智能视频监控中海面舰船目标检测算法研究
发布时间：2021-06-25 21:44
我国具有辽阔的海岸线，海域十分广阔，因此，海事视频自动监测具有重要的现实意义和应用价值。在军用方面，可以维护海洋权益、加强海域监管、减少海事纠纷等；在民用方面，海面目标的自动检测技术可以高效实现港口、海湾等的海上交通管制、事故船只救援报警、海洋环境监测、海洋专属经济区保护，并对非法捕鱼、污染物倾倒、非法走私偷渡等起到强有力的监管作用。在海事智能视频监控方面，目前面临的难点就是当摄像机安装在晃动的海洋浮标或运动的海事船上时，如何实现在各种海况下快速地检测出运动的舰船目标，这是实现海域智能监测的关键技术之一。为此，本文对海洋动态视频监控中舰船目标快速检测算法以及海上雾天图像清晰化处理算法进行了深入研究，完成的主要研究工作如下：（1）提出了一种基于小波域视觉注意力模型的海面舰船目标快速检测算法。根据人类视觉观测特点，即大尺度下注重目标的轮廓，小尺度下注重目标的细节，首先利用利用提升小波变换在小波域建立了双尺度视觉选择注意模型，然后在粗分辨率低频子带上分别利用相位谱法和梯度法建立视觉显著图，并对两者进行有效融合形成综合视觉显著图，最后通过小波反变换得到原始高分辨率图像的视觉显著图，由此实现海面...
【文章来源】：中国海洋大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：129 页
【学位级别】：博士
【部分图文】：
大雾影响下的城市(c)高速公路（d）水路
智能视频监控中海面舰船目标检测算法研究26图2-4 RGB彩色立方图示意图（2） YUV颜色模型由于人眼对亮度分量较敏锐，而对于彩色细节的分辨本领较弱。考虑到RGB色彩空间，三个通道上的颜色分量具有相关性，不是一个均匀的视觉颜色空间，因为三个通道的颜色距离与人类视觉的颜色相似性不成正比性，因此需要进行颜色空间转换。通常把 RGB颜色空间转换到YUV颜色空间进行计算。YUV 颜色模型包括一个亮度分量 Y 也就是像素灰度值和两个色度分量 U，V。U和V与像素的颜色相关，是构成彩色的两个组份，旨在描述图像的色彩外加饱和度。亮度分量Y和色度分量U、V是相互之间不影响。在YUV空间，亮度Y表征强度的感觉
HSV颜色模型示意图
【参考文献】：
期刊论文
[1]视觉认知计算模型综述[J]. 黄凯奇,谭铁牛. 模式识别与人工智能. 2013(10)
[2]基于相位谱和频率调谐的海上场景显著性检测[J]. 王金武,姚志均,于乃昭. 计算机应用. 2013(S1)
[3]基于暗原色先验模型的Retinex算法[J]. 汪荣贵,傅剑峰,杨志学,沈法琳,查炜. 电子学报. 2013(06)
[4]基于非线性扩散均值漂移的Retinex雾天图像清晰化算法[J]. 张洪坤,薛模根,周浦城. 图学学报. 2013(02)
[5]雾天条件下的多尺度Retinex图像增强算法[J]. 李菊霞,余雪丽. 计算机科学. 2013(03)
[6]基于改进的高斯混合模型的运动物体检测[J]. 王欢,邢丽冬,钱志余,殷威. 计算机技术与发展. 2012(12)
[7]基于局部背景感知的目标跟踪[J]. 储珺,杜立辉,汪凌峰,潘春洪. 自动化学报. 2012(12)
[8]基于相位谱和调谐幅度谱的显著性检测方法[J]. 李崇飞,高颖慧,卢凯,曲智国. 中国图象图形学报. 2012(07)
[9]基于背景重构的运动对象越界侦测方法[J]. 洪虹,李文耀. 电视技术. 2012(07)
[10]应用改进频率调谐的海上小目标检测方法[J]. 任蕾,施朝健,冉鑫. 中国图象图形学报. 2012(03)
博士论文
[1]智能视频监控中运动目标检测的算法研究[D]. 郭玲.华南理工大学 2013
[2]智能视频监控中的目标跟踪技术研究[D]. 姜明新.大连理工大学 2013
[3]智能视频监控中的运动目标检测和跟踪算法研究[D]. 袁国武.云南大学 2012
[4]面向智能视频监控的运动目标检测与跟踪方法研究[D]. 焦波.国防科学技术大学 2009
[5]雾天交通场景中退化图像的增强方法研究[D]. 陈先桥.武汉理工大学 2008
[6]雾天降质图像的清晰化技术研究[D]. 翟艺书.大连海事大学 2008
硕士论文
[1]多平台船载雷达系统的数据处理技术研究[D]. 许飞燕.哈尔滨工业大学 2013
[2]近岸视频观测方法研究[D]. 胡亚丽.中国海洋大学 2013
[3]雾天退化图像的清晰方法研究[D]. 游谦.昆明理工大学 2013
[4]基于视频检测技术的车流量统计算法研究[D]. 夏丽.武汉理工大学 2012
[5]基于视频的海上运动目标检测技术研究[D]. 李明兵.国家海洋技术中心 2012
[6]水下视频图像复原与拼接方法研究[D]. 葛中峰.中国海洋大学 2012
[7]基于数学形态学的海面红外舰船目标检测算法研究[D]. 李积俊.山东大学 2012
[8]基于信息融合的海洋溢油识别系统研究[D]. 杨明.上海交通大学 2012
[9]基于DSP的水下视频压缩编码系统研究[D]. 刘佳旭.中国海洋大学 2010
[10]基于图像的海冰监测方法研究[D]. 刘彦飞.大连理工大学 2009
本文编号：3249983
【文章来源】：中国海洋大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：129 页
【学位级别】：博士
【部分图文】：
大雾影响下的城市(c)高速公路（d）水路
智能视频监控中海面舰船目标检测算法研究26图2-4 RGB彩色立方图示意图（2） YUV颜色模型由于人眼对亮度分量较敏锐，而对于彩色细节的分辨本领较弱。考虑到RGB色彩空间，三个通道上的颜色分量具有相关性，不是一个均匀的视觉颜色空间，因为三个通道的颜色距离与人类视觉的颜色相似性不成正比性，因此需要进行颜色空间转换。通常把 RGB颜色空间转换到YUV颜色空间进行计算。YUV 颜色模型包括一个亮度分量 Y 也就是像素灰度值和两个色度分量 U，V。U和V与像素的颜色相关，是构成彩色的两个组份，旨在描述图像的色彩外加饱和度。亮度分量Y和色度分量U、V是相互之间不影响。在YUV空间，亮度Y表征强度的感觉
HSV颜色模型示意图
【参考文献】：
期刊论文
[1]视觉认知计算模型综述[J]. 黄凯奇,谭铁牛. 模式识别与人工智能. 2013(10)
[2]基于相位谱和频率调谐的海上场景显著性检测[J]. 王金武,姚志均,于乃昭. 计算机应用. 2013(S1)
[3]基于暗原色先验模型的Retinex算法[J]. 汪荣贵,傅剑峰,杨志学,沈法琳,查炜. 电子学报. 2013(06)
[4]基于非线性扩散均值漂移的Retinex雾天图像清晰化算法[J]. 张洪坤,薛模根,周浦城. 图学学报. 2013(02)
[5]雾天条件下的多尺度Retinex图像增强算法[J]. 李菊霞,余雪丽. 计算机科学. 2013(03)
[6]基于改进的高斯混合模型的运动物体检测[J]. 王欢,邢丽冬,钱志余,殷威. 计算机技术与发展. 2012(12)
[7]基于局部背景感知的目标跟踪[J]. 储珺,杜立辉,汪凌峰,潘春洪. 自动化学报. 2012(12)
[8]基于相位谱和调谐幅度谱的显著性检测方法[J]. 李崇飞,高颖慧,卢凯,曲智国. 中国图象图形学报. 2012(07)
[9]基于背景重构的运动对象越界侦测方法[J]. 洪虹,李文耀. 电视技术. 2012(07)
[10]应用改进频率调谐的海上小目标检测方法[J]. 任蕾,施朝健,冉鑫. 中国图象图形学报. 2012(03)
博士论文
[1]智能视频监控中运动目标检测的算法研究[D]. 郭玲.华南理工大学 2013
[2]智能视频监控中的目标跟踪技术研究[D]. 姜明新.大连理工大学 2013
[3]智能视频监控中的运动目标检测和跟踪算法研究[D]. 袁国武.云南大学 2012
[4]面向智能视频监控的运动目标检测与跟踪方法研究[D]. 焦波.国防科学技术大学 2009
[5]雾天交通场景中退化图像的增强方法研究[D]. 陈先桥.武汉理工大学 2008
[6]雾天降质图像的清晰化技术研究[D]. 翟艺书.大连海事大学 2008
硕士论文
[1]多平台船载雷达系统的数据处理技术研究[D]. 许飞燕.哈尔滨工业大学 2013
[2]近岸视频观测方法研究[D]. 胡亚丽.中国海洋大学 2013
[3]雾天退化图像的清晰方法研究[D]. 游谦.昆明理工大学 2013
[4]基于视频检测技术的车流量统计算法研究[D]. 夏丽.武汉理工大学 2012
[5]基于视频的海上运动目标检测技术研究[D]. 李明兵.国家海洋技术中心 2012
[6]水下视频图像复原与拼接方法研究[D]. 葛中峰.中国海洋大学 2012
[7]基于数学形态学的海面红外舰船目标检测算法研究[D]. 李积俊.山东大学 2012
[8]基于信息融合的海洋溢油识别系统研究[D]. 杨明.上海交通大学 2012
[9]基于DSP的水下视频压缩编码系统研究[D]. 刘佳旭.中国海洋大学 2010
[10]基于图像的海冰监测方法研究[D]. 刘彦飞.大连理工大学 2009
本文编号：3249983
本文链接：https://www.wllwen.com/kejilunwen/wltx/3249983.html
