深度学习算法在舰船电子海图识别中的应用

海上运输业务的不断增多,使得航运领域的发展速度随之大幅度加快,图像识别技术在该领域中的应用范围大幅度拓宽。为在现有的基础上进一步提升图像识别的精度和效率,业内的专家学者进行大量的研究探索。与此同时,电子海图结构发生了一定程度的变化,传统的图像识别算法现已无法满足电子海图识别的需要。基于此,选取深度学习算法中的卷积神经网络,搭建识别模型,提出量化方法,增强识别的精度。通过量化处理之后,网络模型的性能得到显著提升,满足了舰船电子海图识别的要求。     

大规模电子海图矢量数据在船舶路径规划建模中的应用

为了提高船舶航运效率,确保海上航运的安全性,利用电子海图数据进行船舶路径避障规划具有重要意义。本文设计一种基于电子海图矢量数据的船舶路径规划建模方法,首先介绍电子海图系统的研究现状,然后针对电子海图矢量数据的数学建模进行深入研究,最后结合GA算法开发了一种海上船舶路径规划与建模的方法。     

基于电子海图的几种三维海底地形算法比较

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。     

水上交通事故管理系统设计与实现

采用电子海图技术建立水上交通事故信息系统,已经成为海上交通管理、事故分析的一个先进有效的技术手段。根据事故数据的属性和空间特性,确定基于电子海图的水上交通事故管理系统的内容特点,设计了事故管理系统的功能结构和技术开发流程。该系统能提高海上交通管理效率,预防事故的发生,改善海上交通环境,并提供救助设备的合理配布方案。     

综合舰桥系统中电子海图与雷达背景的叠加显示研究

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。     

雷达模拟视频与电子海图叠加匹配算法

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%。     

基于电子海图的海上搜救的研究

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。     

海上舰船目标的多尺度图像识别算法

常规图像识别算法存在图像尺度分割不明确的问题,导致识别算法的准确率较低,构建一种新的海上舰船目标的多尺度图像识别算法。采集图像信息,获取图像噪声类型,利用样本分散数据,降维图像线性投影,提取像素点位置,分割多尺度图像构建识别算法。实验结果表明,此次构建的多尺度图像识别算法,在3种不同的图像分辨率条件下,识别准确率分别比其他2种常规识别算法高出16.52%,18.17%,14.79%,证明此次构建的图像识别准确率更高,更适合应用在海上舰船目标图像识别的任务中。     

蚁群算法在海面图像识别系统中的应用

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。     

基于深度神经网络的船舶图像识别检索研究

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。