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。     

冻融循环下改性沥青混合料的孔隙结构研究

隧道路面常出现水损病害，而沥青混合料的孔隙率与水稳定性密切相关。利用工业CT扫描技术，以基质沥青混合料、SBS改性沥青混合料和热固性沥青混合料为研究对象，分析冻融循环作用下沥青混合料孔隙结构的变化情况。结果表明：冻融循环使得整个试件内的孔隙孔径增大，部分孔隙连通；对比基质沥青混合料，SBS改性沥青混合料和热固性沥青混合料的冻融前后孔隙增长率显著降低，其中较小孔隙率的热固性沥青混合料孔隙增长率最低；冻融后较小孔隙率的热固性沥青混合料小孔径孔隙数量大幅增加，而其他沥青混合料主要呈现孔隙的扩大与融合。     

SAR图像舰船目标长宽特征提取技术

SAR图像特征提取是目标识别中的关键步骤,直接影响目标识别的结果。长度类特征因其简单直观、效率高、易于提取等优势,常被作为船只类型的初始判定,针对SAR图像舰船目标长宽特征提取问题,本文提出一种新的方法。首先通过水平集分割获得目标轮廓,其次采用区域消除方法滤除杂波,获得预处理后的目标图像;其次通过最小外接矩形拟合目标,获取舰船目标切片的长轴、旋转的角度;再次采用最小二乘法椭圆拟合获取舰船目标短轴;最后得到舰船目标的长宽特征。通过实测SAR图像处理结果表明,本文方法能够在背景杂波干扰下,抑制相干斑噪声的影响,提高了长宽提取的精度,是一种有效的舰船目标长宽特征提取方法。     

基于DSP平台的海上目标跟踪监测系统

针对传统海上目标跟踪监测系统目标跟踪监测性能较差的问题,提出一种基于DSP平台的海上目标跟踪监测系统。系统硬件包括图像采集模块、数据存储控制模块,其中图像采集模块主要由摄像头传感器、关联寄存器组成;数据存储控制模块主要由存储芯片、模块控制接口组成。系统软件配置为目标跟踪监测软件,通过硬件与软件相结合实现了海上目标的跟踪监测。为了验证该海上目标跟踪监测系统的目标跟踪监测性能较为优越,将该系统与基于目标选择算法的海上目标跟踪监测系统、基于卷积神经网络的海上目标跟踪监测系统、基于计算机视觉的海上目标跟踪监测系统进行对比实验,实验结果证明该系统的监测成功率更高,即目标跟踪监测性能优于传统海上目标跟踪监测系统。     

基于卷积神经网络的舰船图像边缘检测算法

为合理分布舰船行驶图像卷基层结构中的边缘化网络参数,设计基于卷积神经网络的舰船图像边缘检测算法。按照图像数据特征可视化处理依据,设定必要的神经动量值,完成基础卷积神经网络设计。在此基础上,命名舰船图像节点,再以基本边缘数据结构连接原理为参照,配置检测链接库,实现舰船图像边缘检测算法的顺利应用。对比实验结果,与理论检测手段相比,应用舰船图像边缘检测算法后,最大化网络参数值达到9.0×1015 T,图像边缘化检测覆盖率超过80%,舰船行驶图像卷基层结构中的边缘化网络参数达到理想化分布状态。     

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。     

基于偏微分方程的舰船图像增强研究

舰船图像在采集和传输过程中,受到多种因素的干扰,导致图像细节信息丢失严重,使得图像亮度低,图像质量下降,为了解决该难题,提高图像视觉效果和图像质量,设计了基于偏微分方程的舰船图像增强方法。首先对当前舰船图像增强研究结果进行分析,提出采用小波分析对原始舰船图像进行处理,识别出舰船图像中的噪声,并设置合理的阈值抑制噪声的作用,然后采用偏微分方程模型对舰船图像进行非线性增强变换,突出舰船图像中的细节信息,改善舰船图像的清晰度,最后进行舰船图像增强的仿真测试,结果表明本文方法可以明显增强舰船增强图像亮度,使图像细节信息增加,舰船图像增强结果的评价指标全部优于对比方法的舰船图像增强结果,是一种有效的舰船图像增强方法。     

一种隧洞探测型自主式水下机器人及其图像拼接方法

针对采用自主式水下机器人(AUV)巡检和拍摄输水隧洞中的裂缝时水下环境会极大地限制光视觉图像的可视范围和分辨率,单幅水下图像获得的视角范围有限的问题,提出一种基于加速稳健特征(SURF)算法的AUV水下图像拼接方法。在图像预处理阶段对水下图像进行去畸变和限制对比度自适应直方图均衡化处理,用于解决水下图像存在的畸变、对比度低和噪声严重等问题。将SURF特征点检测算法应用到水下图像配准中,并与RANSAC算法相结合,对特征点进行精确匹配。应用线性渐变融合算法实现水下图像融合,有效去除拼接缝隙,完成水下图像拼接,最终通过水池和外场试验拼接图像验证所提方法的正确性。     

基于视频图像处理的舰船运行状态监测技术

传统的舰船运行状态监测技术响应时间长,不能实现实时监测,监测效果差。为了解决上述问题,研究一种新的舰船运行状态监测技术,引入视频图像处理技术,首先对舰船运行状态信息进行采集,然后通过提取的视频图像特征处理舰船运行状态信息,最后输出舰船运行状态信息结果。为检测该技术工作效果,与传统监测技术进行对比,结果表明,研究的监测技术响应时间短,效果好,具有广阔的市场应用空间。     

复杂环境下的舰船视觉图像增强技术

针对当前增强技术存在的区域过渡不自然、块效应、信息丢失严重等问题,以改善舰船视觉图像质量为目标,设计一种复杂环境下的舰船视觉图像增强技术。首先对当前舰船视觉图像增强技术的研究现状进行分析,找到引起不足的因素,然后对舰船视觉图像进行分块操作,对每一个子块进行变换,然后通过Harr变换的方法计算不同子块间的相关度,确定图像增强系数,根据图像增强系数对舰船视觉图像进行自适应增强,最后对增强后的舰船视觉图像进行亮度调度,使图像更加清晰,视觉效果更佳。采用具体舰船视觉图像对增强技术的性能进行测试与分析,实验结果表明,本文方法的舰船视觉图像效果得到了极大改善,舰船视觉图像信噪比、亮度和对比度均要优于对比技术,为舰船视觉图像增强提供了一种新的技术。