基于HOG和SVM的船舶图像分类算法

针对目前船舶识别率较低的问题,提出一种基于方向梯度直方图(Histogram of Oriented Gradients, HOG)和支持向量机(Support Vector Machine, SVM)的船舶图像分类算法模型。该算法模型首先利用HOG算法获取船舶图像的边缘特征,包括图像灰度化和Gamma处理等图像预处理过程。通过LIBSVM工具箱中的SVM分类器对船舶的HOG特征进行训练,从而完成对SVM分类器模型的训练。根据预先标记的船舶测试集对SVM分类器模型的应用效果进行验证。结果表明,该模型的识别准确率达到84.14%,具有较高的识别精度,可很好地实现船舶图像分类。

基于中标麒麟操作系统的船舶电力监控系统设计开发

为实现船舶电力监控系统的自主可控,借助国产化软硬件平台,提出一种基于中标麒麟操作系统的船舶电力监控系统软件设计方案。该系统采用“中标麒麟操作系统+兆芯中央处理器”的软硬件模式,在Qt5集成开发环境中开发实现。系统测试结果表明,该船舶电力监控系统设计方案是可行的,对于解决我国船舶监控领域关键系统的数据安全问题,提升系统的自主可控能力具有重要意义。