物联网结构在舰船多目标检测系统中的研究

舰船多目标检测系统是海上军事领域的重要研究方向之一。随着物联网技术的发展,无线传感网络在舰船多目标识别系统中的应用越来越广,其无线传感网络的节能问题﹑通信带宽及信道衰落都影响着目标检测系统的时效性及准确性。本文研究现有的多传感器网络的目标检测系统原理,重点分析基于舰船纯方位角度的多目标检测跟踪算法,并利用UFK方法对算法中的非线性扰动问题进行分析,解决多目标检测中的滑动窗口稳定性问题,最后进行仿真。     

利用Mehra自适应卡尔滤波进行船舶目标跟踪

基于无线传感网络的目标跟踪技术在航海中应用越来越多,卡尔曼滤波是目标跟踪系统中求解非线性最优解的主流技术。卡尔曼滤波算法通过传感网络中的定位值进行"预测-修正-调整"的自适应反馈调整,能动态的调整跟踪精度。随着无线传感器的采集数据的增加及部署密度的增强,传统的最小二乘法算法已经不能适应船舶目标跟踪。本文分析基于无线传感网络目标跟踪模型,在此基础上设计基于Mehra卡尔曼滤波的移动目标跟踪算法。     

大型舰艇人员定位系统设计

本文介绍一种基于Zigbee无线传感网络技术进行大型舰船人员实时定位的研究。以舰船舱室、通道、战位的实际布置情况为依据,研究了人员定位系统的总体方案设计,采用RSSI测距的定位算法解算位置节点的相对坐标。测试结果表明,系统设计合理可行,能够应用在大型舰船的人员实时定位。     

舰船传感网络入侵数据快速定位方法分析

为了保证舰船传感网络的安全运行,提出舰船传感网络入侵数据快速定位方法。通过网关/基站和节点,设计适合舰船传感网络入侵数据定位的拓扑结构,并根据构建的目标定位网络拓扑结构,采用三边质心法获取入侵节点坐标,完成对舰船传感网络入侵数据的快速定位。根据实验结果可知,所提方法能够快速且精准的对舰船传感网络入侵数据进行定位,为舰船网络通信安全奠定了基础。     

时变海面舰船多目标优化跟踪数学模型

现有时变海面舰船多目标优化跟踪数学模型由于技术的不成熟,存在跟踪效果差的问题。为了解决上述问题,提出时变海面舰船多目标优化跟踪数学模型研究。以雷达获取的海面图像为前提,采用可变部件模型检测舰船多目标,利用光流法生成舰船多目标轨迹片段,将得到的舰船多目标轨迹片段映射到成本流量网络中,形成网络流图,得到最小网络流的舰船多目标方程,通过最短路径算法求解最小网络流网络,实现了时变海面舰船多目标的优化跟踪。通过仿真对比实验结果表明,与现有的时变海面舰船多目标优化跟踪数学模型相比较,构建的时变海面舰船多目标优化跟踪数学模型极大的提升了跟踪效果,充分说明构建的时变海面舰船多目标优化跟踪数学模型具备更好的性能。     

基于大数据的舰船红外图像目标实时跟踪方法

舰船红外图像目标实时跟踪具有重要的研究意义,针对当前舰船红外图像目标实时跟踪算法存在的易丢失跟踪目标、目标跟踪精度低、计算时间少等缺陷,为了改善舰船红外图像目标实时跟踪效果,设计了基于大数据的舰船红外图像目标实时跟踪方法。首先分析了目前一些经典舰船红外图像目标实时跟踪方法的缺陷,找到引起它们不足的原因,然后提取舰船红外图像目标跟踪特征,并采用大数据分析技术根据特征实现舰船红外图像目标实时跟踪,最后对舰船红外图像目标跟踪误差和实时性进行实例分析,结果表明,本文方法的舰船红外图像目标跟踪精度高,跟踪误差处于实际应用要求的最小区间内,且舰船红外图像目标跟踪计算时间短,可以对目标进行实时有效的跟踪,获得比其它方法更优的舰船红外图像目标实时跟踪结果。     

复杂背景下无人艇视频视觉目标图像识别算法

为精准跟踪海域环境中的各类舰船目标,生成连续性的视觉目标图像视频,提出复杂背景下的无人艇视频视觉目标图像识别算法。利用增强滤波处理无人艇图像中的数据信息,再通过特殊信息标记的方式,完成无人艇视频的图像数据集设计。在此基础上,改进原识别提取网络,借助边界框预测实值,完成待识别目标图像的特征提取,实现复杂背景下无人艇视频视觉目标图像识别算法的顺利应用。对比实验结果表明,与KCF目标跟踪算法相比,应用新型目标图像识别算法后,YOI船体识别参数增大至8.56,实现了对海域环境中各类舰船目标的精准跟踪,大幅促进了连续性视觉目标图像视频的生成。     

改进Retinex的红外舰船图像增强算法

传统Retinex的红外舰船图像增强算法能改善图像的视觉效果,但受环境影响因素大,对复杂红外图像处理效果不明显,为此提出改进Retinex的红外舰船图像增强算法。根据灰度映射特殊函数关系,改进Retinex灰度图像增益关系,改善环境参数变化造成的图像阴影;采用傅里叶频域函数实现逆变增强,通过巴特沃斯频域函数去除低频分量,完成频域图像增强算法改进,从而解决复杂红外图像处理不清问题。实验数据表明,该设计算法比传统算法的分辨力高出63.9%,且能够识别更加复杂的图像信息,消除恶劣环境影响。     

三维动态舰船图像颜色特征自动提取及应用研究

以提升舰船颜色特征的应用技术水平,研究三维动态舰船图像颜色特征自动提取和应用方法。通过相机采集三维动态舰船图像颜色特征后,先使用PCA算法获取三维动态舰船图像的颜色特征子空间,再通过K-means聚类算法得到三维动态舰船图像颜色特征,以该颜色特征作为基础,分别利用支持向量机算法和二阶常速模型实现舰船目标识别和航迹跟踪。实验结果表明,该方法可有效提取三维动态舰船图像颜色特征的R、G、B分量,提取舰船图像颜色特征能力较强。将提取到的三维动态舰船图像颜色特征,应用到舰船目标识别和航迹跟踪,可有效识别舰船和跟踪舰船航迹,应用效果较为显著。     

低照度的舰船图像增强研究

传统舰船图像低照度增强算法多为单一增强算法,因此在对图像动态范围处理上存在一定误差,导致动态范围外的图像色域噪点处理效果不佳,图像整体增强效果无法达到舰船图像应用要求。为了获得低照度下舰船图像的最佳增强效果,提出低照度的舰船图像增强研究。首先,对低照度图像建立Retinex模型,获得低照度图像增强的理论基础数据;接着将Retinex模型参量引入低照度舰船图像,建立图像光照基础模型,根据光照基础模型获得的各图层光照分布状态,对其亮度进行调整,滤除图层噪点;然后,通过神经网络算法,对增强图像图层进行重建计算,完成低照度舰船图像增强计算。最后,通过对比实验数据,证明提出方法能够提升低照度舰船图像增强处理效果。