多尺度样本熵在水面舰船识别中的应用研究

通过大量研究分析表明水面舰船的水声信号能够对其进行检测与识别并具有较好的性能,由于多尺度样本熵方法在离散信号分析中能够准确的定义其复杂性,本文采用多尺度样本熵方法分析水面舰船的水声信号。首先,利用多尺度样本熵方法计算不同水面舰船的水声信号。然后,将计算得到的多尺度样本熵值作为水面舰船特征,并采用支持向量机(SVM)分类器对水面舰船进行分类和识别。实验结果表明,本文提出的方法在水面舰船识别中具有较好的性能。

基于波形结构特征和支持向量机的水面目标识别

借鉴语音声学的研究成果,音色可作为区分不同目标的依据。由于舰船辐射噪声的音色信息包含在其信号的波形结构特征中,可以通过提取舰船辐射噪声的波形结构特征判断目标类型。该文对水面目标信号时域波形结构特征提取进行了研究,构建了基于信号统计特性的特征矢量,包括过零点波长、峰峰幅度、过零点波长差分以及波列面积等。应用支持向量机(Support Vector Machine,SVM)作为分类器识别两类水面目标信号,核函数为径向基函数(RBF)。提出了差分进化和粒子群算法的混合算法,优化了惩罚因子和径向基函数参数的选取,两类目标的识别率较常规的网格搜索法有显著提高。

改进CaffeNet模型在水面垃圾识别中的应用

为了提高水面垃圾识别的准确率,提出一种改进CaffeNet的卷积神经网络模型对水面垃圾进行识别。模型改进了卷积核的大小、卷积核的数量以及增加了一层稀疏结构,进而增强了网络模型特征提取的能力,降低了网络复杂度。实验结果证明:改进的CaffeNet模型将水面垃圾的识别率提高到95. 75%,能减少水面波纹、物体倒影和桥梁等复杂环境对水面垃圾识别的影响,具有较好的水面垃圾识别效果。

基于Mask R-CNN的水面漂浮物识别方法研究

为及时发现并处理水面漂浮物,提高河湖监管水平,提出了一种基于Mask R-CNN模型的水面漂浮物识别方法。设计了一套漂浮物标签分类规则,建立起河湖领域真实数据样本集,然后构建以抓图服务、AI分析和预警平台为核心模块的水面漂浮物识别方案。对比研究了基于Mask R-CNN模型与基于HOG特征的漂浮物识别方法,并采用不同特征提取网络进行试验。结果表明:所提出的方法显著优于传统的HOG特征方法,平均准确率提高16%,平均召回率提高13.8%;且基于ResNet的方法对于不规则漂浮物的识别能力更强。新方法成功应用于河湖监管系统,对常见目标的识别准确率达90%以上。

面向无人船感知的低对比度水面图像增强方法

近年来,越来越多国家和地区将发展的眼光聚焦于资源丰富的海洋。加快无人船相关技术的研究对我国提升海洋装备水平有着重大的战略意义。在无人船运行过程中,经常会遇到低对比度的水面图像,在对其进行增强时,传统的图像增强算法需要人工设置参数,且运行效率低。针对以上问题,本文用卷积神经网络重构了MSR算法,提出MSRN模块,使用深度学习方法替代人工参数。同时引入通道级视觉注意力机制与编解码结构,提出MSSEN模型。实验表明,MSSEN模型对低对比度水面图像增强效果明显。除此之外,基于MSSEN网络,本文提出低级视觉任务与高级视觉任务结合的框架,以端到端的形式完成图像增强与水面目标检测识别的任务,提升了整个算法的性能与效率。

多特征融合的无人艇视觉目标长时相关鲁棒跟踪

[目的]针对显著海浪遮挡、相机剧烈晃动引起的无人艇视觉目标跟踪脱靶问题,提出一种基于多特征融合的长时相关鲁棒跟踪算法。[方法]首先,采用多特征融合技术,增强目标特征表达,提高目标模型鲁棒性;其次,利用高维特征降维和响应图子网格插值,提高目标跟踪的效率与精度;然后,设计水面目标重识别机制,解决目标完全脱离视野时的稳定跟踪问题;最后,采用多个代表性视频数据集进行验证和比较分析。[结果]实验结果表明,相较于传统的长时相关跟踪算法,平均成功率提升15.7%,平均距离精度指标提升30.3%,F-Score指标提升7.0%。[结论]所提算法能够处理恶劣海况下的目标脱靶问题,对于提升无人船艇及海洋机器人智能感知能力,具有重要技术支撑意义。

EXPLORATION ON METHOD OF AUTO-CLASSIFICATION FOR MAIN GROUND OBJECTS OF THREE GORGES RESERVOIR AREA

Taking TM images, SPOT photos and DEM images as the basic information, this paper had not only put forward a kind of manual controlled computer-automatic extraction method, but also completed the task of extracting the main types of ground objects in the Three Gorges Reservoir area under relatively high accuracy, after finishing such preprocessing tasks as correcting the topographical spectrum and synthesizing the data. Taking the specialized image analysis software-eCognition as the platform, the research achieved the goal of classifying through choosing samples, picking out the best wave bands, and producing the identifying functions. At the same time the extraction process partly dispelled the influence of such phenomena as the same thing with different spectrums, different things with the same spectrum, border transitions, etc. The research did certain exploration in the aspect of technological route and method of using automatic extraction of the remote sensing image to obtain the information of land cover for the regions whose ground objects have complicated spectrums.

一种水平面估计的水域环境视觉SLAM算法

针对内河水域环境水面镜像极易受扰动产生扭曲形变,从而导致视觉SLAM位姿估计不准确的问题,提出匹配地图点和最大梯度估计的方法用于估计水平面位置,区分了水域环境和真实环境的地图点。提出了一种判断水域环境可靠性方法,用于决定追踪侧重于真实环境或全局环境;建图环节中保留水域环境的地图点,用于估计当前水面范围。基于USVInland数据集提供的内河水域场景测试表明,相比原ORB-SLAM3算法,该文算法在仿真平台运行速度比原算法多花费约10%的时间,但绝对轨迹误差平均降低了47%。