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。     

噪声干扰下船舶遥感图像的目标边缘检测方法

目前边缘检测方法根据图像极值点筛选图像边缘点,导致检测到的边缘图像不清晰,平均能量值偏低,提出噪声干扰下船舶遥感图像的目标边缘检测方法。采用频域Fourier变换去除图像噪声;选择Canny算子,设计目标边缘检测流程;平滑去噪图像,根据图像边缘梯度极大值点,筛选图像目标边缘点,分割图像目标和背景,实现目标边缘检测。实验结果表明,在1%和10%梯度下的校验噪声模拟的噪声干扰下船舶遥感图像中,研究方法相较此次实验选择的方法,检测到的目标边缘图像平均能量值高。     

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。     

基于视觉传达的模糊舰船图像目标分类检测

模糊舰船图像的有效分类识别可提高对目标的准确打击和辨识能力,提出基于视觉传达和图像增强的模糊舰船图像目标分类检测模型。构建模糊舰船图像的多传感视觉采集模型,采用目标图像与背景图像差分分析方法实现对舰船图像的目标特征提取和聚类处理,根据视觉聚类传达和目标图像的特征点增强结果,结合模糊C均值聚类算法,实现对舰船目标图像的分类检测。测试得知,该方法进行舰船目标分类检测的聚类性较好,识别精度较高,视觉传达效果显著增强。     

基于分类区间小波网络的雷达目标识别研究

介绍了一种区间小波的构造方法,并将区间小波与神经网络相结合,提出了一种用于信号分类的的分类区间小波网络,利用它可以解决以往小波网络的基底空间与被学习信号所属空间不匹配的问题。实验结果表明,将区间小波网络应用于雷达目标识别,可以减少神经元的数目,提高网络的收敛速度,能够获得较好的分类效果。     

船舶采集图像智能分类研究

为实现不同角度和不同距离下,船舶采集图像的智能分类,提出基于多尺度注意力深度卷积神经网络分类算法的船舶采集图像智能分类。将采集的船舶图像输入该网络中,网络的多尺度深度卷积层采用3个多尺度特征注意力模块结合深度残差模块,提取船舶采集图像不同层次的局部不变性特征;池化层对该特征转换处理后形成特征向量;全连接层池化层引入尺寸匹配函数融合特征向量,形成多尺度纹理特征向量并输入分类层,实现船舶采集图像智能分类。测试结果显示：该方法可实现不同船舶类别图像特征提取,gini指数结果均在0.963以上,可依据分类需求,实现不同角度以及距离条件下、不同的船舶图像类别的准确分类。     

基于光学遥感图像的船舶目标检测技术研究

首先分析基于光学遥感图像的船舶目标检测流程,然后利用Top-Hat算法进行目标图像增强,并设计检测系统结构元尺寸自适应选择算法,以此来克服光学遥感图像的不均匀性和局部背景的粗糙性。最后进行不同海况的船舶目标检测试验。试验结果表明,本文算法虽然在实现过程中较阈值分割算法要复杂,但其适用范围更广,并且能够有效提高复杂海况下船舶目标检测的准确率。     

基于视觉传达技术的船舶图像中弱小目标检测方法

为及时发现和跟踪小型渔船、救生艇等弱小目标,提高海上救援和应急响应的效率和准确性,研究基于视觉传达技术的船舶图像中弱小目标检测方法。通过中值滤波算法去除船舶图像中的噪声,改善船舶图像质量,将去噪后的船舶图像应用于基于门限直方图均衡的船舶图像增强方法中,在该方法处理下,增强船舶图像对比度;之后利用视觉传达技术,对船舶图像中的弱小目标亮度进行调整,并根据亮度调整结果分割目标边缘,从而实现弱小目标检测。经实验验证,该方法可在保证图像边缘清晰的情况下实现图像去噪与增强,提高了船舶图像质量,同时该方法具有较高的背景抑制因子与信杂比率增益,在检测过程中可有效分割弱小目标与背景,实现良好的弱小目标检测。     

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。     

远洋船舶和工程船舶机务管理特点分析

从机务管理角度出发,分析远洋船舶及工程疏浚船舶各自的特点,提出远洋船舶到达港口国接受PSC检查时的应对措施和注意事项;对工程疏浚船舶的设备维护和管理提出相应的解决方案,并对原动机和泥泵的匹配进行探讨。     

远洋船舶空调系统的动态负荷仿真分析

采用黑箱模型理论建立了船舶多功能舱室动态负荷数学模型,经分析求解,获得了某典型欧亚远洋航线上的船舶动态负荷变化规律.结果表明:船舶空调负荷随航区、航行时刻发生显著变化,通风负荷占总负荷的51.92%,而舱壁导热、辐射负荷仅分别占总负荷的7.47%,6.68%;同一航区同一时刻,各功能舱室负荷最大值是最小值的2.684倍;此外,运用回归分析知,可变舱室负荷的91.72%受室外温度变化的影响.     

多极化SAR图像目标检测研究

目前,SAR图像检测多是单一极化的方式,从而使得检测效率低下。因此本文采用多极化的方式进行目标检测,在检测算法中,本文将多种极化检测器相融合,通过检测结果的多次迭代,得到最后的目标检测结果。从对比实验结果可看出,在相同的虚警率下,本文算法的检测结果最好,并且随着虚警率的提高,虚警点数没有增多。     

水运交通电视监控图像目标识别技术研究

针对水运交通的特点,提出一种水运交通电视监控图像目标识别技术,使用条件细缝检测窗,对窗内的图像数据进行似然比法求差图像,序列图像相关去时域噪声及进行闭运算以弥合孔洞和裂缝,之后进行目标检测和跟踪（匹配）, 最后计算各种交通参考。     

波浪中远洋船舶耦合运动的数值模拟

利用基于FLAC3D和基于UDEC的2种传统方法对船舶耦合运动进行数值模拟,结果准确性较低。针对上述问题,提出一种新的基于CFD的远洋船舶耦合运动数值模拟研究方法。首先给出船舶耦合运动的假定条件,然后建立反映问题本质的数学模型,接着利用有限体积法对该方程进行离散,最后利用有限差分法对离散后的方程进行求解,完成船舶耦合运动数值模拟。结果表明:与基于FLAC3D和基于UDEC的2种传统方法相比,利用本研究方法对船舶耦合运动进行数值模拟,模拟结果准确性提高6.3%和14.5%,达到了研究目的。     

基于红外图像的耐腐蚀船舶材料表面缺陷识别研究

船舶耐腐蚀材料长期受海水侵蚀会出现不同程度的腐蚀现象,为更好地维护船舶组件,研究基于红外图像的耐腐蚀船舶材料表面缺陷识别方法。该方法通过设计超声红外图像检测装置,利用该装置采集耐腐蚀船舶材料表面红外图像后,分别使用双边滤波器和自适应边缘补偿方法对耐腐蚀船舶材料表面红外图像进行去噪和边缘增强处理,并以处理后的耐腐蚀船舶材料表面红外图像为基础,使用小波变换方法得到耐腐蚀船舶材料表面缺陷边缘集合点和缺陷位置,实现耐腐蚀船舶材料表面缺陷识别。研究结果表明,该方法具备较强的耐腐蚀船舶材料表面红外图像降噪和边缘增强能力,并可有效识别大小不同的耐腐蚀船舶材料表面缺陷,应用效果较佳。     

基于微多普勒效应的运动船舶目标分类研究

基于雷达的舰船目标识别技术具有重要的应用,包括海上交通的管理与监控、舰船运动目标的识别、敌方舰船侦察等,在雷达系统的运行过程中,地面杂波信号、气象杂波信号等干扰信号会降低雷达系统的精度,导致水面舰船目标识别出现误差等问题。微多普勒效应是指激光雷达发生二次散射时,运动目标产生位移时目标的雷达回波频率会发生改变,利用微多普勒效应可以显著提高雷达系统的精度,提高海上舰船目标的识别与分类水平。本文首先介绍了微多普勒效应的原理,然后对水面监控雷达系统进行详细研究,最后开发了基于微多普勒效应的海上运动船舶目标识别与分类系统。     

基于遥感图像的船舶目标识别技术

遥感卫星探测是进行海上舰船目标探测与识别的主要途径,受限于海上气象条件,比如海雾、阳光反射等,海上船舶的遥感图像往往存在大量噪声。为了提高船舶遥感图像的目标识别精度,本文针对船舶遥感图像的图像处理技术进行系统研究,主要包括船舶遥感图像的特征分析,遥感图像的噪声过滤与增强,对于改善遥感图像的目标识别效率有重要的意义。     

关联数据分析的船舶航行图像目标检测系统

海上目标检测技术被广泛应用于军事领域的敌船监测、目标侦察等场景,提高海上航行图像的目标检测质量有重要意义。本文的核心是基于关联数据分析技术,对船舶航行图像进行分析和处理。采用一种灰色关联算法,分别针对船舶航行图像的海陆分离、图像平滑处理、图像增强等步骤进行详细介绍,通过软件和硬件开发,搭建了基于Windows 10平台的船舶航行图像目标检测系统,有一定的实际应用价值。     

可见光通信系统在远洋船舶通信中的应用研究

在远洋船舶通信中,利用基于PID的船舶通信方法、基于CAN总线的船舶通信方法等传统船舶通信方法,其通信速率较低,因此提出一种基于可见光通信系统的远洋船舶通信方法,基于可见光通信系统对远洋船舶通信传感器进行设计,包括压力、湿度、温度等数据的传感通信,利用通信传感器进行船舶图像信息采集与船舶语音信息采集,利用DCT二维变换公式将采集得到的数据信息进行压缩处理,实现了基于可见光通信系统的远洋船舶通信。为了验证该方法的有效性,与基于PID的船舶通信方法、基于CAN总线的船舶通信方法进行对比,得出该方法的通信速率为82.3%。通过比较可知,本文所提方法的通信速率高于传统船舶通信方法,证明了该方法的有效性。