征代入挖掘神经网络,获得带有大雾扰动特征神经网络;接着,根据大雾扰动特征建立混合高斯船舶轨迹模型,为交通异常识别提供基础数据;然后,通过Spark分布式挖掘算法,完成对船舶交通异常数据的挖掘识别。通过仿真实验,对传统挖掘识别方法与提出方法效果进行多组数据对比,证明提出挖掘识别方法的有效性。     

基于可完全重构的船舶遥感图像信息高效率提取方法

针对传统船舶遥感图像信息提取方法提取时间较长的问题,提出可完全重构的船舶遥感图像信息高效率提取方法。通过设计基于数字信道化的可完全重构框架,自动处理失真信号,将船舶图像信息的样本空间与特征空间进行联合,增强船舶遥感图像的目标数据,运用船舶遥感图像特征的计算公式,实现船舶遥感图像信息高效率提取。实验结果表明,在船舶图像尺寸均为320×320的前提下,所提方法的提取时间明显缩短,仅需3.92 s,能够有效实现船舶遥感图像信息的高效率提取。     

基于机器视觉的大规模船舶航行数据自适应识别方法

传统船舶航行数据识别方法,存在瞬态识别数据规模局限性大,超规模阈值下的数据识别准确率过低的问题。在当前船舶航行数据处理规模下,无法高效准确完成船舶航行数据的处理任务。为了在根源解决上述问题,引入机器视觉技术,提出基于机器视觉的大规模船舶航行数据自适应识别方法。首先基于机器视觉技术,对航行数据的识别标准进行定义,同时完成对相关不符识别量进行修正;接着对全局航行数据对应的轨迹信息进行机器视觉结构处理;最后完成对数据的自适应识别计算。通过与传统方法的多组航行数据模拟测试发现,采用提出识别方法的航行数据识别结果,相较传统识别方法具有识别速度快、准确率高、数据规模自适应性强的特点。     

大数据背景下的舰船图像特征识别研究

传统舰船图像特征识别方法仅能对图像大范围特征像素信息进行识别,而对图像细微像素特征识别效果,远远达不到实际应用要求。导致大量细节特征舰船图像,无法准确完成特征的识别处理,影响整体应用效果。为了解决细节特征信息识别问题,提出大数据背景下的舰船图像特征识别研究。利用大数据计算能力,对图像特征结构分布进行特征模型建立;根据特征分布特点,利用大数据算法,确定细节图像区域构成像素点特征。最后根据特征信息,分散检索全局目标图像像素信息,完成识别输出过程。通过与传统图像识别方法的10张图像359 035万个像素点的识别测试表明,提出方法能够在最短的时间内,完成预设细节图像特征点的识别任务,且识别准确率达到98.72%以上。     

强风浪下基于遥感图像的海上船舶定位方法

为了提高海上船舶的强风浪下定位性能,提出基于遥感图像特征提取的强风浪下海上船舶定位方法。采用遥感探测方法进行船舶图像采集,对采集的强风浪下海上船舶遥感图像进行降噪处理,采用多尺度小波分解方法进行船舶遥感图像的块分割,实现对船舶遥感图像的边缘轮廓特征提取,根据船舶遥感图像的边缘轮廓特征进行海上船舶跟踪定位,实现强风浪下海上船舶遥感图像的融合跟踪和定位识别。仿真结果表明,采用该方法进行海上船舶定位的准确度较高,输出图像的质量较好,提高了船舶定位识别的鲁棒性。     

激光传感器的船舶焊缝缺陷识别

采用激光传感器对船舶焊缝缺陷进行识别,可解决传统识别方法所带来的识别精准度差、检出率高等问题,为船舶工作人员生命安全带来保障。采用传感器获取焊缝图像底片,并进行数字化处理;根据激光扫描图像成像特点,并使用熵关联法进行分割;提取缺陷参数特征进行区分并加以描述,利用Matlab工具对船舶轮廓进行绘制,通过绘制后所获的缺陷数据进行三维投影坐标转换,由此完成船舶焊缝缺陷识别。经过实验验证得出结论,实验结果表明,该识别方法可大大提高检测精准度,降低检出率,具有良好的稳定性和较高的识别率。     

舰船目标图像不变特征快速识别方法

传统舰船目标图像不变特征的识别方式,图像特征识别的稳定度较低,舰船图像表面特征瑕点较多。对此提出了一种新型舰船目标图像特征快速识别技术。通过图像转化和背景帧差法对船舶目标图像进行灰化处理,提取局部特征点;再对舰船图像局部特征点的稳定度、重复度和匹配度的3项参数进行求取,并对其进行维数分析,实现舰船目标图像不变特征的快速识别。仿真实验表明,新型舰船目标图像不变特征快速识别方法与传统识别方法相比,Rtc图像离散度更低,在5 T目标图像下,最多可以减少27×106 T的瑕点,可以证明新型目标图像不变特征快速识别方法识别稳定度更高,图像产生的瑕点更少。     

特征子空间抽取的大规模舰船遥感图像集检索研究

传统遥感图像集检索方法主要是通过图像单点像素特征匹配方式实现的,这样虽然可以实现图像信息的匹配,但是对于大规模图像集的检索效率较低,无法完成大规模遥感图像检索任务,因此研究一种基于特征子空间抽取的大规模舰船遥感图像集检索方法。首先利用特征子空间抽取方式对大规模遥感图像集特征空间的特征核进行分析;然后根据分析结果对图像特征空间进行自适应分解;接着将特征数据与检索信息进行融合,完成图像集的检索任务;最后通过实验证明了本文研究的检索方法的有效性。     

复杂场景下港口水域船舶异常行为智能识别方法

传统的船舶异常行为识别方法在识别复杂场景下港口水域船舶行为时,识别准确率过低。针对这一问题研究了一种新的船舶异常行为智能识别方法,设定了识别模板,由数据库模块、匹配模块和识别模块3部分组成,给出了识别模板内部算法的计算流程,同时计算港口信息和船舶信息,得到背景值和目标值后进行比较,判断船舶行为是否存在异常,以此实现异常行为的智能识别。与传统识别方法进行实验对比,结果表明,所研究的识别方法准确率更高,识别效果更好。     

基于图像匹配的多船舶图像拼接方法

传统多船舶图像拼接方法在使用实践过程中,存在无法对多艘高度相似的船舶进行特征区分,导致在拼接过程中拼接位置出现错误的问题。提出基于图像匹配的多船舶图像拼接方法,首先通过引入M-KAZE算法,对高相似度的船舶进行细节的非线性尺度特征识别计算,使每张船舶图像的特征更为清晰;接着,引入稀疏特征像素点拼接算法对多张船舶图像的稀疏特征进行关联计算,从而完成多艘船舶图像的准确拼接;最后,通过仿真实验证明提出方法的可行性。     

激光雷达的船舶航行障碍物识别方法

传统障碍物识别方法面对复杂障碍物识别能力低,所提出的避障方案差。针对上述问题,基于激光雷达技术研究了一种新的船舶航行障碍物识别方法,雷达图像处理获取采集到的数据,处理方法主要包括图像预处理和图像深度处理,完成数据转换后,为便于障碍物信息在2个传感器之间的数据传输与融合,提出了一种栅格障碍信息提取方法,根据网格数目确定障碍物的位置,提取障碍信息。实验结果表明,激光雷达的船舶航行障碍物识别方法具有很强的障碍物检测能力,并且能够提出更好的避障方案。     

基于光学遥感影像的船舶目标识别

针对海上船舶目标的识别问题,提出基于光学遥感影像的船舶目标识别方法.利用高分卫星遥感资料为数据源,选取高分遥感影像为对象进行图像增强、裁剪和图像切片等操作.在切片图像中进行局部阈值分割处理,研究最大类间方差法(Otsu)、最大熵值算法(Kapur,Sahoo and Wong,KSW)和基于遗传算法(Genetic A...     

中低分辨率遥感影像舰船目标识别方法

针对当前光学成像卫星的目标识别基本依靠人工判别的现状,结合中低分辨率遥感图像的目标特征不明显、舰船种类多、识别困难的特点,论文根据国内卫星资源情况与研究现状,分析并比较了光学成像卫星不同传感器提取的目标特征,选择可见光传感器进行目标识别方法研究,对适用于中低分辨率遥感图像的目标识别方法进行比较,并选择出适用于当前海军海上侦察预警的方法。该方法能够极大缩减卫星图像数据处理时间,改善舰艇目标识别由人工判别的现状,增加战时卫星数据的及时性,为海军侦察预警提供技术支撑。     

多尺度目标识别新方法

利用全局矩反映的是图像在整个空间的统计特征,可以稳定可靠地识别形状差异较大物体的特点,以及小波矩描述的是图像在局部空间的特征,能够准确有效地区分形状相似的目标的优点,提出了一种新的由粗到细、从全局到局部的多尺度逐级匹配目标识别方法.这种在大尺度下采用全局特征进行粗分类,小尺度下采用局部特征进行细分类的思想加快了匹配过程,实验结果表明,该方法比仅使用全局不变矩或小波不变矩特征的目标识别方法具有更高的识别率和更广的适用范围.     

基于光学遥感图像的船舶跟踪算法研究

船舶在海上航行中需要进行实时跟踪避免航向偏离,提出基于光学遥感图像的船舶跟踪算法。采用光学遥感检测方法进行船舶运动成像,对采集的船舶光学遥感图像进行融合滤波,降低船舶遥感图像的噪点,采用Harris角点检测方法对船舶光学遥感图像进行动态特征点标注,提取反映船舶航行动态特征的轨迹,结合遥感图像监测方法实现对船舶的动态跟踪识别。仿真结果表明,采用该方法进行船舶跟踪和遥感成像,输出光学遥感成像的质量较好,信息融合度较高,提高了船舶动态跟踪能力,确保船舶航行稳定安全。     

海上视频监控系统组合相似度图像智能识别方法

在海上防御中,准确识别目标物体具有重要的现实意义。为此,针对2种传统图像目标识别方法存在的精度问题,研究一种海上视频监控系统组合相似度图像智能识别方法。该方法主要分为3步骤,首先对海上监控系统采集到的图像进行预处理,包括图像灰度化、图像平滑去噪、图像增强、图像分割等,然后利用HOG特征提取算法对处理好的图像进行特征提取,最后通过距离公式计算目标特征与数据库中相似性评价标准之间的相似度,完成相似度匹配,实现目标识别。结果表明:与基于K-means聚类、CNN模型等2种传统图像目标识别方法相比,利用本方法编程的软件程序进行25000个海上目标识别,识别准确性分别提高8.1%和7%,提高了海上防御的安全性。