船舶三维图像绘制纹理细节增强方法研究

船舶结构件三维建模是船舶设计与开发过程中的关键环节。在概念设计阶段,为了提高船舶三维模型的逼真程度,往往需要采用三维渲染技术提升模型的外观特性。其中,纹理映射是一种应用较广、效果良好的三维渲染手段。本文介绍纹理映射技术的原理与发展现状,结合GPU图像处理技术进行舰船三维图像绘制纹理细节的增强方法研究。     

基于视觉传达的大型船舶智能导航界面设计方法

针对导航界面显示导航参数不够充分情况,提出基于视觉传达技术的大型船舶智能导航界面设计方法。该方法以用户视觉传达为中心的设计理念为基础,设计大型船舶智能导航界面设计模型;利用该模型的用户分析单元分析用户需求、确定导航用户目标后,使用界面规格与功能设计单元确定导航界面内容和界面功能;再利用信息架构与交互设计单元设计智能导航界面链接、搜索栏等功能,并利用界面设计与导航设计单元中的导航模块发送与接收信号,使用视觉传达技术内的Qtopia图形套件搭建智能导航图形界面。实验结果表明,该方法设计的大型船舶智能导航界面可充分展示航行过程中的相关参数,具备较好的视觉传达效果,应用效果较佳。     

基于视觉传达的船舶组合导航人机交互界面系统

针对船舶航行环境复杂、天气多变等因素给船舶组合导航带来的诸多问题,提出一种基于视觉传达的船舶组合导航人机交互界面系统。首先设计带有地图创建、路径规划、人机交互、组合导航四大模块的硬件系统,秉持模块化的设计理念设计图像预处理和基于地图匹配-GPS-航行状态组合的软件程序,并在程序中添加图像特征提取技术,获取地图图像的直线特征。最后将软件程序添加到硬件系统中,利用地图匹配算法获取最佳航行路径。实验结果表明,系统的导航精度高、轨迹规划和避障能力强。     

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。     

卷积神经网络船舶遥感图像目标检测

本文提出卷积神经网络的船舶遥感图像目标检测方法。采用拉普拉斯算子增强处理船舶遥感图像,使得船舶目标特征信息更加清晰;基于Snake模型分割出遥感图像中的船舶目标,通过Gabor滤波器提取船舶遥感图像目标特征向量;基于卷积神经网络搭建船舶遥感图像目标检测架构,统一化处理分支网络置信度,对卷积神经网络进行训练,获取最优权重系数;将遥感图像输入至训练好的卷积神经网络中,即可实现船舶目标的检测。实验数据显示：应用本文方法获得的F1 Score参量与IoU参量数值全部大于给定标准数值,充分证实本文方法具有较好的船舶遥感图像目标检测效果。     

基于卷积神经网络的船舶图像增强研究

为了更好的识别船舶图像信息,提出基于卷积神经网络的船舶图像增强方法,利用卷积神经网络技术对船舶图像特征进行采集和建模,并对采集到的数据进行降噪,再根据图像颜色特征进行图像缺陷修复和图像的逆向恢复处理,从而获得高品质的船舶图像。最后通过实验证实,卷积神经网络能够有效改善船舶图像的显示质量,满足传播图像增强的设计目标。     

基于视觉传达效果的舰船图像优化

视觉传达技术是数字化环境下快速发展的科学技术,在舰船安防监控中,亟需采用视觉传达技术修复模糊的舰船图像,去除图像非均匀噪声,提高舰船图像分辨率。本文基于视觉传达效果视角,将视觉传达技术应用到提取舰船图像特征信息、建立舰船图像优化模型、优化处理雾天舰船图像和舰船全景图像四个方面,提出舰船图像优化方案,并通过实验论证优化方案的图像效果,实验结果表明舰船图像优化能够有效降低峰值信噪比,保证图像的清晰度。     

改进GA-BP算法的棒式绝缘子表面缺陷识别

针对棒式绝缘子及表面缺陷的精确识别技术问题,提出改进遗传算法(Genetic Algorithm)优化BP神经网络算法(GA-BP)和绝缘子水平/垂直方向像素统计的算法,分别用于绝缘子及其表面缺陷精确识别。采用GA算法对BP网络的初始权重进行优化,并用鲍威尔-比厄法(Powell-Beale)更新GA-BP算法中的权值和阈值,高精度识别绝缘子。利用相机标定,实现绝缘子长度直径比、伞裙面积的世界与像素值间的转换。基于像素统计结果,实现绝缘子表面缺陷的精确识别。仿真结果表明,与GA-BP识别算法和以伞裙距离为自爆判断标准的算法相比,改进后的识别率分别提高7.00%和20.50%,且改进GA-BP算法的处理时间为0.015 s/张。为接触网检测监测装置(4C)零部件的准确识别奠定了基础。     

基于时间序列分析和信息熵的结构损伤识别

目前,基于时间序列分析的结构损伤检测方法中,存在时间序列模型难以建立统计指标与损伤程度定量关系的问题。针对此问题,提出基于信息熵的结构损伤识别方法,该方法能同时检测损伤的位置和度量损伤程度。以获取的加速度振动响应构建自回归移动平均模型(Autoregressive Moving Average model,ARMA),并从理论上推导自回归系数与结构振动频率的关系。通过建立时间序列模型与损伤程度之间的联系,再引入信息熵实现对结构节点信息的量化。构建损伤程度特征指标,利用损伤前后结构损伤指标的变化量实现对损伤结构的位置和损伤程度的检测。以简支梁结构实验模型和IASCASCE基准结构的测量数据为例,从不同损伤程度下的单一损伤和多重损伤等场景对方法的有效性进行验证,并对损伤的结构进行定位和定量分析。研究结果表明,损伤位置处的损伤指标值远大于未损伤位置,能够准确定位损伤,且不同损伤程度下的损伤指标值增幅也存在明显差异。本文提出的方法对单一损伤和多重损伤均可进行损伤定位,并在损伤定位的同时实现损伤程度的量化。     

基于改进Hough变换的车道线检测

针对车道线检测中存在的诸多问题,在道路图像预处理的基础上,对Canny算子中的双阈值选取进行改进,能够自适应精确提取车道线边缘特征,并利用带极角约束的Hough变换完成直线检测。算法能够在不同道路环境中准确检测车道线标识,降低光照等因素对车道线检测结果的影响。