远洋船舶目标检测中图像分类识别研究

为准确划分远洋船舶类别,实现远洋船舶目标检测,保障海洋生态环境、海洋交通与国防安全,研究远洋船舶目标检测中图像分类识别方法。采用小波分析法,通过二维小波变换获取低频子图像、水平细节子图像、垂直细节子图像和对角细节子图像,将其作为远洋船舶图像特征;采用采用双向递归神经网络(BRNN)的深度学习方法构建分类器,将远洋船舶图像特征作为输入向量,通过递归神经网络将输入向量映射至输出向量,得到船舶目标图像分类结果。同时利用改进粒子群算法优化分类器中的权重与偏差参数,提升船舶目标图像分类精度。实验结果显示,所研究方法能够有效划分船舶目标图像类别,且划分精度高于97%。     

图像处理在船舶目标分类中的应用研究

随着我国航运业的快速发展,航运交通安全问题也成为管理者关注的重点。船舶交通管理系统得到发展和广泛使用。虽然雷达、自动识别系统(AIS)、全球定位系统(GPS)等辅助技术在VTS系统中得到运用,但这些技术在船舶分类识别等方面存在一定局限性。本文对图像处理技术在VTS系统中船舶分类应用的可行性进行研究,提出一种基于模板匹配和神经网络的船舶分类的算法模型,尝试通过该算法模型解决现有VTS系统存在的一些不足,同时进行仿真实验并给出仿真结果。     

基于图像处理和模糊神经网络理论的船舶分类研究

本文将图像处理算法和模糊神经网络分类器相结合进行船舶分类,在研究过程中,首先利用图像处理技术进行图像分割、设定阈值、边缘检测等操作,然后建立了模糊神经网络结构,在此结构基础上进行模糊神经网络分类学习,最后采集到实测数据进行船舶分类,实验结果表明了本文算法的可行性和有效性。     

对船检与海事管理中船舶分类的研究

比较船舶检验与海事管理中船舶分类的不同,提出应按照国家标准编制海事系统统一的船舶分类标准。     

基于神经网络的声纳特征级信息融合中目标分类研究

声纳目标特征级融合的主要任务是实现信息压缩、目标身份确定(分类) ,以利于实时处理、决策分析。基于数学模型的各种算法,由于情况复杂,往往很难建立。而人工神经网络通过样本的学习,具有存储记忆、在相似输入下能恢复记忆等特性,从而避免了烦琐而复杂的建模。在神经网络声纳目标识别前的噪声预处理方法中,选用了功率谱特征提取、双谱特征提取算法;在研究了提取的特征后,选取反向传播神经网络(BP)模型;在此基础上构造了BP神经网络,并对网络进行训练与测试,给出识别实验结果。仿真模拟分析证明,基于神经网络的声纳特征级信息的融合,对目标分类有一定效果,为进一步实现声纳信息融合奠定了基础     

基于作业任务分类的船舶建造质量管理研究

针对我国造船企业船舶建造质量管理体系不成熟、质量管理执行不坚决、质量管理缺乏科学方法的现状,在分析船舶建造质量管理特点的基础上,将任务分类技术应用于船舶建造质量管理,全面覆盖船舶设计、建造全过程,显著提升船舶一次报验合格率。经63 500 t散货船ARIES CONFIDENCE项目交付后的统计数据显示,该船最后一次报检合格率与以往同类船型相比提升了7. 86%,为后续项目推行基于作业任务分类的船舶建造质量管理模式提供宝贵的数据支撑。     

基于双脉冲参量微扰的船舶运动混沌控制技术

提出了双脉冲参量微扰控制混沌系统的方法,针对船舶运动中存在的混沌现象,以某型军用舰船运动非线性模型为例,在系统参量微扰中引入脉冲控制策略,研究了改进的双脉冲参量微扰方法的控制效果及控制规律.数值仿真结果表明,该控制方法能将受控系统稳定到周期轨道或不动点上,具有良好的控制效果.     

基于多目标遗传算法的船舶修理计划优化研究

针对船舶修理工作中的计划任务分配问题,提出了基于多目标遗传算法的船舶修理计划优化的方法。将修理经费和时间作为两个追求的目标函数,采用改进的非支配解排序的多目标进化算法（NSGA II）对优化模型进行了求解,得到了任务分配的Pareto优化解。这种方法能够比通常的加权和方法得到更多的计划方案,能够给任务制订者更多的选择。文中计算了一个维修任务分配例子,并且和通常单目标优化结果进行了比较,表明了该方法的有效性和实用性。     

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。     

船舶在受限水域岸壁效应的研究

文中讨论了船舶在狭窄航道近岸壁所受的干涉力和力矩.利用理想流体的势流理论,分析船舶周围的流场.将计算结果运用到浅水低速域运动数学模型,讨论船舶在受限水域的保向性.     

云计算技术的舰船运动目标自动跟踪

针对传统舰船运动目标的自动跟踪方法存在滞后性,导致舰船运动目标无法完整出现在搜索窗中的问题,提出一种云计算技术的舰船运动目标自动跟踪方法。首先提取舰船运动目标特征点,使用Harris算子图像的一阶导数提取出舰船运动目标特征点,然后利用云计算的分布式的计算特点,分布计算舰船运动目标的跟踪向量,得到循环跟踪矩阵,选取跟踪目标搜索窗,计算目标搜索窗的大小后,实现舰船运动目标自动跟踪。实验结果表明,与传统舰船运动目标自动跟踪方法相比,云计算技术的舰船运动目标自动跟踪方法不存在滞后性,搜索窗中可以全部呈现出舰船运动目标。     

深度学习船舶分类技术研究

为了提高船舶分类正确率,针对当前船舶分类方法存在的精度低、误差大等缺陷,提出基于深度学习的船舶分类方法。首先对船舶分类图像进行采集,并提取多个船舶分类特征,组成船舶分类的特征向量集,然后将特征向量集作为深度学习算法的输入,船舶类型作为深度学习算法的输出进行学习,建立船舶分类模型,最后进行船舶分类的仿真实验,结果表明,深度学习算法的船舶分类正确率超过90%,不仅可以很好地描述船舶类型,而且船舶分类的速度也很快,可以应用于日常船舶分类管理工作。     

基于视频处理技术的船舶移动位置跟踪研究

移动位置跟踪是船舶航行过程中的重要技术,针对当前船舶移动位置跟踪误差大,受环境因素影响大的缺陷,为了提高船舶移动位置跟踪性能,设计了基于视频处理技术的船舶移动位置跟踪方法。首先分析当前船舶移动位置跟踪的研究进展,并描述视频处理技术的船舶移动位置跟踪原理,然后采用分帧技术对船舶移动位置跟踪视频进行处理,并提取船舶移动位置跟踪视频图像特征,通过特征替换提高船舶移动位置跟踪视频质量,最后引入Mean shift算法实现船舶移动位置跟踪,并采用仿真实验对船舶移动位置跟踪效果进行测试,结果表明,基于视频处理技术的船舶移动位置跟踪精度超过95%,跟踪速度快,获得比当前其他方法整体性能更优的船舶移动位置跟踪结果。     

基于视频处理技术的船舶移动位置跟踪研究

为解决常规船舶移动位置跟踪方法存在跟踪精度较低的不足。提出了基于视频处理技术的船舶移动位置跟踪研究。基于视频处理技术的引入,依托船舶对象位置的确定及运动轨迹的识别,实现了提出的基于视频处理技术的船舶移动位置跟踪研究。仿真实验结果表明,在复杂海域,提出的船舶移动位置跟踪研究方法,较常规船舶移动位置跟踪方法,跟踪精度提升34.12%。     

基于小波包和不变矩的舰船目标识别

以船舶目标分类系统作为研究对象,对小波包变换在舰船目标分类识别中的应用进行研究。首先,介绍小波变换的相关理论,小波包分解能够进行任意尺度的时频分析;然后对不变矩算法进行介绍,给出一种基于小波包分解和不变矩算法相结合的特征值提取方法。仿真实验结果表明,本文给出的方法具有较高的识别率。     

基于计算机视觉的船舶纯方位目标跟踪方法研究

受外界环境因素的影响,传统方法在船舶纯方位目标跟踪中存在一定的偏差。为了克服这一问题,引入计算机视觉技术,在待跟踪的船舶上安装计算机视觉传感装置,并利用该装置实时采集船舶航行图像。通过对图像的处理与分析,得到船舶目标的初始位置信息。以定位结果为起点,在构建纯方位目标运动模型的基础上,计算目标船舶的航向角,判断船舶的航迹运动方向。实时更新目标船舶的定位信息与航向角信息,从而实现船舶纯方位目标跟踪。实验结果表明,与传统的目标跟踪方法相比,所设计的方法能够有效降低船舶跟踪误差,具有较强的实用性。     

一种基于人耳听测原理的低速舰船检测模型

声场是舰船重要的物理场。但是对于低速出港的舰船,由于受到港口和船坞噪声等的影响,其信号几乎完全淹没在环境噪声当中。此时,传统的方法已很难检测到目标是否存在。本文针对低速出港舰船信号难以检测的问题,通过分析人耳听测原理,提出了一种模仿生物听力的低速舰船目标信号检测的模型,最后利用某次海试数据对检测方法进行分析和研究。结果表明,在利用积分梳状滤波器对舰船信号进行滤波的情况下,可显著提高信噪比,增强对目标的检测能力。     

基于参数优化小波变化的舰船目标检测方法

常见的舰船目标检测方法是通过对雷达的回波信号进行分析,优化舰船目标检测模型。本文结合小波变换算法,重新构建了舰船目标的检测模型,对目标检测的数据进行了分析。通过迭代优化,对小波变换模型中的参数进行了调制。实验结果表明,基于小波变换的舰船目标检测模型具有很强的适应能力,能够显著提高目标检测能力。     

云平台和神经网络的舰船目标检测

为了解决当前舰船目标检测过程中存在的检测误差、检测实时性差的缺点,设计了一种云平台和神经网络的舰船目标检测方法。首先采用混合高斯模型对舰船目标所在区域进行获取,然后采用粒子滤波算法对舰船目标进行跟踪和检测,并采用神经网络对舰船目标粒子滤波算法的权值进行优化和更新操作,解决粒子滤波算法的缺陷,最后基于云平台对舰船目标检测方法进行了设计,并进行了舰船目标检测仿真模拟实验。结果表明,本文方法可以对各种环境中的舰船目标进行准确的检测,提高了舰船目标检测的鲁棒性,而且舰船目标检测实时性也得到了明显的改善,克服了当前舰船目标检测方法存在的缺陷,是一种有效的舰船目标检测方法。     

基于船舶卫星遥感图像的目标特征算法

在现代海洋运输及海上军事业务中,对船舶目标的有效定位及跟踪是保证海洋运输安全的有效方法之一。现有的海上目标检测跟踪系统中,有基于雷达目标检测﹑水声目标检测及卫星遥感图像的目标检测方法。由于海上环境的复杂性及目标物的快速移动性,基于遥感图像的目标检测成为最重要的方法之一。本文分析现有船舶目标物的特征参数,提出船舶卫星遥感图像快速有效的船舶目标特征值提取算法,最后给出了基于此算法的数据库设计。