基于光学遥感图像的船舶跟踪算法研究

船舶在海上航行中需要进行实时跟踪避免航向偏离,提出基于光学遥感图像的船舶跟踪算法。采用光学遥感检测方法进行船舶运动成像,对采集的船舶光学遥感图像进行融合滤波,降低船舶遥感图像的噪点,采用Harris角点检测方法对船舶光学遥感图像进行动态特征点标注,提取反映船舶航行动态特征的轨迹,结合遥感图像监测方法实现对船舶的动态跟踪识别。仿真结果表明,采用该方法进行船舶跟踪和遥感成像,输出光学遥感成像的质量较好,信息融合度较高,提高了船舶动态跟踪能力,确保船舶航行稳定安全。     

基于红外热成像技术的近岸船舶位姿获取和识别

为实现对港口船舶的实时监测,采用红外热成像技术对视野内所有运动船舶位姿进行实时获取和识别,考虑到海港与内河港水域背景复杂程度的不同,分别采用改进的Otsu阈值分割技术和混合高斯建模技术,对实时采集的红外图像进行前景提取,实现港口水域内所有运动船舶的图像区域提取和准确定位。该方法显著提高监测系统的精度与效率,为船舶靠泊辅助系统的优化提供可行方案。     

浅析红外热成像技术在平安航运中的应用

雷达、AIS只是提供船舶感知他船信息的一种手段,而红外热成像是一种可全面感知本船内部及其周围环境,具备被动式、全天候工作能力的探测温差的图像技术。尤其是在夜晚及能见度不良情况下,它可提升船舶安全防范工作的效率,在航海安全保障领域具有广泛的应用前景。通过比较红外成像技术、雷达和可见光技术,本文提出了利用红外成像技术进行船舶内部感知和船舶外部感知的具体应用方向,以便为相关人员的研究提供参考。     

发现“看不见的”隐患——谈南通中远船务自动化有限公司的船舶红外检测服务

红外热成像检测技术是目前公认的最快捷有效、投资回报率最高的预测性维护技术.南通中远船务自动化有限公司与世界检测仪器的领导企业福禄克开展技术合作,在国内船舶市场率先推出了船舶红外检测服务,在船舶短期停靠期间,提供快捷、准确的电气、仪表系统检测,杜绝隐患,并可实施针对性预维护,降低了船东方的运营风险和检修成本,并成为独具特色的增值服务项目.近期,南通中远船务自动化有限公司副总经理程效先生就红外热成像检测技术与应用接受了本刊记者的采访.     

RBF神经网络模型在遥感目标检测中的应用

光学遥感成像是一种常见的船舶目标图像获取方法,对其图像中的船舶目标检测正逐渐成为研究热点。本文利用RBF神经网络模型对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种常见船舶光学遥感图像进行检测,首先结合kmeans和区域增长法对遥感图像进行分割,接着对船舶区域提取灰度一致性矢量和距离直方图2个特征。最后用聚类方法对RBF网络训练,并用其对船舶目标进行训练和检测。检测结果表明,本文的RBF神经网络模型对船舶目标的检测准确率为86%左右,有效实现了常见船舶目标的检测。     

船舶运动图像快速位移补偿方法

为了提高船舶运动成像的电子稳像能力,进行运动图像位移补偿处理,提出基于相邻帧多尺度补偿的船舶运动图像快速位移补偿方法,对采集的原始船舶运动图像采用小波降噪方法进行图像降噪处理,对降噪的船舶运动图像进行多尺度的经验模态分解,结合运动图像相邻帧的像素特征进行电子稳像补偿,根据电子稳像输出结果进行图像位移的快速补偿,提高船舶运动图像的成像质量。仿真结果表明,采用该方法进行船舶运动图像位移补偿,对运动帧的连续成像效果较好,输出图像的峰值信噪比较高,表明对船舶运动图像的成像质量较高,能克服快速位移对运动图像成像质量的影响。     

FLIR红外热像仪：为安全导航

近年来，随着网络条件和红外技术等方面的发展，摄像机和红外热像仪已逐渐取代普通可见光模拟摄像机和微光摄像机。作为显著增强安全性的辅助导航设备，红外热像仪的出现已成为远洋船舶的必备工具。 红外热像仪的工作原理是利用物体发出的红外辐射能通过光学镜头聚焦，然后传递至红外探测器上。探测器将信息发送至传感器电子元件，进行图像处理。电子元件将从探测器上接收的数据转换为能在取景器上显示的图像。简单地说，红外热像仪就是将物体发出的不可见红外能量转变为可见的热图像，热图像上面的不同颜色代表被测物体的不同温度。     

基于热红外图像的船舶电气设备状态异常检测研究

可靠掌握电气设备的运行状态,是保证船舶安全航行的基础。因此,提出基于热红外图像的船舶电气设备状态异常检测方法。该方法依据红外成像技术获取船舶电气设备成像,获取其热红外图像结果,并计算电气设备温度概率密度函数,以此描述电气设备的温度分布特征。将该概率密度函数计算结果输入具备增量学习的宽度学习算法中,完成船舶电气设备不同异常状态检测。测试结果显示,将温度概率密度作为电气设备状态异常检测依据,能够更好地区分电气设备的正常放热以及故障升温;AUC的测试结果均在0.94以上,可确定电气设备运行过程中的不同程度异常状态。     

船舶管路系统泄漏定位实验研究

船舶管路是船舶的重要组成部分,由于外部环境的恶劣,管路泄漏不可避免,对管路泄漏的监测定位尤为重要,针对这个问题,本文分析了管路泄漏机理,搭建了船舶管路泄漏定位实验台,选用小波变换对采集信号进行滤波处理,进而导入流体网络模型中,选用了±3 k Pa作为阈值判定管路泄漏,最后运用压力梯度法进行泄漏定位,完成了船舶管路的泄漏定位检测。     

基于数学形态学的船舶图像质量提升方法

传统成像质量提升方法存在许多不足,如视觉效果差,信噪比低。为了获得理想的船舶图像质量,设计基于数学形态学理论的船舶图像质量提升方法。建立船舶图像成像退化与复原模型,对船舶图像进行一次处理;融合数学形态学理论,分解与重构船舶成像,对船舶图像进行二次处理;采用人工主观评价和指标客观评价的双重验证方式,比较不同方法的船舶图像提升性能。相对于对比方法,本文方法对船舶图像质量提升效果更好,信噪比提升更高,具有十分明显的优势。     

船舶管路系统泄漏定位实验研究

船舶管路是船舶的重要组成部分,由于外部环境的恶劣,管路泄漏不可避免,对管路泄漏的监测定位尤为重要,针对这个问题,本文分析了管路泄漏机理,搭建了船舶管路泄漏定位实验台,选用小波变换对采集信号进行滤波处理,进而导入流体网络模型中,选用了±3 kPa作为阈值判定管路泄漏,最后运用压力梯度法进行泄漏定位,完成了船舶管路的泄漏定位检测.     

微分方程的船舶图像增强分析研究

船舶成像在采集图像的特定增强过程中,受到图像分割方法的影响,使得总体增强精度较低。为此,提出基于微分方程的船舶成像图像增强方法。依托于微分方程建立多区域分割模型,在高精度分割的基础上,利用小波变换方法提取船舶图像的特征,并根据图像特征,完成船舶图像的高精度增强。实验结果表明:这种图像增强方法应用到船舶成像过程中,具有更好的性能。同样实验环境下与传统方法相比,将船舶图像总体增强精度分别提升10.79%,10.34%。     

舰艇火灾早期探测红外成像系统实时校正和盲元处理

针对应用于舰艇火灾安全超早期探测的红外热成像系统随着温度和时间的变化,探测器像元响应非均匀性会越来越严重的问题,对采集到的红外探测器像元数据进行非均匀校正和盲元检测及补偿,采用两点校正算法对探测器像元的增益因子和偏移因子进行实时更新,采用简化的动态盲元检测技术并采用邻域替代法,提取盲元周围的有效图像数据或前后帧的图像数据对盲元进行替代,可提高红外热图像的质量,为实现舰艇火灾红外超早期探测系统智能化异常预警、早期报警,以及快速灭火联动提供技术支持。     

云平台和分布式处理系统的船舶图像分类

在云平台和分布式处理系统中进行船舶图像分类,提高船舶的调度和识别能力,提出一种基于Harris角点检测和BP神经网络的船舶图像分类算法,在云平台和分布式系统下进行船舶图像采集,对采集的船舶图像进行二值化降噪处理,采用Harris角点检测技术提取船舶的分类标识性特征量,将提取的特征量输入到BP神经网络分类器中,实现云平台环境下的船舶图像分类。仿真结果表明,采用该方法进行船舶图像分类的准确性较高,抗类间干扰性较强。     

基于提高船舶破损稳性的管路优化设计

舱内敞口管路穿过水密舱壁或甲板时,如果管路因意外破损,将破坏舱壁或甲板的水密完整性,从而削弱船舶的破损稳性。通过对该管路路径进行优化,使其在布置时经过船舶的破损安全区域,或设置隔离阀将敞口管路变为闭口管路,可有效阻止船舶破损工况下浸水区域的海水经过破损管路进入完整舱室,保证完整舱室的水密性,进而提高船舶的破损稳性。     

基于提高船舶破损稳性的管路优化设计

舱内敞口管路穿过水密舱壁或甲板时,如果管路因意外破损,将破坏舱壁或甲板的水密完整性,从而削弱船舶的破损稳性。通过对该管路路径进行优化,使其在布置时经过船舶的破损安全区域,或设置隔离阀将敞口管路变为闭口管路,可有效阻止船舶破损工况下浸水区域的海水经过破损管路进入完整舱室,保证完整舱室的水密性,进而提高船舶的破损稳性。     

基于TMR阵列的脉冲涡流海水管路腐蚀检测技术

船舶海水管路的腐蚀影响管路运行的可靠性,严重时甚至会导致管壁破损,影响船舶的安全航行,研究管路的腐蚀程度检测技术具有重要意义。针对船舶海水管路布置紧密、管壁较薄、管径较小等特点,本文比较分析多种无损检测技术的原理及优缺点,重点分析脉冲涡流检测技术。针对信号检测器件,比较分析感应线圈、霍尔传感器以及多种磁电阻传感器的性能参数和研究现状,提出基于TMR阵列的脉冲涡流检测系统设计方案。     

基于图像检测的船舶特征分割与提取优化算法

船舶图像特征分割和提取算法是图像检测领域中的基础工作。由于船舶航运环境和船舶自身结构组成相对复杂,船舶图像的全自动分割方法在图像检测过程中经常出现边缘模糊、准确性低等问题。因此提出基于图像检测的船舶特征分割与提取优化算法,结合免疫算法获取更多图像特征信息,达到快速、准确的对船舶图像特征进行提取和分割的目的。为验证算法的准确性进行仿真实验,结合船舶区域图像对图像边界特征进行提取和分割,并与传统方法进行比较。实验结果证明基于图像检测的船舶特征分割与提取优化算法可以有效达到特征融合、全局最优、算法效率高等优良特性,使图像具有更强的实用性。     

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。     

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。