基于红外图像的海上船舶特征识别算法研究

发布时间：2020-12-13 05:48

　　传统海上船舶特征识别算法受到可见光强弱的影响,在暗光条件下对船舶图像识别能力远远不如白天,加之船舶搜救等应用场景多为夜晚。因此,提出基于红外图像的海上船舶特征识别算法研究。首先,基于红外图像识别算法,将红外识别与可见光参量进行高精度融合计算;其次,对融合后的红外识别特征参量进行增强计算;最后,通过粒子群算法对大场景中的目标进行特征绑定,从而实现暗光条件下快速准确识别船舶特征的效果。通过实验对提出算法进行测试对比,证明提出算法在暗光条件下对船舶特征的识别能力高于传统识别算法。 

【文章来源】：舰船科学技术. 2020年04期 北大核心

【文章页数】：3 页

【部分图文】：

船舶识别测试图像Fig.1Shipidentificationtestimage

对边缘区域进行迭代单帧灰度增强，得到最终增强后的图像特征识别计算定义式为：J′(C)=∑nνn∑kqn,k(S)log(qn,k(S))。(16)1.2粒子群算法下的红外特征目标绑定计算考虑到海上船舶特征识别的场景区域较大，为了提升算法的辨识速度，对上述计算式进行特征目标绑定计算，通过粒子群的聚类性，完成算法与目标特征绑定的计算。具体计算流程如下：CnBnCn=(vn1,vn2,···,vnl)1）设定海上船舶目标点的聚类中心值为L，对其进行聚类均值计算，获得聚类最优值，并对其余聚类粒子点的坐标位置与移动值进行初始化计算，代表全局聚类粒子的中心集合。2）对计算粒子进行聚类类型划分。3）将划分的聚类粒子进行适应度计算。qy+1n4）将计算得到的适应度粒子导入特征目标进行更新，更新绑定后的船舶特征识别量设为，其计算函数式为：qy+1n=Cy+1n，G(Cy+1n)G(qyn)，qyn，G(Cy+1n)G(qyn)。(17)到此，提出的基于红外图像的海上船舶特征识别算法研究，所涉及到的计算流程全部计算描述完毕。2实验设计针对提出的基于红外图像的海上船舶特征识别算法研究，进行可行性仿真试验测试。随机生成3组海上船舶图像，图像生成环境均为夜晚图像，图像内含有不同数量的船只图像，对图像中的船舶进行编号，由仿真系统随机设定识别船舶的序号。船舶图像参数详见表1。测试图如图1所示。测试结果如图2所示。2.1实验结论由图2中的识别图像，可以看出提出的船舶图像识别算法，能够在暗光环境下准确的识别出设定的特征目标的船舶，且识别准确度高于传

【参考文献】：
期刊论文
[1]前视红外图像中海岸线与海天线的通用检测方法研究[J]. 仇荣超,吕俊伟,宫剑,修炳楠,马新星,刘思彤.  兵工学报. 2019(06)
[2]基于最大熵生长检测器的模糊红外图像分割算法[J]. 于晓,吕欣欣,高强,叶溪.  激光杂志. 2019(03)
[3]多波段红外图像的海面舰船目标检测[J]. 仇荣超,娄树理,李廷军,宫剑.  光谱学与光谱分析. 2019(03)
[4]基于全局背景减法滤波器与多形状特征的红外舰船检测算法[J]. 陈艳浩.  电子测量与仪器学报. 2018(10)



本文编号：2914021