可见光图像中舰船识别系统的研究与设计

发布时间：2020-11-18 04:52

　　 本文介绍了一种可见光条件下的基于卷积神经网络的舰船识别和统计系统,该系统用来对于近海岸和港口的舰船进行检测和识别。卷积神经网络在图像识别领域有越来越广泛的应用,本文对卷积神经网络在舰船识别领域的可扩展性进行了研究,针对港口的云雾和海浪天气对于舰船图像识别的影响进行了研究和实验,目标是实现一个检测时间达到实时性要求,检测准确精准的一个舰船检测系统。本文的实验的场景是国内的一些港口环境和一些近海岸区域,对监测范围内的舰船进行识别和统计,同时设计一个基于卷积神经网络的舰船识别统计系统,为港口的管理部门提供可视化的界面,实现对港口和海岸舰船的智能管理,本文这篇论文的主要的工作有:(1)对于港口捕获的舰船图片中往往受云雾遮挡情况,提出了一种改进的暗通道先验去雾算法,通过计算暗通道值修正导致颜色畸变的透射率计算问题,然后进行二段式图像增强处理,从而提高图像的视觉效果。同时,通过降低3个颜色通道的高亮度值,用求均值的方法来对图片进行较好的去雾处理。在此基础上对不符合暗通道的明亮区域进行了改进,使得经过处理后的图片更加清晰自然,经过处理的舰船图片的特征更加明显,对于后续使用卷积神经网络对于舰船的识别和统计起到比较好的辅助的效果,这种预处理方法与卷积神经网络相结合的方法提高了舰船检测的精度。(2)基于舰船的形态学的特征,对于现有的卷积神将网络的结构进行了调整,使得调整后的网络结构更加适应舰船识别的场景。对现有的卷积神经网络进行调整后的特征融合舰船检测算法对于舰船的检测和识别较直接使用现有卷积神经网络算法在检测的精度上有比较大的提升。本文对于港口中最为常见的6种类型的舰船进行了实验,分别收集了港口摄像头采集的视频及无人机捕获的舰船图片进行检测和识别,都得到了比较好的效果。(3)一种可见光条件下的基于卷积神经网络的舰船识别统计系统的设计与实现。通过场景的识别提供不同的服务,对于港口视频和无人机航拍图片两种情况下进行舰船的识别和统计并进行了可视化显示并可以提供港口的舰船的实时检测统计功能。
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：U674.7;TP391.41;TP183
【部分图文】：

像恢复技术和图像增强技术是图像处理的两个分支响可以同时应用图像恢复技术和图像增强技术，图中进行还原。图像增强技术将目标的颜色特征纹理以使图片还原到比较清晰的状态。本文去雾算法是，属于一种图像增强方法。集制作方法采集和制作是舰船识别流程中的第一步，用于后续选取的数据集图像中舰船颜色明亮，轮廓清晰，背利于卷积神经网络学习舰船特征。用的是最为常用的采集数据方式，在网上爬虫了大人工的筛选，将模糊程度太大、有遮挡、特征不明经过人工标注，作为数据集。下图两张图片为数据随机把一部分划归测试集，其余划归训练集，图 2图片和无人机俯视抓拍图片。

图 2-3 无人机俯视抓拍图片常用的四种聚类算法进行了阐述。不同的聚类算法算法应用比较广泛，用于对数据进行合理划分。法基于原型，是树形结构，优点是不用事先去人为法就需要），而且树状结构有一定的便利性，可以4 展示了这种聚类方法的示意图[26] [27]。

图 2-3 无人机俯视抓拍图片2.4 聚类算法本小节对常用的四种聚类算法进行了阐述。不同的聚类算法针对不同关联方式的数据。聚类算法应用比较广泛，用于对数据进行合理划分。层次聚类算法基于原型，是树形结构，优点是不用事先去人为手动的定一组 K值（K-Means 算法就需要），而且树状结构有一定的便利性，可以清晰的看到聚类的结果，图 2-4 展示了这种聚类方法的示意图[26] [27]。
【参考文献】

相关期刊论文 前3条

1 刘扬;付征叶;郑逢斌;;高分辨率遥感影像目标分类与识别研究进展[J];地球信息科学学报;2015年09期

2 杨骥;杨亚东;梅雪;袁晓龙;袁宇浩;;基于改进的限制对比度自适应直方图的视频快速去雾算法[J];计算机工程与设计;2015年01期

3 谢娟英;马箐;谢维信;;一种确定最佳聚类数的新算法[J];陕西师范大学学报(自然科学版);2012年01期

相关博士学位论文 前2条

1 王邦军;多视图特征融合方法研究[D];北京交通大学;2018年

2 焦雪;基于视觉特性的图形图像分割算法研究[D];吉林大学;2016年

相关硕士学位论文 前2条

1 崔旭东;HE和改进MSRCR相结合的雾霾图像增强研究[D];重庆师范大学;2018年

2 刘智辉;基于改进卷积神经网络的车牌识别算法研究与实现[D];浙江理工大学;2018年

本文编号：2888341