舰船视觉系统海空多目标识别与跟踪技术研究
发布时间：2021-06-20 12:41
我国是一个拥有辽阔海域、超长海岸线和充裕海洋物资的海洋大国,因此舰船视觉系统有着十分重要的应用价值。在军用上,可以用于发现敌情、加强海域监管、维护海洋权益等;在民用上,可以用于管理海关运输、海防安全、港口调度、海上非法行动等。目前对于海上目标的识别与跟踪大多都针对于海面各种舰船目标,但在实际应用中,空中飞行物体（如飞行器、飞鸟等）和其他水面物体（如岛屿、礁石、海面大型鱼类等）都可能是舰船监控的目标。因此本文以海空多目标作为研究对象,设计一款能够准确且实时地识别跟踪海空多目标的舰船视觉系统。本文主要做了以下研究:首先,视频图像的预处理与实验数据集的设计及制作。基于海上数字视频的监控图像容易受到光照条件的影响,如夜晚、阴天、雾天等都会使监控视频图像的质量下降。为了使采集的舰船监控视频能被后续操作更好地利用,本文使用图像增强和图像滤波来提高海上监控视频的质量。结合常用的开源数据集和采集的视频图像数据集来设计适合本文的海空目标数据集,并将所有的图像处理成统一的格式封装,制作成相应的训练集和测试集,以便于训练后续的识别网络。其次,基于卷积神经网络的海空多目标识别算法研究。通过分析比较当前常用的目...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
海雾条件直方图均衡化的效果图
（c）直方图均衡化的图像 （d）左图对应直方图图 2.2 夜晚条件直方图均衡化的效果图图 2.1和图2.2为在光照条件较差的情况下彩色图像通过直方图均衡化后的效果图。从图中可以清楚的看到原来被光线影响的图像经过处理后变得清晰，实现了图像增强。2.1.2 图像滤波噪声可能会在收集目标图像的过程中造成一定程度的干扰，并且在目标图像处理的过程中也可能会引入一些噪声。因此，使用图像滤波来减小噪声对图片所带来的影响而且尽可能地不影响图像的细节。图像滤波是图像预处理技术中的重要步骤之一。1、均值滤波均值滤波其实是一种线性数字滤波技术，它能够很好地抑制高斯噪声，可是不能很好地抑制椒盐噪声[31]。均值滤波先是选择一个模板来处理图像，模板的大小通常为 3×3或是 5×5，并且让将要被处理的图像像素位于模板的中心位置。再使用模板中全部像素的平均值给目标像素赋值。所以均值滤波的中心像素是通过低通滤波的形式决定的。数学公式如下：( , )1( , ) ( , )Sm n Eg x y f m nM= （2-4）式中， f ( x, y) 代表分辨率是 M×N 的原始图像
（c）5×5 模板图 2.3 均值滤波效果图2、中值滤波中值滤波在消除脉冲噪声方向有着非常好的作用，并且在噪声滤除时不会使图像模糊，并且还不会使目标的边缘信息丢失。而这些特点是线性滤波方法不具有的。中值滤波的滤波技术结合了非线性数字滤波器和统计排序理论[32]。先是在图像里确定一像素中心，它的领域大多是奇数方形，而后根据邻域像素值的灰度大小重新排列，最后中心像素由所获得的像素序列的中间值确定。把使用的邻域称作是窗口，在目标图像里窗口可以上下左右的移动来实现平滑图像去噪。因此，重新排列的领域像素序列的中间值可以确定中值滤波器的最终输出像素值[33]。邻域像素值的灰度排列是中值滤波的运算核心，如果目标噪声是一个亮点，那么它的排序结果会在最右端，反之亦然，所以中值滤波的最终输出不会是脉冲噪声点。执行中值滤波过程相当于重新排列一个二位序列{ X }然后求取中值。数学公式如下：
【参考文献】：
期刊论文
[1]基于卷积神经网络语义检测的细粒度鸟类识别[J]. 李新叶,王光陛. 科学技术与工程. 2018(10)
[2]基于YOLO算法的移动轮船多目标实时检测[J]. 周奇. 电脑知识与技术. 2018(10)
[3]基于多特征融合的飞机跟踪算法[J]. 邵桢迪,姚剑敏,刘兴亮. 电子技术. 2017(05)
[4]基于卷积神经网络的目标检测研究综述[J]. 李旭冬,叶茂,李涛. 计算机应用研究. 2017(10)
[5]基于深层神经网络的军事目标图像分类技术[J]. 惠国保. 现代导航. 2016(06)
[6]不同池化模型的卷积神经网络学习性能研究[J]. 刘万军,梁雪剑,曲海成. 中国图象图形学报. 2016(09)
[7]基于深度卷积神经网络的船舶识别方法研究[J]. 赵亮,王晓峰,袁逸涛. 舰船科学技术. 2016(15)
[8]基于GA-LPA算法的船舶图像识别方法研究[J]. 熊勇,张俊丽,黄立文. 广西大学学报(自然科学版). 2016(02)
[9]船舶视觉图像优化检测方法研究[J]. 睢丹,陈卫军. 舰船科学技术. 2015(08)
[10]基于MFCC和双重GMM的鸟类识别方法[J]. 王恩泽,何东健. 计算机工程与设计. 2014(05)
博士论文
[1]智能视频监控中海面舰船目标检测算法研究[D]. 臧风妮.中国海洋大学 2014
[2]合成孔径雷达图像舰船目标检测算法与应用研究[D]. 种劲松.中国科学院研究生院（电子学研究所） 2002
硕士论文
[1]监控视频中多类目标检测与多目标跟踪算法研究[D]. 周纪强.哈尔滨工业大学 2017
[2]基于GPU的深度学习算法并行化研究[D]. 晋雅茹.东南大学 2017
[3]基于卷积神经网络的深度学习算法与应用研究[D]. 陈先昌.浙江工商大学 2014
[4]航道监控中船舶的检测与跟踪[D]. 周靓.南京理工大学 2012
[5]水下视频观测图像清晰化方法研究[D]. 李长顺.中国海洋大学 2011
本文编号：3239213
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
海雾条件直方图均衡化的效果图
（c）直方图均衡化的图像 （d）左图对应直方图图 2.2 夜晚条件直方图均衡化的效果图图 2.1和图2.2为在光照条件较差的情况下彩色图像通过直方图均衡化后的效果图。从图中可以清楚的看到原来被光线影响的图像经过处理后变得清晰，实现了图像增强。2.1.2 图像滤波噪声可能会在收集目标图像的过程中造成一定程度的干扰，并且在目标图像处理的过程中也可能会引入一些噪声。因此，使用图像滤波来减小噪声对图片所带来的影响而且尽可能地不影响图像的细节。图像滤波是图像预处理技术中的重要步骤之一。1、均值滤波均值滤波其实是一种线性数字滤波技术，它能够很好地抑制高斯噪声，可是不能很好地抑制椒盐噪声[31]。均值滤波先是选择一个模板来处理图像，模板的大小通常为 3×3或是 5×5，并且让将要被处理的图像像素位于模板的中心位置。再使用模板中全部像素的平均值给目标像素赋值。所以均值滤波的中心像素是通过低通滤波的形式决定的。数学公式如下：( , )1( , ) ( , )Sm n Eg x y f m nM= （2-4）式中， f ( x, y) 代表分辨率是 M×N 的原始图像
（c）5×5 模板图 2.3 均值滤波效果图2、中值滤波中值滤波在消除脉冲噪声方向有着非常好的作用，并且在噪声滤除时不会使图像模糊，并且还不会使目标的边缘信息丢失。而这些特点是线性滤波方法不具有的。中值滤波的滤波技术结合了非线性数字滤波器和统计排序理论[32]。先是在图像里确定一像素中心，它的领域大多是奇数方形，而后根据邻域像素值的灰度大小重新排列，最后中心像素由所获得的像素序列的中间值确定。把使用的邻域称作是窗口，在目标图像里窗口可以上下左右的移动来实现平滑图像去噪。因此，重新排列的领域像素序列的中间值可以确定中值滤波器的最终输出像素值[33]。邻域像素值的灰度排列是中值滤波的运算核心，如果目标噪声是一个亮点，那么它的排序结果会在最右端，反之亦然，所以中值滤波的最终输出不会是脉冲噪声点。执行中值滤波过程相当于重新排列一个二位序列{ X }然后求取中值。数学公式如下：
【参考文献】：
期刊论文
[1]基于卷积神经网络语义检测的细粒度鸟类识别[J]. 李新叶,王光陛. 科学技术与工程. 2018(10)
[2]基于YOLO算法的移动轮船多目标实时检测[J]. 周奇. 电脑知识与技术. 2018(10)
[3]基于多特征融合的飞机跟踪算法[J]. 邵桢迪,姚剑敏,刘兴亮. 电子技术. 2017(05)
[4]基于卷积神经网络的目标检测研究综述[J]. 李旭冬,叶茂,李涛. 计算机应用研究. 2017(10)
[5]基于深层神经网络的军事目标图像分类技术[J]. 惠国保. 现代导航. 2016(06)
[6]不同池化模型的卷积神经网络学习性能研究[J]. 刘万军,梁雪剑,曲海成. 中国图象图形学报. 2016(09)
[7]基于深度卷积神经网络的船舶识别方法研究[J]. 赵亮,王晓峰,袁逸涛. 舰船科学技术. 2016(15)
[8]基于GA-LPA算法的船舶图像识别方法研究[J]. 熊勇,张俊丽,黄立文. 广西大学学报(自然科学版). 2016(02)
[9]船舶视觉图像优化检测方法研究[J]. 睢丹,陈卫军. 舰船科学技术. 2015(08)
[10]基于MFCC和双重GMM的鸟类识别方法[J]. 王恩泽,何东健. 计算机工程与设计. 2014(05)
博士论文
[1]智能视频监控中海面舰船目标检测算法研究[D]. 臧风妮.中国海洋大学 2014
[2]合成孔径雷达图像舰船目标检测算法与应用研究[D]. 种劲松.中国科学院研究生院（电子学研究所） 2002
硕士论文
[1]监控视频中多类目标检测与多目标跟踪算法研究[D]. 周纪强.哈尔滨工业大学 2017
[2]基于GPU的深度学习算法并行化研究[D]. 晋雅茹.东南大学 2017
[3]基于卷积神经网络的深度学习算法与应用研究[D]. 陈先昌.浙江工商大学 2014
[4]航道监控中船舶的检测与跟踪[D]. 周靓.南京理工大学 2012
[5]水下视频观测图像清晰化方法研究[D]. 李长顺.中国海洋大学 2011
本文编号：3239213
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3239213.html
