基于BP神经网络的图像识别跟踪技术

本文利用BP神经网络抗干扰性强,识别精准等优点对船舶进行识别跟踪。首先获取原始图像,然后预处理,以图像的全部灰度值为训练样本,以新不变矩特征向量为样本集输入到3层BP神经网络中,对含不同噪声均值的图像进行识别。实验结果表明,以新不变矩特征向量作为样本集时抗噪能力强,识别率高。最后以新不变矩特征向量作为样本集进行目标跟踪得到跟踪误差。     

基于小波和仿射不变矩特征融合的舰船型号识别

针对不变矩对仿射形变目标描述的不足,为提高舰船型号的识别精度,提出一种基于小波和仿射不变矩特征融合的舰船型号识别方法。首先对二值舰船图像进行归一化处理,并分别提取归一化舰船图像的小波矩特征值和仿射不变矩特征值;然后通过计算样本特征均值与标准差的比值,选择出鲁棒性好、稳定性高的特征,通过归一化方法进行融合;最后构造五类舰船的样本集,采用支持向量机(SVM)作为分类器识别测试样本的型号,分析不同矩特征、样本集大小、SVM参数、本文方法对识别精度、稳定性的影响。实验结果表明,文中给出的算法提高了识别精度,并且在训练样本集较小时仍能获得88%以上的识别率。     

基于小波和仿射不变矩特征融合的舰船型号识别

针对不变矩对仿射形变目标描述的不足,为提高舰船型号的识别精度,提出一种基于小波和仿射不变矩特征融合的舰船型号识别方法.首先对二值舰船图像进行归一化处理,并分别提取归一化舰船图像的小波矩特征值和仿射不变矩特征值;然后通过计算样本特征均值与标准差的比值,选择出鲁棒性好、稳定性高的特征,通过归一化方法进行融合;最后构造五类舰船的样本集,采用支持向量机(SVM)作为分类器识别测试样本的型号,分析不同矩特征、样本集大小、SVM参数、本文方法对识别精度、稳定性的影响.实验结果表明,文中给出的算法提高了识别精度,并且在训练样本集较小时仍能获得88%以上的识别率.     

强风浪下基于遥感图像的海上船舶定位方法

为了提高海上船舶的强风浪下定位性能,提出基于遥感图像特征提取的强风浪下海上船舶定位方法。采用遥感探测方法进行船舶图像采集,对采集的强风浪下海上船舶遥感图像进行降噪处理,采用多尺度小波分解方法进行船舶遥感图像的块分割,实现对船舶遥感图像的边缘轮廓特征提取,根据船舶遥感图像的边缘轮廓特征进行海上船舶跟踪定位,实现强风浪下海上船舶遥感图像的融合跟踪和定位识别。仿真结果表明,采用该方法进行海上船舶定位的准确度较高,输出图像的质量较好,提高了船舶定位识别的鲁棒性。     

基于子空间投影的舰船图像轮廓特征提取方法

特征提取技术是计算机视觉以及图像处理领域的一个研究热点,在各领域都取得了较为显著的应用成效。本文从舰船图像轮廓特征提取入手,通过正交化各类投影子空间,设计出一个舰船图像轮廓特征的二元损失函数,不断优化识别检测算法,验证本次基于子空间投影的舰船图像轮廓特征提取方法的分类性能与泛化能力。     

船舶轮廓图像三维重构技术研究

传统三维造型技术所得的三维坐标精准度差,为了解决这个问题,提出一种新的船舶轮廓图像三维重构技术。先提取船舶轮廓线,在处理船舶轮廓图像数据,以实现重构的完整性,在此基础上,采用零均值归一化算法,匹配船舶轮廓图像特征点,在建立粗匹配关系后,获取船舶轮廓三维点坐标,实现船舶轮廓图像三维重构,由此,完成船舶轮廓图像三维重构技术的设计。最后,在数据库中随机选取7组立体匹配对应图像点,对比2种方法的精准度,实验结果表明,所提方法精准度更高。     

轮廓与特征点结合的雷达海图匹配定位

为了实现雷达定位自动化,提高雷达定位的精度,针对电子海图信息和雷达信息匹配定位进行了研究。采用轮廓相似度概略定位与轮廓特征点匹配定位相结合的方法,克服单一匹配容易误匹的现象,达到提高定位精度,保证实时性的目的。详细论述了雷达回波图象轮廓特征点集和电子海图图像轮廓特征点集的建立方法,轮廓相似度的计算和概略定位方法,特征点集匹配集的确定和平差求最或然船位的方法。通过示例验证了研究的可行性及在各种定位条件下的定位准确性。     

基于深度自编码网络的舰船辐射噪声分类识别

针对水下被动声呐目标分类识别问题,借签深度学习网络在图像、语音等领域的成功运用,提出一种基于深度自编码网络的舰船辐射噪声分类识别方法。首先使用Welch功率谱估计方法获得舰船辐射噪声的功率谱特征,然后对原始训练样本集结构优化得到新训练样本集,并构建训练深度自编码网络。依据总体正确识别概率和各类目标正确识别概率对网络参数进行优化设置,实现对舰船辐射噪声的分类识别。经过大量海上实录舰船辐射噪声的分类识别实验,验证了该方法的可行性和实用性。对比BP神经网络分类器,具有更高的正确分类识别概率。     

人机交互船体可视图像轮廓点获取方法研究

由于传统的可视图像轮廓点获取技术精准度低的情况,设计一种基于人机交互的船体可视图像轮廓点获取方法,根据图像形态学的定义,检测图像的边缘形态,采用结构图像元素定义,对图像边缘进行细化,在检测图像的基础上,定义船体检测到的轮廓模型为平面内的一条参数曲线,利用最小二乘法得到各点的左右斜率,确定角点,以此实现对船体可视图像轮廓点的获取。并设计仿真实验对该方法进行检验,实验结果表明,此方法在进行船体可视图像轮廓点获取上,精准度较传统方法高,具备实际应用意义。     

船舶电气系统故障识别的建模方法研究

为了改善船舶电气系统故障识别结果,提出基于机器学习算法的船舶电气系统故障识别方法。首先采集船舶电气系统工作状态的数据,并提取船舶电气系统故障识别特征向量,然后利用机器学习算法对船舶电气系统的训练样本进行学习,建立船舶电气系统故障识别模型,最后进行船舶电气系统故障识别方法有效性测试实验,测试结果表明,本文方法能够获得较高正确率的船舶电气系统故障识别结果,同时船舶电气系统故障识别整体结果显著好于其他船舶电气系统故障识别方法。