基于图像分割与目标提取的舰船遥感影像分析技术

舰船遥感影像分析技术在舰船目标识别、海上航运交通管理、资源探测和军事侦察等领域发挥着重要的作用,是一种快速、高效和准确的海上舰船信息获取方法。遥感技术的理论基础是电磁波原理,该技术利用遥感卫星等设备采集和分析远距离物体辐射和反射的电磁波信号,从而进行地面物体的探测和识别。由于遥感技术存在巨大的优势,因此,基于遥感技术的舰船遥感影像分析和目标提取有重要意义,决定了海上目标识别和海上监察的水平。本文针对舰船的高分辨率遥感影像,详细的介绍了图像分割原理和目标提取原理,在此基础上研究了一种全新的舰船遥感图像分析技术。     

遥感图像融合最新进展及展望

文章综述了遥感图像融合的基本概念,研究了遥感图像融合的分类及常用方法,对遥感图像融合评价进行了探讨,系统深入地分析了遥感图像融合面临的问题,指出了未来的发展趋势及解决问题的方向。     

一种基于特征的全景图拼接算法研究

提出并实现了一种基于特征的全景图拼接算法,该算法应用sobel算子对待拼接的两幅图像分别进行处理,以获取图像边缘及特征点,确定两幅图像重叠部分的灰度差以去除伪特征点并消除外界噪声,选取方差最小的两组特征点作为缝合点,从而确定两图像的相对位置,通过对图像重叠部分进行平滑处理实现了全景图的无缝生成。实验结果证明算法合理,运算速度快,效果良好。     

融合Lite-HRNet的Yolo v5双模态自动驾驶小目标检测方法

针对目前自动驾驶领域的目标检测算法在对道路小目标和密集目标进行检测的时候出现漏检的问题,提出一种融合Lite-HRNet的Yolo v5网络。首先为了获得高分辨率的特征检测图将Lite-HRNet作为Yolo v5的主干网络,以增强对小目标及密集目标的检测。为提升暗光场景下的检测性能,将红外图像与可见光图像进行动态权值融合,充分发挥可见光图像与红外图像的互补优势。由于主干网络进行了充分的特征融合,为加快检测速度取消在检测层中的特征融合结构。其次为了加快收敛速度和提高回归精度采用α-EIoU作为边界框损失函数,同时为选取针对数据集更合适的先验框,使用二分K-means算法进行聚类,并且使用小目标数据增强算法对数据集进行样本扩充。最后在flir数据集上进行对比测试,根据实验结果,提出的算法比Yolo v5在平均精度上提高了7.64%,小目标和密集目标的漏检率明显减少。     

基于声信号分形特征的柴油机故障在线诊断系统研究

分析了柴油机声信号的分形特征,将标度曲线的无标度区域局部斜率作为特征关联维数,用来判别柴油机的工作状态。利用Lab VIEW平台开发了在线故障诊断系统,给出了关联维数的计算流程,并以东风4135四缸直喷式柴油机作为对象进行试验,分析了四种工况下柴油机声信号的局部斜率特征,建立了关联维数特征库。     

海上船舶目标图像多通道并行传输系统设计

图像多通道并行传输具有数据流以及数据量大的特点,传统的传输系统在图像多通道并行传输中常出现目标图像数据丢失现象,为解决这一问题,对海上船舶目标图像多通道并行传输系统设计。系统硬件主要包括核心处理器、电源模块、传输模块和图像采集模块,其中核心处理器主要调整系统的运行频率,并采集船舶航信信号;电源模块是为海上船舶目标图像多通道并行传输系统提供各个直流电平;传输模块主要实现目标图像数据通信;图像采集模块主要采集海上船舶目标图像数据。系统软件部分主要对硬件采集到的信息滤波处理,对多目标图像分类识别,以此完成海上船舶目标图像多通道并行传输。实验结果表明,传统系统比此次设计系统出现目标图像数据丢失数量多,本文设计有效解决了目标图像数据丢失的现象。     

含砂量对黏-砂混合土力学特性影响的试验研究及工程应用*

广东省汕尾市龟龄岛码头工程采用黏-砂混合土地基。不同含砂量不排水剪切试验结果表明：1）随着含砂量增加,分形维数加速递减;2）抗剪强度特性逐渐由硬化型过渡为软化型;3）分形维数2.709 3（含砂量50%）为黏-砂混合土力学性能明显变化的界限值,两侧力学特性表现出较大差异;4）内摩擦角增大、黏聚力减少。结合经验公式的地基承载力、实际取材等因素确定含砂量为30%～40%,并选取12个监测点进行复核。     

航海气象传真图的降噪处理

气象传真图是船舶驾驶员预知航行区域的气象信息及海况的主要途径.受电磁波和收发装置的影响,气象传真图在传输、接收的过程中会产生高斯噪声和椒盐噪声,严重时会导致接收到的气象传真图模糊不清和失真,这会影响船舶驾驶员的分析和决策.为此,基于偏微分方程(PDE)建立数学模型,对含有噪声的气象传真图进行降噪处理,取得了明显的效果,这为提高气象传真图的质量提供了一种可行方法.同时,这种方法也可运用于船舶其它的电子图像设备(如电子海图,雷达,AIS),有效降噪、提高图像质量.     

基于计算机大数据的船舶视频图像类型辨识分析

传统船舶视频图像类型识别算法在图像类型识别计算过程中,存在视频图像高频尺度空间像素子带系数计算精度较低,导致图像画面差异辨识度降低,无法高精度对比图像特征参量的问题。因此,提出计算机大数据船舶视频图像类型辩识分析。通过神经网络算法,建立视频图像特征的神经网络模型;根据特征模型推导建立辨识模型。在辨识模型的基础上,通过导入大数据高频子带尺度算法,对图像特征尺度空间内的高频子带系数进行优化计算,从而提升视频图像类型的辨识精度。通过实验数据对比表明:提出的视频图像辨识算法,能够有效改善图像类型识别环境,提升图像类型辨识精度,解决了传统辨识算法辨识精度低的问题。     

基于智能图像视觉的船舱内部监控与识别

为了提高对舰船船舱内部监控管理能力,提出一种基于智能图像视觉的船舱内部监控识别方法。采用计算机视觉特征信息采集方法进行船舱内部图像原始信息采集,对采集的图像进行小波降噪处理,采用Harris角点检测方法进行船舱内部关键部位点的准确标定,结合图像子块连续遍历方法实现船舱内部异常像素特征搜索提取,实现船舱内部的智能视觉监控识别。仿真结果表明,采用该方法进行船舱内部监控,输出视觉图像的成像质量较好,对关键信息点的标定结果准确,对船舱内部异常像素的检索能力较强,具有较好的应用价值。