多聚焦船舶图像的融合与重构方法

目前提出的船舶图像的融合与重构方法聚焦区域较小,在保留边缘和细节信息上效果较差,融合后的视觉效果难以达到人们提出的要求。基于传统研究,引入小波变换法,研究一种多聚焦船舶图像的融合与重构方法。通过经验小波变换得到多聚焦图像的对应子带,确保对应子带的匹配性。利用阈值匹配和加权规则实现信息融合,确定低频分量和高频分量后,引入局部Log-Gabor获得融合规则,根据融合规则对图像进行重构。实验结果表明,提出的多聚焦船舶图像的融合与重构方法能够有效扩大聚焦区域,相对较为完整地保留边缘和细节信息,保证得到的融合图像内部的客观指标与标准图像更加接近。     

基于视觉传达的大型船舶航行图像融合研究

图像融合是图像识别的重要环节,为提升船舶航行图像识别精度,提出了基于视觉传达的大型船舶航行图像融合算法。通过离散滤波获取图像高频部分并盲估计模糊核,依照模糊核,通过总变分正则化法对图像实施非盲去卷积处理,获取去模糊后的图像;针对去模糊处理过程导致图像亮度发生变化的问题,采用伽马校正算法调整图像亮度,提升图像视觉传达效果。针对校正后的图像,对比2幅待融合图像的熵值,获取熵值较大图像的残余分量,通过基于方向滤波的二维局部均值分解法,将残余分量和熵值较小的待融合图像分解成低频子带与高频子带并分别融合,通过逆变换运算得到融合图像。实验结果显示该方法可有效提升大型船舶航行图像的细节清晰度,令图像的视觉传达效果增强,并显著提升图像识别精度。     

采用小波SAR算法的船舶监测系统设计

根据小波变换和Teagar算子的优良特性,设计出一种基于SAR图像的船舶检测算法,并且基于该算法设计出了一套监测系统。该系统能够准确、高品质的实时对船舶进行跟踪监控。此监控系统的核心是这一套新的算法,该算法对SAR图像进行小波变换,然后针对小波变换的低频分量采用Teagar算子进行增强和去噪处理,再将低频分量和高频分量利用逆小波变换获得高品质的SAR图像。并通过实验验证本系统的适用性和优越性。     

小波变换和梯度对多聚焦图像的多分辨率融合

提出一种结合Roberts梯度和小波变换的图像融合方法.该方法对低频分量采用加权平均,对高频分量采用结合梯度平均值的规则.实验结果表明,该方法能够提高多分辨率图像融合方法的效果.     

基于小波变换的边缘保留图像滤波法研究

为了在滤除图像噪声的同时又能保留图像边缘,提出了一种新的基于小波变换的图像滤波法。利用小波变换对噪声图像进行多分辨率分解,得到对应的低频近似信号分量和高频细节信号分量。提取低频系数和高频系数,分别对低频系数进行增强,对高频系数进行锐化,再对锐化后的高频系数进行阈值处理,获得噪声系数,利用锐化前的高频系数减去处理后的高频系数,得到最终的高频系数并通过小波重构得到去噪图像。     

基于视觉传达技术的红外舰船图像多级融合方法

针对多光谱红外舰船图像质量差影响应用性的问题,提出基于视觉传达技术的红外舰船图像多级融合方法。利用多光谱红外热成像仪采集舰船图像数据,对红外舰船图像实施中值滤波处理,增强图像的视觉传达效果。通过非下采样变换方法,将红外舰船图像划分为高频方向子带与低频子带。依据高频子带融合方法和低频子带融合方法,分别融合红外舰船图像的高频方向子带与低频子带。对融合后的高频方向子带与低频子带实施非下采样逆变换处理,获取红外舰船图像的多级融合结果。实验结果表明,该方法可以实现不同光谱频段红外舰船图像的多级融合,融合后图像的互信息量、边缘信息保留量均高于0.7,有效提升红外舰船图像的应用性。     

基于卷积神经网络的船舶图像增强研究

为了更好的识别船舶图像信息,提出基于卷积神经网络的船舶图像增强方法,利用卷积神经网络技术对船舶图像特征进行采集和建模,并对采集到的数据进行降噪,再根据图像颜色特征进行图像缺陷修复和图像的逆向恢复处理,从而获得高品质的船舶图像。最后通过实验证实,卷积神经网络能够有效改善船舶图像的显示质量,满足传播图像增强的设计目标。     

基于小波变换的图像融合算法研究

为解决单源图像无法全面准确捕捉信息的问题,提出了一种基于小波变换的图像融合算法.首先,将多源图像进行多层小波分解,得到各个图像的低频信息和高频信息.接着对小波系数采用像素点区域特征的融合规则进行融合处理,最后通过小波逆变换得到重构图像.仿真结果表明,融合后的图像低频信息部分并没有发生改变,而高频细节部分融合了两幅源图片中的细节部分,使得融合后的图片更加清晰,可信度更高.     

卷积神经网络船舶遥感图像目标检测

本文提出卷积神经网络的船舶遥感图像目标检测方法。采用拉普拉斯算子增强处理船舶遥感图像,使得船舶目标特征信息更加清晰;基于Snake模型分割出遥感图像中的船舶目标,通过Gabor滤波器提取船舶遥感图像目标特征向量;基于卷积神经网络搭建船舶遥感图像目标检测架构,统一化处理分支网络置信度,对卷积神经网络进行训练,获取最优权重系数;将遥感图像输入至训练好的卷积神经网络中,即可实现船舶目标的检测。实验数据显示：应用本文方法获得的F1 Score参量与IoU参量数值全部大于给定标准数值,充分证实本文方法具有较好的船舶遥感图像目标检测效果。     

改进神经网络的船舶红外图像边缘检测方法

研究改进神经网络的船舶红外图像边缘检测方法,提升边缘检测抗噪声干扰能力。采用块匹配的主成分分析方法对船舶红外图像实施去噪处理后,经梯度算子将降噪后船舶红外图像转换为二值图像;以BP神经网络为基础,通过附加动量法-自适应学习速率调整BP神经网络权值,提高网络训练鲁棒性;将转换后舰船二值图像作为改进神经网络的输入,在实施网络训练后得出输出值,依据输出值和设置阈值的对比结果,获取船舶红外图像边缘点,实现船舶红外图像边缘检测。实验结果表明：该方法降噪后船舶红外图像的PSNR值全部高于40 dB,降噪效果较好;可有效提取船舶红外图像边缘特征且边缘检测结果清晰、连贯,能够达到船舶红外图像边缘检测标准。     

基于ARM的CAN总线机舱测量系统的研究

采用ARM作为机舱测量系统中的主控制器,利用ARM的高性能和可裁减性构建CAN总线通信控制网络,可以实现系统全部节点之间的数据共享以及相互之间的协同工作。     

浅谈网络财务

随着网络技术的飞速发展,以网络为基础的电子商务改变着企业的经营管理模式,形成全球化的网络经济.网络财务以其独特优势随之产生并发展,它突破了时空的限制,实行了适应网络环境的新处理方式,必将大大提高企业的管理效率,为企业创造更多的财富.文章介绍了网络财务产生的必然性、特点、应用及存在问题.     

面向研究生创新能力培养的电子导师平台建设探索

创新教育是研究生教育质量的灵魂.本文在分析了电子导师这一新型的研究生教育培养模式的基础上,实现了一种面向研究生创新能力培养的电子导师平台,并对平台的定位和作用进行了深入研究,同时还分析了平台的总体设计思想和技术实现框架,电子导师解决研究生教学中的一些基础问题的意义,促进电子导师在培养研究生创造性思维中的作用,具有重要的理论意义及广泛的应用前景.     

基于网络的随船器材全资可视化系统的研究

依托有线专网和北斗卫星网,研制覆盖随船器材供应链和被服务方的全资可视化系统,实现被服务方随时获取自己申请单的供应链信息,包括器材申领、器材批复、器材运输、器材维修等信息,达到被服务方对整个随船器材服务流程的全维可视和全程可控的目的,从而为随船器材的精确化保障提供技术手段。     

船舶非单点搁浅受力分析

用力学分析的方法,解决船舶非单点搁浅时船底受力大小及脱浅拖力最小值的计算方法问题,并由此提出船舶自行脱浅的两种方法。     

针对持续性跟踪无人艇的探测技术

美国国防先期研究计划局(DARPA)提出的持续性跟踪无人艇(ACTUV)项目对潜艇的隐蔽性和安全性形成重大挑战。加强对ACTUV的搜索、探测、定位,保障潜艇部队安全,是我国海军面临的新任务。本文研究从天基、海基、空基进行搜索侦察,并提出一种多维数据融合定位技术,为相关科研项目提供参考。     

基于FAHP法的造船起重机结构安全性评价研究

针对目前国内外造船起重机安全性评价方法的不足,研究基于模糊层次综合评判法(FAHP)的造船起重机金属结构安全性评价方法,采用层次分析法(AHP)确定指标权重,将模糊综合评判理论运用于起重机金属结构综合评估中。以造船门座起重机为例,建立多指标、多层次安全性评价模型,对指标状态值进行无量纲化处理,运用层次分析法确定权重值,采用模糊综合评判理论计算各层评价值,并最终得到整机金属结构安全指数,为起重机使用企业和特检部门开展工作提供参考依据。     

基于CFD的斜流对螺旋桨性能影响探究

对于拖船、拖网渔船及高速艇等船型,其螺旋桨处在斜流工作条件下。为研究斜流对螺旋桨水动力性能的影响,文章使用商用流体力学软件STAR-CCM+对不同斜流角下螺旋桨的水动力性能进行计算。计算结果表明,斜流会导致螺旋桨敞水性能下降并诱发横向力,对船舶航速、传动轴系及船舶操纵性产生不利影响。     

纳米隔热材料在舰船上的应用研究

纳米材料依旧是21世纪的明星材料,纳米隔热材料由于其明显的低热导率,一出现就成为舰船行业的研究热点。与传统的隔热材料相比,相同的隔热面积需要的纳米隔热材料更少。本文以纳米孔隔热材料的制造工艺为例,探索纳米隔热材料的工艺流程,并将纳米孔隔热材料和传统的隔热材料的压缩强度进行对比,对不同温度下纳米孔隔热材料的加热线收缩率进行研究。结果发现,纳米孔隔热材料的压缩强度高于传统的无机隔热材料,却低于硅酸铝纤维,纳米孔隔热材料的最佳使用温度为1 000℃左右。     

推车机正钩板设计

黄骅港一期翻车机系统主要翻卸车型为C64和C70,翻卸模式为解列翻卸和不解列翻卸两种。在解列翻卸C64车型的过程中,存在推车机推空车皮时火车车钩不正的问题。