基于Hough变换的舰船尾迹检测研究

提出一种采用小波变换和Hough变换结合的对SAR图像中舰船尾迹检测的算法。该方法首先对SAR图像进行预处理,降低相干斑噪声的影响;然后采用小波变换对SAR图像进行多尺度分解,并利用归一化Hough变换对不同尺度的子图像进行处理,检测图像中的直线,再将多个尺度的直线检测结果结合起来考虑,剔除错误判断,选定准确的舰船尾迹检测直线。最后通过实验对本文算法进行验证,结果表明该方法能够有效检测舰船尾迹。     

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。     

SAR图像技术在船舶目标检测和参数提取中的应用

SAR技术飞速发展,大量的船载SAR系统已经运用到了船舶目标检测和参数提取中。本文在传统的船舶目标检测的基础上进行改进,提出基于分解理论的极化SAR图像船舶目标检测,并在检测过程中利用边缘检测模板和Freeman分解理论提取边缘信息,解决边缘模糊的问题。本文还提取船舶目标的运动参数。最后进行仿真实验,实验结果表明本文具有可行性和一致性。     

基于视觉图像技术的海洋平台桩腿内壁缺陷巡回检测系统开发

针对海洋桩腿内壁缺陷检测需求,提出根据拍摄到的桩腿内壁图像自适应调整相机曝光时间的控制方法;研究了适用的图像处理算法,准确可靠地获得缺陷的外轮廓数据,利用CCD摄像机和普通LED光源形成传感器,结合应用软件,实现缺陷的自动检测,实验结果表明,该系统能够实现黑暗环境下桩腿内壁缺陷的检测。     

SVM在合成孔径雷达图像目标识别中的应用

提出一种采用Zernike矩和支持向量机SVM结合对SAR图像中的舰船目标类型进行分类识别的算法。此算法首先对SAR舰船切片图像进行预处理,再采用Zernike矩提取SAR舰船图像切片的旋转不变特征算子;然后,利用支持向量机的方法对目标样本进行训练构造分类器,并采用"一对一"多类方式实现多类舰船目标的识别。最后,仿真建立3类舰船三维模型,并利用本文算法进行分类识别,实验结果表明本文算法能够有效识别舰船目标。     

基于SIFT特征的SAR图像匹配

SAR图像在海上舰船武器导航领域中具有重要作用,其中SAR图像的配准是准确导航的关键技术。为获取准确高效的SAR图像匹配结果,本文提出一种利用SIFT算法进行雷达SAR图像的匹配方法。首先,通过SIFT算法从SAR图像中获取大量的尺度不变极值点,生成SAR图像的特征描述符;然后,为更有效的进行特征匹配,本文采用单系数法作为特征匹配的距离度量;最后,通过实验对算法进行仿真,初步实验结果表明本文算法能够取得较好的匹配效果。     

一种视频图像船舶吃水线自动检测方法

针对在船舶吃水线自动检测过程中水迹线边缘带来的干扰,提出一种基于图像处理的船舶吃水线自动检测方法。该方法实时提取船舶水尺视频图像,利用Canny算子进行边缘检测,几何校正后,利用霍夫变换检测出水迹线和吃水线位置,最后通过位置比较,去除处在上方的水迹线,从而得到准确的吃水线位置。实验结果表明,该方法对船舶实际吃水线的检测是有效的。     

嵌入式平台下船舶电子组件缺陷自动检测分析

现有的电子组件缺陷自动检测分析方法均存在着检测效率低下的弊端,为此提出嵌入式平台下船舶电子组件缺陷自动检测分析方法研究。通过对电子组件图像的预处理得到电子组件缺陷目标图像,采用数据拟合方法对图像进行分割,以此为基础,对电子组件缺陷特征进行提取,利用决策树模型计算电子组件缺陷图像的决策因子,将其与标准决策因子进行比较分析,实现了嵌入式平台下船舶电子组件缺陷的自动检测分析。通过实验得到,与现有的电子组件缺陷自动检测分析方法相比,提出的电子组件缺陷自动检测分析方法得到的电子组件缺陷目标图像质量与检测效率更高,充分说明提出的电子组件缺陷自动检测分析方法具备更好的检测性能。     

基于傅里叶变换的SAR图像舰船尾迹检测

为利用精准的舰船尾迹检测结果,为航速航向信息反演等应用提供基础,提出基于傅里叶变换的SAR图像舰船尾迹检测方法。利用分数阶傅里叶变换方法,通过线性积分变换以及平面旋转两部分,变换舰船尾迹SAR图像,将其划分为高频子带与低频子带。利用Radon变换方法,累加SAR图像低频子带内直线像素点的灰度值,获取像素点与舰船尾迹线的几何对应关系,搜索Radon变换域中的峰值点位置,获取最终的SAR图像舰船尾迹线检测结果。实验结果表明,该方法可以有效检测SAR图像中的卡尔文尾迹、布拉格尾迹等不同类型的舰船尾迹,具有优越的舰船尾迹检测效果。     

不同载荷下船体框架变形程度自动检测系统

为实现不同载荷下船体框架变形程度自动精准检测,设计一种新的船体框架变形程度自动检测系统。此系统的光电探测模块由线阵CCD相机,采集船体框架变形图像后,通过图像采集和传输单元将采集的图像打包整理,使用网络交换机传输至中心控制台的工控计算机,工控计算机启动基于相机位姿的船体框架变形程度测量模型,结合线阵CCD相机位姿数据,计算获取图像中船体框架变形检测点的实际变形量,完成变形程度自动检测。经实验验证,所设计系统在6级海况载荷、8级海况载荷工况中,对船体甲板框架变形程度自动检测结果,与实际值不存在明显的异常偏差,吻合度显著,可实现不同载荷下船体框架变形程度自动精准检测。     

海上雷达图像处理中的小波变换算法研究

针对海上雷达图像在图像处理中的噪声消除问题进行分析,并研究小波变换的基本原理以及利用小波变换进行噪声消除的依据。由于SAR图像生成机理的特殊性,传统的噪声消除方法执行效果并不理想,而小波变换具有的多尺度变换特性应用到SAR含噪声图像上能够有效地分割开信号与噪声,实现较好的噪声消除效果。最后,通过实验仿真实现了小波变换的SAR噪声消除,并与经典的噪声消除方法消噪结果进行对比分析,证明小波变换在进行SAR图像噪声消除上的有效性。     

基于几何活动轮廓模型的SAR图像海岸线检测

由于受自然条件的影响,从SAR图像中提取海岸线存在弱边界的问题.此外海岸线附近存在复杂的微地形,使得传统的目视解译和基于边缘信息的图像边缘检测方法在SAR图像中难以得到连续、完整的海岸线.针对上述问题,文中提出了一种基于几何活动轮廓模型的海陆分界线检测方法.该方法采用新的符号压力函数对几何活动轮廓模型进行改进,结合全局的区域光滑信息作为曲线演化的收敛条件,并将其用于SAR图像的海岸线检测.实验结果表明,文中方法具有迭代次数少、精确度高的特点.     

基于北斗卫星的航海导航系统定位目标精准识别方法

针对现有舰船上采用的导航系统存在北斗卫星信号接入识别率低、目标识别精度差的问题。提出基于北斗卫星的舰船导航系统定位目标精准识别方法。针对传统方法对北斗卫星信号运算过程资源消耗大,运算率低的问题,引入Cstx小波融合算法,对北斗卫星信号进行定向专属计算。同时,为解决目标识别精准度低的问题,引入神经追踪特征算法,对专属解析后的北斗卫星图像目标进行动态特征追踪与提取锁定。最后,通过仿真模型实验证明,提出的基于北斗卫星的舰船导航系统定位目标精准识别方法,能够快速、有效、精准锁定识别北斗卫星导航内设定目标。     

基于机器视觉的船舶吃水线自动检测方法分析

传统的船舶吃水线自动检测方法自动化水平较低,无法获取精准的检测结果。为了解决该问题,提出基于机器视觉的船舶吃水线自动检测方法。从机器视觉系统提取吃水异常数据,在采用修正思想对船舶吃水异常数据进行补偿,在此基础上,应用定量分析表,设置船舶吃水线自动检测标准,待完成上述操作步骤后,对船舶吃水线进行自动检测,由此完成基于机器视觉的船舶吃水线自动检测方法的设计。实验选择在水质较为清晰的水域,并随机选取8个实验参数,对2种检测方法进行实验对比,实验结果表明,所提方法的自动检测结果更精准。     

船载智能平台架构空间信息提取算法研究

为了满足实际船舶操作需求,减小提取空间信息与实际空间信息之间的误差,提出船载智能平台架构空间信息提取算法。根据船舶遥感图像光谱信息与空间信息特征,采用FNEA算法,多尺度分割遥感图像,定位目标船舶的空间信息位置(质心点),利用高斯投影反算方法,转换质心点坐标,获取目标船舶空间信息,实现空间信息的转换与提取。实验结果表明,应用本文算法提取的空间信息与实际空间信息误差较小,能够满足实际船舶操作需求。     

基于改进视觉注意模型的舰船目标图像识别算法

以往使用基于局部Radon变换识别方法、基于SAR光学遥感图像识别方法受到复杂背景影响,使图像识别结果存在较多噪点和杂色,导致识别精准度较低,针对该问题,提出了基于改进视觉注意模型的舰船目标图像识别算法设计。构建改进视觉注意模型,初始分割阈值,采用中心周边算子,避免图像识别出现噪点。考虑双敌色效应,计算不同图像中心周边差异,避免图像识别出现杂色,提取舰船目标图像特征,再次阈值分割,识别出舰船目标图像。由实验结果可知,该算法识别效果好,最高识别效果为0.97,具有精准识别效果。     

虚拟现实技术舰船高速航行图像目标检测算法

针对常规算法所得检测结果的中心位置偏差较大,导致检测精度低下的问题,提出虚拟现实技术舰船高速航行图像目标检测算法研究。参考人眼的视觉习惯,将采集到的图像灰度化处理,利用均值滤波法抑制噪声,改善图像质量,利用虚拟现实技术,计算目标点三维坐标值,定位图像目标,提取特征确定检测区域,调整融合系数,增强抗干扰能力,实现舰船高速航行图像目标检测。设计对照实验,与常规算法对比分析,实验结果表明,所提出的算法检测结果中心位置偏差明显减小,其检测精度远优于常规算法。     

低分辨率船舶视频监控图像的边缘轮廓提取

目前船舶视频监控图像以其灵敏、实时、可靠性等优势被广泛使用在海洋航运工程中。然而,由于船舶航运环境复杂,易对监控图像画面质量产生干扰,导致监控图像分辨率和信噪比相对较低,造成图像边缘轮廓提取困难等问题。因此提出结合PID模糊算法以及图像灰度映射函数进行精准有效的图像边缘轮廓提取和检测的方法。该方可针对低分辨率船舶航视频图像进行降噪处理,精确定位边缘轮廓,提高图像分辨率和对比度,从而得到精确的边缘轮廓信息数据。最后为验证方法的有效性进行仿真实验,实验检测结果表明该方法能快速精准的对低分辨率船舶视频监控图像边缘轮廓进行提取,降噪处理效果十分突出,有效解决了传统方法耗时较多提取效果差等问题,符合视频监控图像处理的评价体系标准,应用渠道十分广泛,具有较高的参考价值。     

舰船尾迹光学信号异常特征贝叶斯识别方法

为了提升舰船尾迹光学信号异常特征识别效果,提出舰船尾迹光学信号异常特征贝叶斯识别方法。针对合成孔径雷达系统采集的舰船尾迹SAR图像中舰船尾迹与海杂波边界区分不清晰的情况,使用图像分割和归一化的Hough变换检测方法实现舰船尾迹图像增强;依据气泡运输方程提取舰船尾迹直方图,根据直方图内峰值点密集程度,提取舰船尾迹光学信号特征,将该特征作为输入,使用贝叶斯分类模型输出舰船尾迹光学信号异常特征识别结果。实验结果表明：该方法可有效增强舰船尾迹SAR图像,也可有效提取舰船尾迹直方图,并准确提取舰船尾迹光学信号特征和识别其中的异常特征。     

基于连通域分析和笔画宽度变换的船名检测方法

为实现昼夜间船名精准检测,本文提出一种基于计算机视觉的船名检测方法。该方法使用Retinex算法对船舶图像预处理,随后基于MSER获取文字候选区域,根据先验知识和笔画宽度变换特征得到最终候选区域,最后使用级联分类器确定单字符区域,进而得到船名位置完成船名检测。实验结果表明,该方法在昼间和夜间均能实现船名精准检测,昼间船名检测准确率高达90.4%。