海上拍摄图像的清晰化算法研究

海上拍摄的图像易受到雾气与海面光影的影响,导致图像对比度低、可读性差,对后续图像分析造成了不利影响。论文提出了一种清晰化算法,改进了暗通道去雾方法中大气透射率的估计方法,利用引导滤波优化透射率,进而求解大气散射物理模型实现去雾。针对去雾后图像亮度较低,对比度差,不利于后续的图像分析问题,对去雾后图像进行gamma校正,增强对比度,改善可读性。将算法应用于典型图像,与经典算法相比,所提算法效果显著,实现了去雾功能,有效增强了目标对比度,图像自然且无失真情况,为进一步的图像分析打下了良好的基础。     

基于雾计算的航道流场实时态势感知

参照雾计算的基本原理,通过对传统航标进行技术改造,应用物联网、雾计算技术,能够使其成为提供新型服务的海上通信基础设施之一。基于雾计算的航道流场实时态势感知,通过雾计算接入网(Fog Radio Access Networks,F-RAN),整合新型航标、物联网设备、附近水域的航行船舶等集群节点的可用计算资源,对分布式传感器的大量数据进行实时计算,生成航道附近水域流场的通用态势图,特别是可能出现流切变、横流较大等重要航段的流场数据,实时发布给附近水域航行的船舶,以提前做好预判并采取适当的操纵应对措施,保障航道内的航行安全,提高船舶航行安全系数。     

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。     

海上监测图像去雾增强的交互式方法

雾天时图像对比度和颜色严重退化。为提高雾天海上舰船监测图像的质量,提出了一种海上图像去雾增强的交互式方法。方法结合海上图像的特点,改进原有的等景深模型和景深估计公式,获取图像每一点的近似深度信息,通过用户指定区域得到大气光线值,最后根据雾天图像的光学成像模型,得到清晰图像。实验证明,该方法有效改善了海上雾天图像的质量,方法简便,能够满足一定的实用要求。     

基于多媒体技术的舰船航行视频优化研究

针对舰船航行视频图像损耗率大的问题根源,对基于多媒体技术的舰船航行视频优化进行研究。首先根据相邻帧编码器结构特征,对视频邻帧进行结构划分;然后在划分结构的基础上,完成对异常邻帧编码器的稳帧优化;最后根据稳帧后的编码器阈值,完成对去雾滤波器阈值的修正,实现航行视频稳帧去雾的最佳效果。通过与传统视频优化方法的实力对比测试数据表明,提出的优化方法具有优化速度快,输出视频邻帧稳定性好,去雾效果好的特点。     

基于视觉传达的空间模型舰船航行图形图像处理融合研究

为提高舰船在航行过程中对周围环境的检测效果,保证舰船的安全航行,本文基于计算机视觉传达技术,提出舰船航行图形图像分析处理方法。经过图像亮度调整、色彩均衡、融合等过程,处理后的图像得到了明显改善。同时,对传统的FCTF-Net算法进行了改进,得到双通道双阶段图像去雨网络（DTDNet）,在此基础上引入感知函数和TV Loss函数,实现对图像的去雾、去雨处理,并与其他几种算法进行了对比实验。实验结果表明,改进后的算法在信噪比和图像相似度上都具有明显的优势。     

利用NSCT循环抽样进行水声图像去噪

在海上军事及海底探测领域,基于声呐图像的识别应用越来越多。但是声呐图像混入了多种海上噪声,在图像对比时首先需要去除噪声。NSCT是一种基于拉普拉斯逆变换的滤波方法,对于海上声呐图像首先按照周期进行循环抽样,然后利用NSCT变换得到图像边缘系数,再通过滤波平移对噪声进行去除。本文在研究声呐图像及海上噪声特性的基础上,利用NSCT滤波算法对其进行去噪处理,得到空域平均后的去噪图像,并给出仿真结果。     

统计学习在海上遥感图像背景去噪的算法研究

针对传统的海上遥感图像背景去噪算法中由于噪声分解遗漏情况造成的图像梯度值低的问题,提出统计学习在海上遥感图像背景去噪的算法研究。利用统计学习中的高斯概率分布模型建立遥感图像背景噪声模型,计算每个像素点灰度值的均值,并一一对比,统计图像中噪声分布特征并分离噪声,依据噪声分布特征设计滤波器对,将滤波器对应用在小波变换滤波器中,利用滤波器分解图像中的噪声,经过逆变换重构图像,实现海上遥感图像背景去噪。实验结果表明,与传统的图像背景去噪算法相比,应用统计学习的海上遥感图像背景去噪的算法平均梯度值更高,说明该算法适合应用在海上遥感图像背景去噪中。     

自适应直方图均衡处理下船舶视频监控图像去雾算法

由于现有船舶视频监控图像去雾算法没有物理模型的支持,会损失图像中部分信息,存在着去雾时间复杂度较高的问题,为此提出自适应直方图均衡处理下船舶视频监控图像去雾算法研究。估算图像透射率以及全局大气光强,将有雾图像转换为直方图,均衡化处理直方图灰度级,使像素点均匀分布在整个灰度级上,实现船舶视频监控图像的去雾。仿真对比测试结果表明:与现有代表算法相比较,提出算法滤波窗口尺寸合理性高、亮度系数小,表明提出算法的去雾时间复杂度低,适合大力推广使用。     

船舶航道信息管理系统的可视化数据检索研究

当前船舶航道信息管理系统在对航道数据检索的过程中出现信息混乱,存在更新周期慢、成本高昂等缺点难以直观准确的显示航道图像。基于上述问题对航道信息管理系统的可视化数据检索方法进行研究。结合GIS系统对可视化数据分析方法对船舶航道信息可视化信息管理和检索系统进行设计,以便快速有效的处理航道遥感图像信息。最后通过仿真实验证实该方法能够精准的对航道边缘信息进行显示,从而实现对航道的动态管理。实验结果证实该系统性能可靠,效果良好,能够有效提高航道管理的工作效率,具有较高的实用价值。     

海浪扰动信号的仿真方法

给出了一种新的以遭遇频率表示的海浪遭遇谱和遭遇波倾角谱的数学表达式，介绍了建立随机海浪模型的三种仿真方法，即频率等分法、能量等分法和有理谱法，并采用能量等分法进行了海浪模型的仿真和分析。它对于研究船舶装备、船舶行业机器人、海上作业平台和船舶的运动控制具有重要意义。     

Robust autopilot with wave filter for ship steering

Research was done to overcome traditional problems associated with automatic steering systems of a ship in a seaway. A ship＇ s dynamic model with wave disturbances was built and a wave filter was designed by means of an extended states observer （ESO）. The model estimated the low frequency motion component from a heading measurement corrupted by colorednoise, so back-and-forth steering caused by high frequency wave disturbances was avoided. At the same time, a robust autopilot system, designed by variable structure control theory, was presented. Simulation results achieved in dangerous sea status show that the wave filter works very well and the autopilot has strong robustness to environmental disturbances and model perturbation, and more importantly, the frequency of rudder adjustments is reduced noticeably.     

Structural reliability of two bulk carrier designs

The paper aims at quantifying the changes in notional reliability levels that result from redesigning a traditional single-hull bulk carrier to become a double-hull structure. The probability of failure is calculated using a first-order reliability method. The evaluation of the wave-induced load effects that occur during long-term operation of the ship in the seaway is carried out. The still water loads are defined on the basis of a statistical analysis that accounts for the ship type. The ultimate collapse bending moment of the midship cross section is used as the basis for the reliability formulation. It is shown that by introducing the double-hull in the bulk carriers their level of structural safety can be increased up to values typical of tankers. Additionally, the time-dependent degrading effect of corrosion on the ultimate moment is also taken into account in the reliability assessment of bulk carriers.     

舰船尾迹SAR图像特征的谱分析研究

图像纹理在频率空间的分布具有规律性,可以通过对图像进行频谱分析来提取纹理特征。根据SAR成像机理对舰船尾迹SAR图像进行了仿真研究,采用周相谱法对图像的二维功率谱作一维变换处理,提出基于归一化能量谱的图像谱特征分析方法,并给出了不同探测参数下尾迹SAR图像谱特征的仿真图。结果表明,该方法可有效地消除海面背景的影响,实现舰船尾迹特征检测的定量分析。     

微粒群优化理论在光电载荷安装误差修正中的应用

载荷安装误差是影响空中机动单站光电载荷无源定位精度的主要因素。针对传统解析方法建模复杂、精度不高的问题,采用一种微粒群优化方法对光电载荷安装误差进行修正。仿真分析表明,所采用的微粒群优化方法搜索效率高、搜索效果好,能够实现对安装误差的高精度修正,有望为实际应用提供一种简易可行的方法。     

合成孔径雷达图像船舶自动检测新方法

针对传统SAR图像船舶自动检测方法在检测近岸目标时存在的普适性不强、计算量大、自动识别差的缺陷,提出了一种新的迭代阈值分割算法,通过消除噪声、分离目标检测出船舶目标,对比验证该方法能自动、快速、准确地检测近岸船舶目标。     

高桩墩台桩土共同作用对结构内力的影响*

根据广州某高桩墩台结构断面图和土层参数勘察报告,建立了包含墩台、桩基及土层的三维有限元模型。桩土界面采用面面接触模型,允许桩土分离及滑移,通过接触应力反映桩基土对桩的侧压力和摩阻力。分析得出了高桩墩台在多种荷载组合下的应力场和位移场,以及各桩的弯矩图和轴力图。并进一步将有限元结果与以丰海高桩墩台计算程序为代表的传统嵌固点法计算结果相比较,分析了2种方法单桩轴力图、弯矩图的差异及原因,同时分析了桩基土对结构内力的影响,得到桩排中的最大轴力弯矩桩的位置及单桩上轴力弯矩极值点的位置,为传统的嵌固点法计算结果提供了一些修改与补充,从而为高桩墩台结构设计提供参考。     

基于数据融合的船舶电网参数测量研究

采用单传感器的传统船舶电气参数测量方法存在很多缺陷，会受到传感器的测量噪声和电网中的电磁干扰等影响，从而影响参数测量的精度和测量结果的稳定性。为此，应用状态估计技术和多传感器数据融合理论，提出了一种新的船舶电气参数测量方法。首先建立电压和电流的状态模型，将其连续的动态方程离散化，用于数字信号处理器（DSP）中。然后采用卡尔曼滤波和无反馈分布式融合来对离散化后的采样数据进行融合，从而得到全局数据融合的最优估计。最后，经过一个周期的采集数据估计值进行有效值计算，在液晶屏中显示出来。与单个传感器的检测方法相比，该检测方法具有更高的精度和更好的稳定性。仿真结果和实验测试结果都证明了本检测方法的有效性和优越性。     

基于Faster R-CNN的高速公路抛落物检测

采用传统的基于图像处理的检测方法对高速公路抛落物进行检测不仅耗时耗力,而且检测效果不理想,为解决该问题,提出一种基于Faster R-CNN的深度学习检测方法.在原始Faster R-CNN的基础上,采用残差网络Resnet101代替传统的VGG-16网络和ZFNet网络,作为图像特征提取网络;采用尺寸为4像素、8像素和16像素的锚框代替原始锚框,得到高速公路抛落物检测模型.采用自制的高速公路抛落物数据集对该检测方法的有效性进行验证,结果显示,采用该方法检测的平均准确率达到了91.75％,相比原始的Faster R-CNN算法和yolov3算法,分别提高了7.02％和11.13％.     

一种基于PSO优化HWFCM的快速水下图像分割算法

The S/N of an underwater image is low and has a fuzzy edge.If using traditional methods to process it directly,the result is not satisfying.Though the traditional fuzzy C-means algorithm can sometimes divide the image into object and background,its time-consuming computation is often an obstacle.The mission of the vision system of an autonomous underwater vehicle (AUV) is to rapidly and exactly deal with the information about the object in a complex environment for the AUV to use the obtained result to execute the next task.So,by using the statistical characteristics of the gray image histogram,a fast and effective fuzzy C-means underwater image segmentation algorithm was presented.With the weighted histogram modifying the fuzzy membership,the above algorithm can not only cut down on a large amount of data processing and storage during the computation process compared with the traditional algorithm,so as to speed up the efficiency of the segmentation,but also improve the quality of underwater image segmentation.Finally,particle swarm optimization (PSO) described by the sine function was introduced to the algorithm mentioned above.It made up for the shortcomings that the FCM algorithm can not get the global optimal solution.Thus,on the one hand,it considers the global impact and achieves the local optimal solution,and on the other hand,further greatly increases the computing speed.Experimental results indicate that the novel algorithm can reach a better segmentation quality and the processing time of each image is reduced.They enhance efficiency and satisfy the requirements of a highly effective,real-time AUV.