云环境舰船目标检测与跟踪

目标检测与跟踪是舰船应用中的一个重要研究方向,针对当前舰船目标检测与跟踪存在的一些难题,为提高舰船目标检测与跟踪效果,设计了一种云环境下的舰船目标检测与跟踪方法。首先收集舰船目标检测与跟踪的数据,并对舰船目标的背景进行建模,然后采用卡尔曼滤波算法实现舰船目标检测与跟踪,并利用云环境作为舰船目标检测与跟踪的平台,最后在Matlab 2016平台上进行仿真实验,测试舰船目标检测与跟踪的效果,本文方法的舰船目标跟踪精度高,具有良好的舰船目标跟踪实时性。     

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。     

基于智能优化算法的舰船航行轨迹跟踪

针对当前舰船航行轨迹跟踪精度的难题,设计了基于智能优化算法的舰船航行轨迹跟踪方法。首先结合舰船航行轨迹跟踪的特点,将舰船航行轨迹跟踪问题转换为一个多目标优化问题,然后引入智能优化算法对网格点的多目标优化问题进行求解,找到最优的舰船航行轨迹跟踪方案,最后进行舰船航行轨迹跟踪仿真测试,测试结果表明,智能优化算法获得了比传统算法更优的舰船航行轨迹跟踪精度,而且舰船航行轨迹跟踪的速度高,具有较好应用价值。     

基于大数据的舰船红外图像目标实时跟踪方法

舰船红外图像目标实时跟踪具有重要的研究意义,针对当前舰船红外图像目标实时跟踪算法存在的易丢失跟踪目标、目标跟踪精度低、计算时间少等缺陷,为了改善舰船红外图像目标实时跟踪效果,设计了基于大数据的舰船红外图像目标实时跟踪方法。首先分析了目前一些经典舰船红外图像目标实时跟踪方法的缺陷,找到引起它们不足的原因,然后提取舰船红外图像目标跟踪特征,并采用大数据分析技术根据特征实现舰船红外图像目标实时跟踪,最后对舰船红外图像目标跟踪误差和实时性进行实例分析,结果表明,本文方法的舰船红外图像目标跟踪精度高,跟踪误差处于实际应用要求的最小区间内,且舰船红外图像目标跟踪计算时间短,可以对目标进行实时有效的跟踪,获得比其它方法更优的舰船红外图像目标实时跟踪结果。     

改进粒子群优化算法的舰船三维路径规划

为了提高对舰船三维路径规划和协同调度能力,提出基于改进粒子群优化算法的舰船三维路径规划方法。采用视点模型跟踪方法实现对舰船三维路径移动任务规划设计,获得舰船的方位信息编队任务分布特征量。通过改进粒子群仿生算分获取虚拟刚体状态约束特征值,结合方位信息编队移动分布情况,实现对目标舰船编队的形成、保持与跟踪识别。通过对舰船目标三维参数估计结果,实现对舰船的路径规划。仿真结果表明,采用该方法进行舰船三维路径规划的空间规划能力和参数能力较好,能准确估计舰船位置和空间方位信息。     

基于视觉搜索的舰船跟踪方法研究与仿真

基于视觉图像处理方法实现对舰船目标的跟踪识别,提高对舰船目标的搜索和打击能力。传统方法采用舰船目标轮廓亮点检测方法实现对目标的视觉搜索,在图像模糊和背景干扰较强时,检测效果不好。本文提出一种基于相邻帧补偿和尺度不变特征变换的舰船视觉搜索跟踪算法。为提高舰船目标图像视觉特征采集的清晰度和稳定性,采用电子稳像技术对舰船视觉信息采集进行直方图均衡处理,采用尺度不变特征变换SIFT技术对舰船目标进行角点特征提取。采用相邻帧补偿技术进行背景干扰滤波,在相邻两帧之间求解舰船的运动参量,实现对舰船目标的视觉搜索和跟踪。仿真实验表明,采用该算法实现对舰船目标的视觉搜索跟踪,舰船视觉特征的稳像性能较好,对舰船目标的准确识别率较高,展示了较好的应用价值。     

动态环境条件下舰船航向真值测量方法研究及应用

介绍了一种在动态环境下对特定目标进行跟踪来反推舰船航向真值的测量方法-目标真值测量法。该方法采用了动态条件下高精度连续测量技术、数据融合处理技术和动态测量精度分配技术,实现了动态条件下舰船航向真值的高精度连续测量。     

基于地理信息系统的舰船智能导航研究

高精度智能导航算法在舰船航行过程中十分重要,当前高精度智能导航算法无法对一些盲区无法进行准确导航,为了解决当前舰船导航算法存在的缺陷,设计了基于地理信息系统的高精度智能导航算法。首先分析了高精度智能导航研究现状,然后引入地理信息系统采集舰船航行的信息,并采用容积卡尔曼滤波构建高精度智能导航算法,实现对舰船航行状态跟踪,最后通过仿真对比实验对舰船智能导航性能进行测试和分析,结果表明,本文算法不仅可以高精度实现舰船智能导航,适应各种复杂环境的安全航行,而且导航效果要优于当前其他智能导航算法,实际应用价值更高。     

机器学习算法的舰船路径跟踪误差估计

针对传统舰船路径跟踪误差估计方法存在误差估计性能较差的问题,设计一种机器学习算法的舰船路径跟踪误差估计方法,对舰船路径跟踪时的运动方向进行简化。根据其扰动状态对舰船路径跟踪实施扰动分析,获取舰船路径跟踪时的旋转角度与角速度。设舰船在初始跟踪位置开始跟踪目标船,通过轨迹跟踪获取目标船的参考运动轨迹,利用饱和输入约束获取舰船路径跟踪目标轨迹的控制参数,并将其作为目标船参考运动轨迹的决定优化变量,获取参考运动轨迹,利用机器学习算法对舰船路径跟踪误差进行估计。为了证明机器学习算法的舰船路径跟踪误差估计方法的误差估计性能较好,将传统方法与该方法进行对比实验,实验结果证明该方法的误差估计性能优于传统方法。     

主动轮廓模型在运动舰船目标跟踪中的应用

应用数字图像处理技术对视频监控系统中的舰船目标进行运动检测与跟踪。针对水面环境存在的复杂变化,选用混合高斯背景模型的方法构建实时背景模型,应用背景差分法检测出监控画面中的运动舰船区域,并得到舰船目标的初始轮廓,再利用主动轮廓模型方法,提取运动舰船目标轮廓,并利用舰船轮廓实现目标跟踪。实验表明,算法可对目标轮廓进行较好地跟踪,并且复杂度较低。     

基于智能优化算法的舰船电气设备状态自动检测

为了获得高正确率的舰船电气设备状态检测结果,提高舰船电气设备状态检测效率,设计了基于智能优化算法的舰船电气设备状态自动检测方法。首先分析当前舰船电气设备状态检测的现状,找到引起舰船电气设备状态检测效果不理想的因素,然后采集舰船电气设备状态信号,从中提取可以描述舰船电气设备状态特征向量,并选择智能优化算法选择重要的舰船电气设备状态检测特征,最后引入神经网络建立舰船电气设备状态检测的分类器,并采用Maltab工具箱实现舰船电气设备状态检测仿真实验,本文方法的舰船电气设备状态检测正确率超过95%,舰船电气设备状态检测误差减少,舰船电气设备状态检测的时间复杂度降低,舰船电气设备状态检测综合性能要优于当前一些典型的检测方法。     

基于红外成像的舰船目标实时检测跟踪方法研究

提出一种基于红外成像的舰船目标实时检测与跟踪方法,首先通过图像增强提高信噪比,增强目标轮廓清晰度;接着对红外图像中的水天线进行检测,确定目标所在的候选区域,在候选区域内完成目标的定位检测;最后通过波门跟踪算法对序列图像中的舰船目标进行跟踪。实验结果表明该方法具有较好的准确性和实时性。     

一种改进的舰载直升机多传感器目标信息融合跟踪方法

结合舰载直升机传感器探测方式的分析,对现有信息融合跟踪算法进行研究,指出其存在的计算速度和精度的问题,提出一种改进的多传感器目标融合方法.将该算法代入某作战仿真系统进行验证.该方法与原先算法相比,计算迅速、精度较高,对舰载直升机改进跟踪战术具有重要的参考价值.     

大数据分析下舰船维修数据挖掘算法优化分析

舰船维修数据具有重要的利用价值,当前算法无法有效对其变化特点进行准确挖掘,无法充分发挥舰船维修数据优势,为了提高舰船维修数据挖掘精度,设计了基于大数据分析下舰船维修数据挖掘算法。首先采用单一算法对舰船维修数据进行挖掘,并根据挖掘精度对各种算法进行评价。然后采用大数据分析技术中的包容性检验算法选择最佳的单一模型,并对它们结果进行组合,得到舰船维修数据挖掘结果。最后采用舰船维修价格的历史数据作为实验对象,分析本文方法的优越性。本文方法的舰船维修价格的预测精度要显著高于当前其他数据挖掘算法的精度,而且舰船维修价格预测可信度更优,降低了舰船维修价格预测误差。     

基于粒子群优化粒子滤波的声呐目标检测前跟踪

针对传统固定粒子数粒子滤波算法计算量大、复杂环境下声呐微弱目标检测与跟踪鲁棒性不强的问题，提出基于粒子群优化（PSO）算法的粒子滤波检测前跟踪方法（IPSO-PF-TBD）。该算法在滤波预测与步骤更新之间加入PSO算法，结合预测信息和更新完成的粒子分布状态进行优化，将粒子集合转移到后验概率密度较大的区域，并充分利用声呐回波信号中目标粒子的权重信息设置粒子自适应采样策略，通过检测前跟踪（TBD）技术的数据帧间能量累积和目标检测，提高目标检测前跟踪的性能。仿真试验结果表明，提出的检测前跟踪处理方法对低信噪比及快速机动等复杂环境下的目标进行跟踪时，在位置估计精度和误差值方面明显优于粒子滤波（PF）和PSO-PF算法，具有一定研究和应用价值。     

云计算环境下舰船内部资源全局优化算法研究

在云计算环境下进行舰船内部资源的全局优化分配,提高舰船资源的信息融合能力,从而优化舰船的状态监测性能。提出一种基于分组滤波匹配融合的云计算下舰船内部资源全局优化方法,对舰船内部资源信息流进行匹配滤波检测,提取资源流的频谱特征,根据频谱特征的属性进行信息分类,在云计算环境下采用分组线性融合检测方法实现对资源的全局融合调度,提高资源优化分配能力。仿真结果表明,采用该方法进行舰船内部资源全局优化处理,资源的准确调度能力较好,自适应分配性能较优,具有全局收敛性。     

基于遥感图像的舰船运行信息提取方法

舰船运行过程体系复杂,通过对舰船运行信息提取,实现对舰船的实时状态监测,提出基于遥感图像的舰船运行信息提取方法。采用遥感探测方法进行舰船运行的图像采集,对采集的舰船遥感图像进行级联小波降噪处理,采用模板匹配方法进行舰船运行遥感图像的分块融合,实现运行状态特征量的图像反馈识别。根据对遥感图像的边缘轮廓检测结果进行舰船运行状态的实时监测和信息提取,提高舰船运行状态的可视化量化分析能力。仿真结果表明,采用该方法进行舰船运行信息提取能准确检测到舰船的运行特征信息,输出图像的信噪比较高,舰船运行状态的视觉监测性能较好。     

舰船电力系统谐波的智能检测研究

舰船电力系统包含大量的非线性负载,谐波产生的概率相当高,谐波会对舰船电力系统产生很大干扰,而当前舰船电力系统谐波检测算法存在检测精度低、实时性不高等局限性,为了解决当前舰船电力系统谐波检测过程中存在的缺陷,设计一种舰船电力系统谐波的智能检测算法。首先分析了舰船电力系统谐波产生的原因,并提取舰船电力系统谐波检测相关数据,然后采用RBF神经网络建立舰船电力系统谐波的智能检测法,最后在Matlab2017平台上进行了舰船电力系统谐波检测的仿真模拟测试,结果表明,本文算法检测舰船电力系统谐波成功概率相当高,降低了舰船电力系统谐波检测误差,而且可以实现舰船电力系统谐波的实时性检测。     

基于SAR图像的舰船检测算法

在基于海面杂波统计模型的基础上,在利用SAR图像系统技术的前提下,根据对舰船检测目标因素的客观分析,通过对各种舰船检测算法检测差异性的比较研究,进行相应算法分析,为优化算法在能够有效提高检测速度和检测精度的情形下,进一步增强舰船目标的综合检测性能。     

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。