基于视觉传达的舰船遥感图像复原研究

为可靠完成图像退化处理,提升图像视觉质量,提出基于视觉传达的舰船遥感图像复原方法。该方法采用多项式校正方法获取控制点舰船图像坐标和坐标变换结果,依据变换关系校正舰船遥感图像的几何畸变;通过傅里叶变换方法变换校正后图像,将其变换至频率域内,在该域中分析舰船遥感图像退化过程后,采用超复数频域变换模型实现舰船遥感图像复原,获取复原后图像结果。测试结果表明：能够有效完成图像几何畸变校正,校正后图像对应坐标位置精准性显著提升;空间频率结果均在0.92以上;复原后图像的颜色、目标和背景的对比度等均显著提升,满足人眼视觉标准。     

广角摄像机标定及畸变图像修正方法研究

广角摄像机可获取大视角的景物视频信息,但是成像后图像畸变较大,为后期图像处理与分析带来困难。利用摄像机标定技术,通过求解广角摄像机内参数和畸变系数,对畸变图像进行了修正,消除图像几何畸变。文中的标定与修正方法具有通用性,适用于现有工程应用中各类摄像系统的光学畸变修正,有利于事后数据处理与分析工作。     

海巡无人机遥感图像畸变校正方法研究

现有海巡无人机遥感图像畸变校正方法存在畸变校正效果差的问题。为了解决上述问题,提出海巡无人机遥感图像畸变校正方法。根据遥感图像畸变校正需求,构建遥感图像畸变校正框架,以此为基础,通过粗加工确定遥感图像成像方程,以确定的方程为依据,采用多项式法构建遥感图像畸变校正公式,校正遥感图像像素坐标,利用三次卷积算法重采样遥感图像像素值,实现了海巡无人机遥感图像畸变的校正。实验结果显示,与现有海巡无人机遥感图像畸变校正方法相比,提出的海巡无人机遥感图像畸变校正方法极大地提升了畸变校正效果,充分说明提出的海巡无人机遥感图像畸变校正方法具备更好的性能。     

基于机器视觉的船舶舱室液体泄漏监测方法

基于机器视觉的舱室液体泄漏监测,是实现船舶机舱朝无人化方向发展的必然需求。文章针对目前低照度下船舶舱室液体泄漏的图像质量差和识别精度低等问题,提出了一种基于机器视觉的船舶舱室液体泄漏监测方法。首先,采用改进的多尺度Retinex算法对低照度下船舶舱室液体泄漏的图像进行处理,使图像对比度增强、细节更丰富、边缘保留完整。然后,对增强后的液体泄漏图像进行特征提取,通过机器学习对船舶舱室液体的泄漏故障进行判断。结果表明,增强后的泄漏图像识别精度得到了明显提升,使用k-近邻(k-Nearest Neighbor,kNN)算法可达到95%的分类精度,能够很好地监测低照度下的船舶舱室液体泄漏。     

基于改进人工蜂群算法的船舶管路路径寻优算法分析

[目的]人工蜂群（ABC）算法具有控制参数少、局部寻优能力强、收敛速度快的特点,但在解决路径寻优问题方面,存在容易陷入局部最优的缺陷。为解决船舶管路系统中的管路路径规划问题,提出一种改进的人工蜂群（IABC）算法。[方法]在传统人工蜂群算法的基础上,在跟随蜂的更新机制中引入遗传算子中的交叉操作,并对交叉算子的交叉概率采用自适应的策略;通过对种群进行的交叉操作寻找全局范围内的新解,并改进侦察蜂寻找新路径的方式,由原来的对路径经过的点进行更新改为对路径中的“路段”进行更新;随后,提出一种适应于解决分支管路路径寻优的改进人工蜂群协同进化算法。[结果]实例验证表明,改进后的人工蜂群算法相比标准人工蜂群算法其路径布置效果能够提升32.3%～37.4%,收敛速度能够提升17.7%～29.9%。[结论]无论是解决单管路还是分支管路,改进后的人工蜂群算法相比传统的人工蜂群算法求解质量更高、收敛速度更快、稳定性更好。     

混合人工蜂群算法在船舶通信网络优化中的应用

混合人工蜂群算法是一种基于仿生学的智能算法,该算法通过模拟蜂群中的分工行为进行局部寻优,能够实现优化问题的快速收敛。船舶无线通信网络由网络节点、网络链路、船舶终端等构成,通信网络的性能关系到船舶导航、AIS系统运行等。本文结合混合人工蜂群算法,进行船舶无线通信网络的覆盖率提升等优化研究,有助于改善当前船舶无线通信网络的性能。     

基于CAN总线的船舶机舱危险行为智能视觉监控系统

传统船舶机舱监控采用人工记录的方法,不仅费时费力并且容易出现数据差错,为解决这一问题,对基于CAN总线的船舶机舱危险行为智能视觉监控系统设计进行研究。系统设计主要从硬件与软件两方面进行研究,通过对系统硬件整体设计,从而确定数字量输出通道。以硬件为基础,对软件进行整体设计,通过CAN通信任务设计,实现系统对船舶机舱危险行为智能视觉的监控。根据模拟实验证明,基于CAN总线的船舶机舱危险行为智能视觉监控系统与传统监控方式相比,机舱监控准确率提高10%。     

一种基于LabVIEW的摄像机非线性畸变标定方法

摄像机标定是机器视觉系统成功应用到自动化生产领域的关键环节,也是船舶焊接自动化工程中的关键技术。提出了一种基于LabVIEW的摄像机非线性畸变标定方法,该方法在Tsai两步法和Brown模型的基础上,考虑了工业相机的实际要求,优化了畸变参数并简化了畸变模型。采用德国Basler工业相机及其配套镜头,使相机工作距离为100mm,通过LabVIEW平台和圆点标定板,分别对三种方法的标定精度和校正效果进行实验分析,实验测得数据与理论数据对比结果表明畸变误差的平均值为0.0003 mm,畸变为0.0147%,可以满足基本的工业检测精度要求,同时能将标定结果保存为独立文件,以便快速地标定。较传统方法在精度和灵活性方面有所改进。     

基于机器学习的船舶机舱设备状态监测方法

[目的]为实现船舶机舱设备的智能状态监测,引入机器学习算法,提出一种结合流形学习和孤立森林的船舶机舱设备状态监测方法.[方法]由于船舶机舱设备的状态监测数据是多维度数据,基于该监测系统,通过流形学习来提取有效的数据特征,实现对原始数据的降维,减少数据复杂度.基于孤立森林算法,在仅利用正常工况数据集的情况下,训练并构建多...     

改进张友正标定法在船舶曲面分段测量装备中的应用

在船舶曲面分段测量装备开发中,以视觉检测中的摄像机标定过程作为研究的对象,分析了开源计算机视觉函数库OpenCV中的摄像机模型,使用张正友基于平面模板的方法进行标定,过程中充分考虑了透镜径向畸变和切向畸变因素的影响。文章在标定之前讨论了摄像机结构参数的设置问题,以期更合理地布置摄像机摆放位置。文中给出了详细的标定步骤,并提出基于多项式拟合的摄像机标定方法。该算法充分发挥了OpenCV函数库的功能,提高了标定精度和计算效率,具有良好的跨平台移植性,可以满足船舶曲面分段测量装备视觉测量的需要。