共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
3.
连续的水深点对于海上运输及海上工程等各方面来说都至关重要,而在一些水域只有离散的水深数据不利于船舶航行及海上施工的安全。因此,以找出相对适用于已开发电子海图系统的海底地形生成算法为背景,应用克里金法、样条插值、二次曲面拟合算法,根据不同比例尺电子海图上的水深点,比较各算法生成三维海底地形的准确性和生成效率。通过实验表明克里金算法更适合海底地形的生成。 相似文献
4.
5.
在船舶舰桥管理系统中,采用了众多的先进的控制技术,比如电子海图、GPS导航、雷达识别等。本文主要探讨了一种结合电子海图和雷达识别的显示技术,能够充分发挥出电子海图和雷达的特点,并通过修正算法,提高舰桥管理系统的综合控制能力。在此控制系统中,船员能够通过算法对电子海图中的识别目标进行主动跟踪,然后利用雷达进一步提高动态跟踪的能力,文末还结合显示算法,对两者的叠加显示进行了仿真与验证。 相似文献
6.
为了提高海上目标的匹配定位,提出雷达模拟视频与电子海图叠加匹配算法。根据雷达和电子海图的显示特点,通过对采集的雷达模拟视频信号执行数字化、坐标转换和图像转换等操作,实现雷达和电子海图的叠加。分别提取叠加效果图像中的特征点,并计算特征点之间的相似度,从而实现对雷达模拟视频与电子海图的叠加匹配。经过与传统匹配算法的对比,发现设计叠加匹配算法的平均匹配率提高了11.2%。 相似文献
7.
本文通过介绍电子海图的主要功能,研究在海上搜救中如何利用电子海图进行更加有效地搜救工作,提高海上搜救的成功率。 相似文献
8.
9.
在海上图像识别系统中,由于海上环境的不稳定及海上噪声的影响,对于海上拍摄图像纹理进行特征值的全面稳定提取还存在很大的提升空间。蚁群算法由于具有全局智能化的搜索能力,且同时有很好的自适应反馈能力及优良的鲁棒性特征而得到广泛应用。本文在研究现有蚁群算法基础上,提出一种新的对海面图像特征提取的有效蚁群算法,从而实现对海上图像有效识别。仿真表明,该算法不仅具有较低的算法复杂度,并且图像识别率较高。 相似文献
10.
对船舶图像进行快速准确识别在军民领域都有广泛应用,随着船舶种类的增多、图像质量的提高,传统的卷积神经网络进行船舶图像识别需耗费大量时间。本文对深度神经网络的原理进行分析,并在此基础上研究基于深度神经网络的船舶图像识别流程,对船舶图像预处理技术进行研究,建立船舶图像训练集和测试集,对YOLOV2、卷积神经网络和本文算法的平均识别时间和识别准确率进行分析,最后研究3种算法的训练次数对识别准确率的影响。本文研究的深度神经网络船舶图像识别算法,在平均识别时间以及识别准确率上具有一定优势。 相似文献