發(fā)布時間：2020-11-18 04:52

　　 本文介紹了一種可見光條件下的基于卷積神經(jīng)網(wǎng)絡的艦船識別和統(tǒng)計系統(tǒng),該系統(tǒng)用來對于近海岸和港口的艦船進行檢測和識別。卷積神經(jīng)網(wǎng)絡在圖像識別領域有越來越廣泛的應用,本文對卷積神經(jīng)網(wǎng)絡在艦船識別領域的可擴展性進行了研究,針對港口的云霧和海浪天氣對于艦船圖像識別的影響進行了研究和實驗,目標是實現(xiàn)一個檢測時間達到實時性要求,檢測準確精準的一個艦船檢測系統(tǒng)。本文的實驗的場景是國內(nèi)的一些港口環(huán)境和一些近海岸區(qū)域,對監(jiān)測范圍內(nèi)的艦船進行識別和統(tǒng)計,同時設計一個基于卷積神經(jīng)網(wǎng)絡的艦船識別統(tǒng)計系統(tǒng),為港口的管理部門提供可視化的界面,實現(xiàn)對港口和海岸艦船的智能管理,本文這篇論文的主要的工作有:(1)對于港口捕獲的艦船圖片中往往受云霧遮擋情況,提出了一種改進的暗通道先驗去霧算法,通過計算暗通道值修正導致顏色畸變的透射率計算問題,然后進行二段式圖像增強處理,從而提高圖像的視覺效果。同時,通過降低3個顏色通道的高亮度值,用求均值的方法來對圖片進行較好的去霧處理。在此基礎上對不符合暗通道的明亮區(qū)域進行了改進,使得經(jīng)過處理后的圖片更加清晰自然,經(jīng)過處理的艦船圖片的特征更加明顯,對于后續(xù)使用卷積神經(jīng)網(wǎng)絡對于艦船的識別和統(tǒng)計起到比較好的輔助的效果,這種預處理方法與卷積神經(jīng)網(wǎng)絡相結合的方法提高了艦船檢測的精度。(2)基于艦船的形態(tài)學的特征,對于現(xiàn)有的卷積神將網(wǎng)絡的結構進行了調(diào)整,使得調(diào)整后的網(wǎng)絡結構更加適應艦船識別的場景。對現(xiàn)有的卷積神經(jīng)網(wǎng)絡進行調(diào)整后的特征融合艦船檢測算法對于艦船的檢測和識別較直接使用現(xiàn)有卷積神經(jīng)網(wǎng)絡算法在檢測的精度上有比較大的提升。本文對于港口中最為常見的6種類型的艦船進行了實驗,分別收集了港口攝像頭采集的視頻及無人機捕獲的艦船圖片進行檢測和識別,都得到了比較好的效果。(3)一種可見光條件下的基于卷積神經(jīng)網(wǎng)絡的艦船識別統(tǒng)計系統(tǒng)的設計與實現(xiàn)。通過場景的識別提供不同的服務,對于港口視頻和無人機航拍圖片兩種情況下進行艦船的識別和統(tǒng)計并進行了可視化顯示并可以提供港口的艦船的實時檢測統(tǒng)計功能。
【學位單位】：電子科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：U674.7;TP391.41;TP183
【部分圖文】：

像恢復技術和圖像增強技術是圖像處理的兩個分支響可以同時應用圖像恢復技術和圖像增強技術，圖中進行還原。圖像增強技術將目標的顏色特征紋理以使圖片還原到比較清晰的狀態(tài)。本文去霧算法是，屬于一種圖像增強方法。集制作方法采集和制作是艦船識別流程中的第一步，用于后續(xù)選取的數(shù)據(jù)集圖像中艦船顏色明亮，輪廓清晰，背利于卷積神經(jīng)網(wǎng)絡學習艦船特征。用的是最為常用的采集數(shù)據(jù)方式，在網(wǎng)上爬蟲了大人工的篩選，將模糊程度太大、有遮擋、特征不明經(jīng)過人工標注，作為數(shù)據(jù)集。下圖兩張圖片為數(shù)據(jù)隨機把一部分劃歸測試集，其余劃歸訓練集，圖 2圖片和無人機俯視抓拍圖片。

圖 2-3 無人機俯視抓拍圖片常用的四種聚類算法進行了闡述。不同的聚類算法算法應用比較廣泛，用于對數(shù)據(jù)進行合理劃分。法基于原型，是樹形結構，優(yōu)點是不用事先去人為法就需要），而且樹狀結構有一定的便利性，可以4 展示了這種聚類方法的示意圖[26] [27]。

圖 2-3 無人機俯視抓拍圖片2.4 聚類算法本小節(jié)對常用的四種聚類算法進行了闡述。不同的聚類算法針對不同關聯(lián)方式的數(shù)據(jù)。聚類算法應用比較廣泛，用于對數(shù)據(jù)進行合理劃分。層次聚類算法基于原型，是樹形結構，優(yōu)點是不用事先去人為手動的定一組 K值（K-Means 算法就需要），而且樹狀結構有一定的便利性，可以清晰的看到聚類的結果，圖 2-4 展示了這種聚類方法的示意圖[26] [27]。
【參考文獻】

相關期刊論文 前3條

1 劉揚;付征葉;鄭逢斌;;高分辨率遙感影像目標分類與識別研究進展[J];地球信息科學學報;2015年09期

2 楊驥;楊亞東;梅雪;袁曉龍;袁宇浩;;基于改進的限制對比度自適應直方圖的視頻快速去霧算法[J];計算機工程與設計;2015年01期

3 謝娟英;馬箐;謝維信;;一種確定最佳聚類數(shù)的新算法[J];陜西師范大學學報(自然科學版);2012年01期

相關博士學位論文 前2條

1 王邦軍;多視圖特征融合方法研究[D];北京交通大學;2018年

2 焦雪;基于視覺特性的圖形圖像分割算法研究[D];吉林大學;2016年

相關碩士學位論文 前2條

1 崔旭東;HE和改進MSRCR相結合的霧霾圖像增強研究[D];重慶師范大學;2018年

2 劉智輝;基于改進卷積神經(jīng)網(wǎng)絡的車牌識別算法研究與實現(xiàn)[D];浙江理工大學;2018年

本文編號：2888341