基于先验知识模型的舰船图像自动分割方法

当前舰船图像分割算法的错误率水平过高,易引起分割精度与分割速度的不断下降,为解决此问题,提出基于先验知识模型的舰船图像自动分割方法。通过统计舰船图像复原概率的方式,确定必要的复原质量评价指标,实现基于先验知识模型的舰船图像复原处理。在此基础上,分析先验知识模型的分割原理,借助待选取的图像特征信息,定义模糊分割集概念,实现先验知识模型舰船图像自动分割方法的顺利应用。对比实验结果表明,与神经网络型分割技术相比,先验知识模型支持下舰船图像自动分割方法的错误率水平得到有效控制,能够较好解决分割精度低、分割速度慢的原始遗留问题。     

人工智能的舰船航行速度自动调整研究

为了更好保障船舶航行效果,有效实现在复杂海洋环境下对船舶航行速度进行有效控制的目标,提出基于人工智能的舰船航行速度自动调整方法。通过对舰船航行速度特征参数进行采集,获取船舶航行速度变化规律,并结合非线性模型实现对船舶航行速度的有效建模,减少环境干扰影响,有效降低船舶航行控制误差,保证速度调整的准确度。最后通过实验证实,本文提出的人工智能的舰船航行速度自动调整方法具有较高的实用性,充分满足研究要求。     

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。     

基于磁感应测速传感器的舰船航行速度估计

为解决传统舰船航行速度估计结果精度不佳的问题,提出基于磁感应测速传感器的舰船航行速度估计方法。通过大量分析调查,分别获取外界航行因素及船舶自身因素对航速的影响度数值,结合磁感应测速传感器建立相应的船舶航速影响规律。进一步计算相关因素对舰船航行产生的阻力和推力,并建立相应的航行惯性附体坐标,根据坐标变化情况计算舰船航行速度变化数值,实现对舰船航行速度的精准估计。最后通过实验证实,基于磁感应测速传感器的舰船航行速度估计方法具有更高的准确性和实用性。     

稀疏表示和判别性字典学习的舰船图像自动分割算法

现有舰船图像自动分割算法存在着分割准确率低的问题,故提出稀疏表示和判别性字典学习的舰船图像自动分割算法研究。为了降低图像分割计算难度,通过图像插值、坐标转换、互信息计算配准获取的舰船图像,以此为基础,提取配准图像的灰度与梯度特征,并转换为列向量构成训练样本集,构建判别性字典学习模型,通过模型求解获取舰船图像稀疏表示,判断像素点所在区域,实现了舰船图像的自动分割。仿真实验结果显示:在自变量图像数量与图像块尺度背景下,与现有算法相比较,提出算法舰船图像分割准确率较高,充分表明提出算法图像分割效果更好。     

自适应阈值法的舰船图像自动分割

图像分割是视觉检测领域中的重要环节。由于舰船环境和图像数据的复杂性,现阶段舰船图像自动分割技术中的抗光照性能差、精度低以及边缘模糊等问题仍普遍存在。如何有效完成对舰船图像进行自动分割成为一大难题。为了有效解决上述问题,对当前图像分割方法进行深入的研究和调查,提出通过自适应阈值法的舰船图像自动分割方法,在总结和分析了现有自适应阈值分割算法存在的优点和局限性后,给出了自适应阈值图像分割法的改进方案,以便从复杂的舰船图像背景中分离出目标区域,有效解决当前图像分割技术中光照不均匀、边缘模糊等问题。为验证方法有效性进行了仿真实验,实验结果证实该方法性能效果相对较好,充分满足对复杂舰船图像进行分割的设计目标。     

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。     

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。     

基于人工智能技术的舰船图像语义分割算法

随着对舰船研究的深入,原有的舰船图像语义分割结果已无法满足现有的研究要求。原有的舰船图像语义分割算法在图像预处理过程中较为粗糙,导致图像分割结果交叉联合度量值较低,图像分割损失值较大。因而,设计基于人工智能技术的舰船图像语义分割算法。引用人工智能技术中的卷积神经网络对图像预处理部分展开优化;对预处理后的图像进行多尺度拟合,获取图像特征;使用改进代价函数实现舰船图像语义分割。构建算例测试环节,通过与原有算法以及使用其他技术设计的分割算法进行对比可知,此算法的交叉联合度量值较高,图像分割损失值较低。由此可知,此方法的舰船图像语义分割能力较佳。     

舰船遥感图像分割中阈值的自动选取算法

为了提高舰船遥感图像的分割效果,解决传统阈值选取算法存在的选取性能低的问题,提出舰船遥感图像分割中阈值的自动选取算法。利用安装的遥感设备采集舰船遥感图像,并以此作为研究样本构建相应的直方图,并通过预测实现分割阈值的自动选取。将设计的阈值自动选取算法应用到实际的舰船遥感图像分割工作中,相比于传统的阈值选取算法,应用设计方法得出的图像分割结果的AER值更小,即分割效果更理想。     

小波变换在舰船边缘检测及尺寸测量中的应用

舰船边缘检测及尺寸测量在海洋舰船识别与探测中具有非常重要的作用,传统的监测与测量方法,存在测量精度低、适用范围窄等问题。针对这些问题本文提出一种基于小波变换的图像边缘提取方法,应用于舰船图像的尺寸测量中。利用光滑二次小波对舰船图像进行二维小波变换,计算局部极大值点,形成舰船图像边缘形状;在此基础上,构造一个边缘最小外接矩形,通过测量两点之间的距离得到舰船图像尺寸大小。实验证明,该方法与传统方法相比具有更好的效果。     

改进神经网络的舰船碰撞危险度估计

当前的一些方法在航行行为预测以及碰撞预警能力方面仍存在一些问题,因此提出一种改进神经网络的舰船碰撞危险度估计方法,实现了舰船碰撞危险度的高精度估计。首先基于改进神经网络构建改进神经网络预测模型预测舰船航行行为,以提供碰撞危险度估计的基础数据来源。对舰船碰撞风险中的安全距离模型进行制订,具体包括危险领域安全距离模型、安全会遇领域安全距离模型、舰船动界安全距离模型。通过昆兹模型构建舰船碰撞危险度计算模型,对舰船碰撞危险度进行估计。在某水域进行本文方法的性能测试,测试结果证明该方法的航行行为预测误差低于现有方法,而碰撞预警精度则高于现有方法,提供了舰船防碰撞领域的新研究方向。     

基于水天线检测的数字图像处理算法研究

重点讨论了天文导航中水天线图像的处理算法.先通过小波变换的阈值法分割对图像进行分割,然后利用中值波消除图像中的噪声,再通过小波变换提取出图像中的水天线,最后通过Hough变换得到图像中水天线的具体位置信息,从而计算出舰船的摇摆角.     

基于水天线检测的数字图像处理算法研究

重点讨论了天文导航中水天线图像的处理算法。先通过小波变换的阈值法分割对图像进行分割，然后利用中值波消除图像中的噪声，再通过小波变换提取出图像中的水天线，最后通过Hough变换得到图像中水天线的具体位置信息，从而计算出舰船的摇摆角。     

天文导航用水天线图像处理的技术研究

天文导航在导航系中有着不可替代的地位,由于客观原因,舰船在海平面上航行必然会摇摆,针对这一摇摆角问题,提出了基于粗略水平基准的水天线测量法。该方法以TDS642EVM多路实时图像处理平台为硬件电路,软件算法采用自适应阈值分割和小波变换进行边沿信号检测,最后利用Hough变换获取水天线的具体位置信息,所有算法在CCS2.0环境下编程实现。     

单片机的舰船航行控制误差实时补偿研究

现有方法由于运算时间过长,存在着误差补偿实时性差、误差补偿精度低的缺陷,为此提出单片机的舰船航行控制误差实时补偿研究。在舰船导航系统中获取舰船航行控制数据,以此为基础,计算舰船的航行控制误差,依据航行控制误差计算结果,选取单片机型号,通过原始误差数据输入阶段、预处理阶段与补偿阶段确定刻度因子补偿公式,执行刻度因子补偿规则获取补偿后航行控制数据,实现了舰船航行控制误差的实时补偿。测试结果表明:与现有方法平均数值相比较,提出方法的误差补偿时间下降了5.21 ms,误差补偿精度上升了14.12%,证明提出方法具备更好性能。     

DSP平台的舰船图像增强系统

针对船舶航行图像对比清晰度较低的问题,设计基于DSP平台的舰船图像增强系统。按照DSP处理框架的执行需求,连接图像采集模块及信息增强电路,完成新型图像增强系统的硬件运行环境搭建。在此基础上,根据舰船图像的信息管理模式,计算具体的函数增强公式,完成系统的软件运行环境搭建,联合相关硬件设备结构,实现DSP平台舰船图像增强系统的顺利应用。对比实验结果表明,与FPGA图像处理系统相比,应用增强型系统后,雾化度指标数值明显降低,船舶航行图像对比清晰度过低的问题得到有效解决。     

基于多媒体网络的舰船图像定位自动匹配系统设计

为了更好地实现船舶的安全航行,基于多媒体网络技术的优越性,本文构建基于多媒体网络技术的舰船图像定位自动匹配系统,并对整个系统的关键技术和系统性能进行研究,该系统能够实时处理、传输大量的多媒体数据,通过SIFT图像匹配算法,可以实现舰船图像定位的自动匹配。实验结果表明,系统性能良好,匹配平均时间为5.23 ms,匹配的成功率可以达到90%,为舰船的安全航行提供了可靠的保障。     

航行速度的非线性建模与仿真研究

舰船航行速度具有十分强烈的非线性变化特点,而当前舰船航行速度建模方法均只考虑其线性特性,使得舰船航行速度预测错误很大。为了提高舰船航行速度预测精度,提出一种航行速度预测的非线性建模方法。首先采用舰船航行速度的历史样本数据,建立舰船航行速度预测的训练样本集合,然后引入回声状态网络对舰船航行速度训练样本的变化规律进行描述,建立舰船航行速度预测模型,最后采用具体舰船航行速度数据对非线性建模性能进行测试。本文建模方法可以捕捉舰船航行速度强烈的非线性变化特点,舰船航行速度预测错误小,舰船航行速度预测精度要小于当前线性建模方法,而且降低了舰船航行速度建模的时间,具有比较显著的优越性。     

双目视觉下多尺度舰船图像轮廓特征点提取算法

为清晰分辨船舶航行图像的边缘特征信息,提出双目视觉原理下的多尺度舰船图像轮廓特征点提取算法。依照图像信息的测距处理方案,匹配必要的视觉性像素,完成基于双目视觉的舰船图像特征点标注处置。在此基础上,根据多尺度成像坐标原理,判定舰船图像的灰度信息,再通过计算轮廓特征系数的方式,实现双目视觉下多尺度舰船图像轮廓特征点提取算法的应用。对比实验结果表明,与SIFT算法相比,应用新型特征点提取算法后,QDI系数指标出现明显提升的变化趋势,船舶航行图像的边缘特征信息得到清晰化分辨。