基于图像分割的船舶吃水深度检测方法

针对传统的船舶吃水深度检测方法精准度低的情况,提出基于图像分割的船舶吃水深度检测方法。以得到精准的舰船吃水值为出发点,采集舰船吃水图像,并进行动态模板匹配,减少舰船晃动对吃水深度检测的影响,在此基础上,对船舶水尺图像字符进行校正,计算吃水线位置,得到舰船吃水深度,以此实现船舶吃水深度检测。实验对比结果表明,此次设计的基于图像分割的船舶吃水深度检测方法比传统的吃水深度检测精准度高,具有一定的实际应用意义。     

深度卷积网络的舰船图像自动分割研究

当前舰船图像自动分割方法存在"过分割"或者"欠分割"现象,使得舰船图像自动分割误差大。为了提高舰船图像自动分割精度,提出了基于深度卷积网络的舰船图像自动分割方法。对当前舰船图像自动分割的研究现状进行分析,找到引起舰船图像分割误差的原因。采用活动轮廓模型对舰船图像进行粗分割,并找到其中的舰船图像错误分割区域。最后,采用深度卷积网络对舰船图像的错误分割结果进行校正,实现舰船图像进行精细分割,并与活动轮廓模型的舰船图像自动分割方法进行了对比实验。结果表明,相对于活动轮廓模型,深度卷积网络的舰船图像分割精度更高,降低了舰船图像的误分割率,验证了本文舰船图像自动分割方法的优越性。     

图像分割在工件图像视觉检测中的应用

在介绍图像分割的主要特征的基础上,分析了目前几种典型图像分割方法。针对工件图像视觉检测中图像分割特点,提出了将边缘检测和域值分割方法相结合来分割工件图像的一种新方法,并开发了相应的软件。实验验证该方法用于工件图像测量,能很好消除图像噪声,得到连续的图像边界,并且定位较准,可以有效地提高检测系统的精度。     

噪化图像的形态学分割方法

对严重噪化的图像，提出一个形态学分割方法，先通过灰度骨架变换方法和最大内接块的概念将图像中的颗粒噪声，目标表面及有噪背景分离开，移去变化背景及颗粒噪声，使图像得以增强，为了成功地识别和分离不需要的成分，用灰度形态开形成一个尺寸鉴定算法，最后在增强图像上应用全局阀值化从背景中获得目标。     

一种船舶吃水深度检测系统的设计

船舶吃水深度是一个重要的测量参数,对于防止超吃水,保证船舶正常行驶和船舶上人员的生命安全有着重要的意义。传统的人工检测方法有很多弊端,为了克服传统检测方法的缺点,自动检测方法得到应用。本文分析4种应用最为广泛的船舶吃水深度检测方法,重点对多点激光测量系统进行研究和设计,采用DSP数字控制器作为主控芯片,结合多点测量技术和斜射测量技术,取得了良好的测量效果。船舶可通过该系统实时监测和调节吃水深度,保证船舶在正确的状态下航行,减少航行阻力,起到一定的节能效果。     

船舶动态吃水检测中基于数据处理的关键技术研究

通过船舶吃水检测获取到的数据可以有效检测船舶超载以及船舶变形情况,是保证船舶安全行驶的重要技术手段。本文首先设计船舶动态吃水检测系统,划分系统功能,然后对获取的船舶异常数据进行中值滤波,并对点云数据进行处理,实现了多船并行通过检测区域的数据分割。     

基于自动阈值与数学形态学的铁谱磨粒图像分割方法研究

文章提出了一种基于数学形态学与自动阈值法相结合的铁谱磨粒图像分割方法。此方法通过对自动阈值法处理后的铁谱磨粒图像进行形态学运算来获得更好的处理结果。试验结果表明,自动阈值分割法能有效的提取磨粒图像的特征,之后的形态学运算成功的去除了用自动阈值法处理的图像中的噪声点,获得了更可靠的图像信息。有助于实现铁谱磨粒的自动识别。     

基于图像分割的海上舰船目标智能感知算法

海上舰船目标的智能感知是无人水面艇、无人机视觉系统的最主要任务之一,针对海上舰船目标智能检测识别存在的问题,提出基于编码器-解码器结构的海上舰船目标图像智能分割算法,以像素级分割替代常规的检测方法,为海上无人平台的智能感知提供算法支撑。首先,针对通用的图像分割方法中存在的高层语义特征丰富、空间分辨率降低的问题,提出基于膨胀卷积的多尺度特征融合模块,提高编码器的特征提取能力;然后,针对不同目标像素身份判别的难点,在原有编码-解码结构基础上,增加了一个身份识别辅助网络分支,引导编码器对不同身份目标的特征进行关注,提高特征表示对不同身份目标的表征能力。最后,在所构建的6类舰船目标分割数据集上进行实验验证。结果表明,本文方法在准确率上较通用分割方法能更有效地实现舰船目标分割,验证了本文方法的有效性。     

背景灰度非均衡的舰船目标图像分割方法

现阶段,IR成像系统在舰船目标检测中的应用备受关注。由于IR图像存在背景灰度非均衡的特征,从而使得常规的图像分割方法很难对舰船目标进行准确检测。为了有效解决这一问题,探寻一种能够对背景灰度非均衡的舰船目标图像进行有效分割的方法。本文从舰船目标图像分割的现状分析入手,对背景灰度非均衡的舰船目标图像分割方法进行论述,期望本文研究能够对舰船目标图像分割精度的进一步提升有所帮助。     

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。     

无人机海监测绘技术应用下舰船遥感图像目标检测

随着遥感技术与无人机技术的结合,无人机遥感已广泛应用于海监测绘领域。通过大量实践发现,受到天气雨雪、大雾、霾的影响,无人机获取舰船遥感图像时,目标识别清晰与准确度明显降低。为此,应用无人机海监测绘技术进行下舰船遥感图像目标检测。通过对遥感图像目标的明暗分离计算、海陆场景分离计算与目标神经特征识别计算,实现对舰船遥感目标的快速检测。仿真场景对提出的设计进行对比测试,结果证明了提出设计的可行性与实用性。     

多尺度特征提取的复杂舰船图像分割研究

图像分割质量直接关系到后续图像识别的准确性和运算量。为实现舰船图像高质量、高效率分割,研究一种基于多尺度特征提取的复杂舰船图像分割方法。该方法针对复杂舰船图像实施灰度化、滤波2种预处理。利用直方图均衡化法提高图像对比度,更加突出目标特征。通过高斯金字塔对图像实施多尺度分解,并提取每一级尺度图像的4种特征,归一化处理后得到特征矢量。利用均值漂移算法实现过分割,利用图论方法实现再分割,完成分割方法研究。结果表明：与阈值法、区域法和边缘法相比,本文方法应用下,Dice相似系数更大,分割重叠误差更小,说明本文方法分割性能更高,实现更为精确化和详细化的图像分割。     

基于改进模糊聚类分析算法的船舶图像分割研究

海上船舶的红外成像技术可以为海上舰船的管理、监测提供良好的数据支撑,确保海上交通的安全性和船舶的有效管理。本文以海上船舶的红外图像处理为研究对象,介绍舰船红外成像系统的原理,采用一种改进的模糊聚类分析算法进行舰船红外图像处理,提高舰船红外图像识别的精度。     

基于神经网络和多特征的船舶图像自动分割算法

当前图像分割算法存在分割错误率高、分割速度无法满足实际应用要求的缺陷,为了提高图像分割的精度和速度,设计了基于神经网络和多特征的图像自动分割算法。首先分析当前国内外图像分割算法的研究进展,找到引起当前图像分割局限性的因素,然后从图像中提取描述不同目标特征,并选择部分最有效特征组合成为图像分割的特征集合,最后采用神经网络对图像的不同区域进行建模和分类,实现图像分割,并与其他图像分割算法进行优越性对比测试。结果表明,神经网络和多特征的图像分割错误率低,图像分割精度超过95%,图像分割平均值时间要少于对比图像分割算法,图像分割速度更快。     

利用小波变换设计的SAR图像检测研究

近年来,合成孔径雷达(SAR)飞速发展,已成为当今获得遥感信息的主要传感器之一。SAR图像检测由于其高分辨率和全天候全方位的优点,成为舰船尾迹检测的最重要方式之一。然而,传统的人工检测方法已不能满足大量的SAR图像数据要求,因此,为提高检测的准确率,必须开发海面舰船目标监测算法。针对这一需求,本文开发一款基于小波变换设计的SAR图像检测算法,该算法兼顾速度和准确率,具有广阔的应用前景。     

船舶航向保持中的混沌控制研究

大型船舶的航向控制是一个多变量、时滞性较大和非线性的动态过程,在海浪、海风等因素干扰下会呈现一种典型的混沌运动。本文系统介绍混沌控制理论和算法,结合船舶航向控制数学模型和Diffing方程,设计一种船舶航向的控制器,并利用Maltlab对该非线性控制器进行仿真。仿真结果表明,该船舶航向控制器具有良好的航向保持能力和鲁棒性。