结合小波变换和K均值聚类的SAR舰船目标分割

对SAR舰船目标分割方法进行研究,给出一种基于小波变换与K均值聚类相结合的舰船目标分割方法。在该方法中,首先利用双密度双树复小波变换优秀的图像去噪能力,对SAR图像进行降噪处理,以减少相干噪声对分割结果的影响;然后通过改进的K均值聚类方法进行舰船分割。实验结果表明本文方法能有对SAT舰船目标进行有效区分。     

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。     

基于标准化灰度霍夫SAR图像的舰船尾流探测算法变换研究

目前,合成孔径雷达(SAR)图像技术在舰船检测和监视等方面的应用越来越广泛,特别是在舰船目标识别方面。当运用SAR图像技术进行舰船尾迹检测时,面临的主要问题是缺乏自适应的检测算法和检测系统,导致舰船尾迹检测的项目稀少,获取的目标信息单一,既无法发挥SAR图像技术的优点,又无法准确有效地进行舰船尾迹检测。本文详细分析了影响尾迹产生的因素,在Hough变换的基础上,进行了SAR图像技术在舰船尾迹检测中的研究。     

利用小波变换设计的SAR图像检测研究

近年来,合成孔径雷达(SAR)飞速发展,已成为当今获得遥感信息的主要传感器之一。SAR图像检测由于其高分辨率和全天候全方位的优点,成为舰船尾迹检测的最重要方式之一。然而,传统的人工检测方法已不能满足大量的SAR图像数据要求,因此,为提高检测的准确率,必须开发海面舰船目标监测算法。针对这一需求,本文开发一款基于小波变换设计的SAR图像检测算法,该算法兼顾速度和准确率,具有广阔的应用前景。     

基于合成孔径雷达图像处理的舰船目标检测与优化

合成孔径雷达(SAR)具有全天候、全方位的目标监测功能,被广泛应用于国防军事和工业领域。本文主要研究了一种基于合成孔径雷达图像处理的舰船目标检测技术,海上舰船目标的检测和识别有重要的军事意义,能够提高海上交通的管理能力。本文首先介绍了合成孔径雷达的基本成像原理,然后基于LEE滤波器介绍SAR图像的噪声处理,最后针对舰船SAR图像的目标特征进行了识别与分析。     

大尺度声纳图像目标自动分类方法研究

针对大尺度海底声纳图像l中小目标的自动识别问题,提出了一种基于分形维探测与纹卵特征卡结结合的目标自动分类算法。该算法采用分形维探测方法实现尺度变换,并在此基础上利用基于灰度共生矩阵的纹理特征描述目标特性,最后采用SVM算法解决图像声纳小目标识别中小样本,非线性及高维的现实难题向实现分类。实验结果表明,此算法在对解决大尺...     

基于有序数据可变索引的舰船目标检测方法研究

舰船目标的检测与识别技术有重要作用,一方面,在海上交通管理和航线疏导上,舰船目标检测技术可以提供舰船准确的航行速度等信息,另一方面,海上舰船检测广泛应用于军事领域的敌方舰船侦察、锁定等,对保护海上领土有重要意义。本文主要研究了合成孔径雷达(SAR)技术,针对SAR技术舰船目标图像特征提取、噪声过滤等问题,采用一种有序数据可变索引技术,提高了舰船合成孔径雷达SAR图像处理的精度,并进行了海上舰船目标的仿真试验。     

基于分形理论的遥感图像判别技术综述

遥感图像判别是遥感领域研究的重要部分,民用和军事应用价值巨大。通过对遥感卫星图像特征和分形物理模型的研究角度对地物判别技术进行综述,综合了近年来提出的典型的遥感图像判别方法的基本原理和最新研究进展。从相应的研究得知,利用图像分形维数特征,对遥感图像进行分类是可行的。最后展望了遥感图像判别技术的未来研究方向,并给出了一些建议。     

MATLAB环境下岩石SEM图像损伤分形维数的实现

根据MATLAB的图像处理和数值计算功能的特点,编写MATLAB程序,并验算Sierpinski垫圈图形分形维数。通过对锦屏二级水电站深埋长大引水隧洞围岩破坏微观图像（SEM图像）进行分形分析,计算出图像的分形维数,推出岩石损伤破坏分形变化规律。     

基于傅立叶变换的灰度成像扩展目标跟踪帧间图像配准方法

针对运动背景下扩展目标的检测中,运动目标在图像上造成的变化与背景自身的变化会造成混淆,使得运动目标的检测变得更加复杂这一问题。提出了基于傅立叶变换的灰度成像扩展目标跟踪帧间图像配准方法。以帧间图像的互能量谱关系函数为系统的目标函数,以偏移量冲击函数为系统的偏移量配准函数。试验结果表明,采用该算法,得出目标图与偏移图水平向右移动14个像素,垂直向上移动1个像素。利用该参数将偏移图平移(-14,-1)即可实现两帧图像的配准。     

分形外推在海洋石油工程中的应用

讨论分形模型N=C／r^D（其中分维数DW以是实数，变量，复数）和分形级数建立的外推公式；给出常维分形外推，变维分形外推，复数维分形外推，分形级数外推四种外推方法。为了使外推的效果更好，有时需要将数据点预先加以处理（如平移，求累计和等）；另外，有时要对分维数D进行必要的调整。文中用实例讨论四种分形外推的海洋石油工程应用，如台风路径预测等。     

基于小波变换和分形理论的舰船损伤识别

研究舰船的损伤识别对于保障船舶在海面上安全航行具有重要意义。本文提出基于小波变换和分形理论的舰船损伤识别算法,充分考虑小波变换的多尺度细化特性,对获取到的舰船图像进行小波变换和分形计算。通过实验验证了该算法的区分度好,差异性大,可靠性强,有利于利用神经网络进行损失识别。     

长江上游河道剖面分维数与通航水力要素的关系*

通过对向家坝坝下宜宾—朱沱河段建立一维及二维非恒定-分形数学模型,研究该河段及局部滩段水流条件,利用累计和变维分形方法,得到河道纵剖面河流长度分形维数和河道横剖面河流宽度分形维数。在此基础上,探讨了河道纵剖面分维数和河道横剖面分维数与通航水力指标的响应关系。研究结果表明：1）在宜宾—朱沱河段中,随着河道纵剖面分维数的减小,横剖面分维数逐渐变小。2）在满足最低通航流量要求情况下,宜宾—泸州段的纵剖面分维数的取值范围为-1.297～-1.049,泸州—朱沱段的纵剖面分维数的取值范围为-1.305～-1.032。3）在宜宾—朱沱河段中,某一流量下横剖面分维数值反映的是某断面的地形与该级流量的相关度,而滩段横剖面分维数反映的是全河段地形与流量过程的相关度。     

山区河流垂线流速分布类型的分形研究

根据长江上游螃蟹碛至火焰碛水道实测资料,对该河段水流垂线流速分布类型进行归纳;利用分形理论研究了"3"型垂线流速分布,并探讨流量、水位和河道横纵坡降对分形维数的影响。研究结果表明:研究河段垂线流速分布可分为"3"型、"反3"型、"C"型、"反C"型、"1"型、"S"型、"7"型、"反S"型和"类指数"型,其中"3"型流速分布出现频率最高;"3"型垂线流速分布呈一阶累计和变维分形,其实质上是对数流速分布在多种因素作用下发生偏离的结果;垂线流速分布的分形维数与流量、水位和坡降成正相关,但三者对分形维数影响不大。     

重力图匹配导航方法研究

提出一种利用重力异常信息校正惯导系统的方法按照一定方法将重力实测数据和数字重力图进行相关分析和匹配以得到最优路径,再用位置误差对惯性器件误差进行扩展Kalman滤波估计,最后对惯导系统的导航状态进行修正,得到最优导航状态。     

基于分形海面模型的海杂波散射特性分析

雷达工作时会受到周围环境的影响。当雷达探测海上目标时,海杂波是影响雷达的主要因素,所以对海杂波的研究能够有效地减少其对有用信号的干扰。论文利用分形模型建立随机海面,根据成熟的基尔霍夫近似法的计算公式与标准大气情况下的 GIT 经验模型,实现了在不同海况下散射系数的曲线图。     

基于改进型Boussinesq方程的二维波浪数值模型

基于改进型Boussinesq方程，在非交错网格下，建立了二维波浪数值模型。模型计算采用了有限差分法，时间格式上采用混合四阶Adams—Bashforth—Mouhon，空间格式上采用了Wei等（1995）给出的格式。数值计算中。采用了内部造渡技术。数值模拟针对3纽经典浅滩地形上波浪传播变形的实验进行，数值计算结果与实验结果吻合较好。验证了数值模型，该模型可期望用于实际港口渡浪预报。     

混凝土断裂能的研究

对断裂面进行处理,采集断裂面的数字图像,然后对数字图像进行分析,重新构成断裂面,通过图像求得断裂面的分形维数和真实面积,用于分析断裂能。在分析混凝土断裂能时,对水泥砂浆、骨料、水泥砂浆与骨料的粘结界面这3种不同性质的部分分别研究,汇总结果得到真实的断裂能。     

用OpenFlight API开发分形地形

分形是近年来流行的地形生成方法。用分形方法生成的地形具有速度快，逼真度高等特点。OpenFlight是视景仿真的标准三维模型格式，已经被大多数视景仿真软件接受。论述了如何用OpenFlight API和分形算法生成三维地形模型。     

一种基于模型的水声弱信号检测方法(英文)

Detection of weak underwater signals is an area of general interest in marine engineering. A weak signal detection scheme was developed; it combined nonlinear dynamical reconstruction techniques, radial basis function (RBF) neural networks and an extended Kalman filter (EKF). In this method chaos theory was used to model background noise. Noise was predicted by phase space reconstruction techniques and RBF neural networks in a synergistic manner. In the absence of a signal, prediction error stayed low and became relatively large when the input contained a signal. EKF was used to improve the convergence rate of the RBF neural network. Application of the scheme to different experimental data sets showed that the algorithm can detect signals hidden in strong noise even when the signal-to-noise ratio (SNR) is less than −40d B.