發(fā)布時間：2020-10-18 11:34

　　 我國是海洋大國,海洋科技的開發(fā)日趨成熟,海上交通工具、作業(yè)工具設(shè)備也逐步與科學(xué)技術(shù)相結(jié)合,走向智能化發(fā)展的道路�？萍际前央p刃劍,海洋科技的進步引領(lǐng)我國走向世界的同時也使的很多意圖獲取海洋資源的不法分子的手段越來越多,如:作業(yè)機械手、機器人等先進智能技術(shù)都被利用獲利。近年來,非法盜撈海上古文物、海沙等重要海洋資源時有發(fā)生,為了保護海洋資源不受破壞,應(yīng)當充分利用現(xiàn)有信息技術(shù),結(jié)合物聯(lián)網(wǎng)大數(shù)據(jù)、機器視覺技術(shù)和衛(wèi)星監(jiān)控等,建立一套海上資源監(jiān)控系統(tǒng),對可疑作業(yè)船舶進行實時監(jiān)控。本文以古文物監(jiān)控為實例介紹海上監(jiān)控系統(tǒng),為了有效地保護和開發(fā)海洋資源,基于機器視覺技術(shù)、圖像處理技術(shù)、運動目標檢測及跟蹤技術(shù)對可疑船舶在其專屬經(jīng)濟區(qū)以及我國周邊城市的臨近海域的航行時間、位置特征信息進行檢測識別,經(jīng)過分析比較得到更多有關(guān)該船只的分布、速度、航向及航跡規(guī)律等信息,積極參與海上安防事業(yè)的發(fā)展,更好的保護我國的海洋資源。本課題采用實驗與數(shù)值模擬的方法,對某一海域資源保護進行海上船舶視頻監(jiān)控,對某些非法船舶盜挖海沙或盜撈水下古文物行為特征進行分析比較,通過衛(wèi)星或者GPRS技術(shù)構(gòu)建一個海上視頻采集平臺,包括設(shè)備存放處、電能提供處和視頻監(jiān)控處三部分,風(fēng)能、太陽能及潮汐能是該平臺的主要電力來源。并對基于機器視覺的海上可疑船舶識別算法進行研究,結(jié)合背景差分法提出一套基于時間和往復(fù)運動的可疑船舶判別標準,采用均值漂法實現(xiàn)船舶跟蹤技術(shù),包括船舶識別檢測方面的研究。
【學(xué)位單位】：浙江海洋大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：U675.79
【部分圖文】：

包括寬高比、分散度，外部輪廓等參數(shù)，結(jié)合實際情況進行分類�；诖斑\動特征分類該方法主要是根據(jù)目標船舶運動的頻率來進行檢測識別，運動的周期與時存在自相關(guān)的關(guān)系。當未知船舶長時間往復(fù)運動于同一海域時，認為目標可疑行為。）基于船舶軌跡分類 軌跡點，由點來觀察船舶軌跡，所有軌跡點組成一個點集，當目標不在點集范圍內(nèi)，整體軌跡偏離，或位置較為偏遠，認為是異常點，以此舶軌跡異常。基于軌跡點的檢測方法很早便被使用，操作性強，易于實現(xiàn)效果一般。如圖 2-1 A 圖所示，目標軌跡點在點集范圍內(nèi)，但整體軌跡偏存在異常。 軌跡線，具有時間特征的軌跡點組成軌跡線，軌跡線的判斷是根據(jù)跡線與其他軌跡線之間的距離進行，當偏離角度較大時，認為目標船舶軌如圖 2-1 B 圖所示。A

11圖 2-2 可疑船舶識別流程圖Fig 2.2 Suspicious ship identification flow chart對圖 2-2 可疑船舶識別流程圖分析如下：圖像預(yù)處理：目標圖像在采集過程中出現(xiàn)損傷或污染而需進行處理，提升圖片質(zhì)量；本課題在研究過程中，通過圖像灰度化、圖像濾波來降低干擾，采用的濾波方法是 3×3 均值濾波和中值濾波法，保證數(shù)據(jù)的完整性。圖像分割：分析閾值分割，雙峰法和背景差分法等幾種方法的特點，原理是從原圖像中分割出目標圖像，進行處理，提升數(shù)據(jù)的精確性。目標檢測：包括圖像預(yù)處理、圖像增強、圖像分割等幾方面，本文基于實驗與

由于在采集、傳輸、存儲的過程中，圖像易受到損壞或噪聲污染，導(dǎo)致圖或降低質(zhì)量，不利于數(shù)據(jù)分析，影響實驗結(jié)果。所以圖像處理之前需先進行，通過圖像增強、濾波，能有效減少圖像的無用信息，提升圖片質(zhì)量，使得變得清晰。通過本次實驗搭建的海上監(jiān)控平臺采集霧天船舶圖像，進行圖像處理。先圖像進行灰度化處理，獲得灰度圖像。1.1 圖像灰度化實驗過程中，對航行船舶優(yōu)先進行視頻采集，后期圖像處理所需數(shù)據(jù)再通像開始目標處理，一般攝像機拍攝基于 RGB 模型生成彩色圖像，而相比于像，彩色圖像的信息含量更高，計算機的運算速度變低，存儲容量需求高等缺要進行圖像灰度化，把視頻圖像轉(zhuǎn)化成灰度圖，若計算效率依然較低，可以行圖像轉(zhuǎn)化，灰度圖轉(zhuǎn)化成二值圖[22]。本次實驗只需進行一次圖像灰度化就下圖所示，圖 3-1 是目標船舶圖像轉(zhuǎn)化之后的灰度圖，圖 3-2 是其灰度直方以看出實驗中視頻采集光線較亮。
【相似文獻】

相關(guān)期刊論文 前10條

1 ;機器視覺對線纜市場的影響及趨勢[J];功能材料信息;2018年04期

2 鄭植;席先鵬;王楠;蔣欣燎;夏山淋;;機器視覺在網(wǎng)球撿球機器人中的應(yīng)用研究[J];科技創(chuàng)新與應(yīng)用;2019年16期

3 宋春華;彭泫知;;機器視覺研究與發(fā)展綜述[J];裝備制造技術(shù);2019年06期

4 田壯;劉富成;;基于機器視覺的果園噴藥機器人設(shè)計[J];湖北農(nóng)機化;2019年16期

5 迎九;;國內(nèi)機器視覺產(chǎn)業(yè)的技術(shù)市場[J];電子產(chǎn)品世界;2019年09期

6 朱陽芬;銀冬平;鄒舜章;王海文;周為;;機器視覺在汽車行業(yè)中的發(fā)展與應(yīng)用[J];汽車實用技術(shù);2017年22期

7 吳東明;王麗娟;;基于GPS和機器視覺的自主導(dǎo)航定位農(nóng)機設(shè)備研究[J];農(nóng)機化研究;2018年02期

8 ;機器視覺時代,最好的時代![J];智能機器人;2018年02期

9 宗衛(wèi)紅;;臺達機器視覺系統(tǒng)助力制造業(yè)邁向智造新時代——訪臺達集團-中達電通機器視覺產(chǎn)品項目經(jīng)理王風(fēng)路[J];國內(nèi)外機電一體化技術(shù);2016年06期

10 何遙;;宇視揭秘安防機器視覺[J];中國公共安全;2016年19期

相關(guān)博士學(xué)位論文 前10條

1 侯杰;飛行器機器視覺框架設(shè)計及算法研究[D];西安電子科技大學(xué);2017年

2 郭依正;基于機器視覺的俯視群養(yǎng)豬個體識別與飲水行為分析研究[D];江蘇大學(xué);2018年

3 李晨;基于機器視覺的不同屬性表面中微弱缺陷的檢測技術(shù)研究[D];浙江大學(xué);2018年

4 陶丹;基于機器視覺的家蠶蛹雌雄識別研究[D];西南大學(xué);2019年

5 胡志新;基于機器視覺的鋼軌踏面磨耗剝落檢測技術(shù)研究[D];南昌大學(xué);2018年

6 吳衡;機器視覺鬼成像理論與實驗研究[D];華南理工大學(xué);2017年

7 項森偉;高溫單晶硅液位和直徑視覺檢測關(guān)鍵技術(shù)及應(yīng)用研究[D];浙江大學(xué);2018年

8 胡越黎;目的機器視覺研究及其在皮膚癥狀識別中的應(yīng)用[D];上海大學(xué);2005年

9 韓彥芳;機器視覺中的聚類檢測新方法[D];上海交通大學(xué);2006年

10 饒洪輝;基于機器視覺的作物對行噴藥控制系統(tǒng)研究[D];南京農(nóng)業(yè)大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 孫穎;機器視覺用于燃料粒度在線檢測研究[D];山西大學(xué);2019年

2 王政衍;六頭一體毛砂式打磨設(shè)備的性能改進研究[D];上海交通大學(xué);2018年

3 區(qū)則君;機器視覺手勢交互的空間映射關(guān)系與點擊精度研究[D];華南理工大學(xué);2019年

4 汪聰;基于機器視覺的菜品智能識別技術(shù)研究[D];華南理工大學(xué);2019年

5 劉文濤;基于機器視覺的浮選泡沫靜態(tài)參數(shù)研究[D];華北理工大學(xué);2019年

6 李洋洋;基于機器視覺的齒輪齒廓測量方法研究及實現(xiàn)[D];電子科技大學(xué);2019年

7 馬麗雅;機器視覺空間標定與目標定位算法在自動包裝技術(shù)中的應(yīng)用[D];溫州大學(xué);2019年

8 張玉苗;基于機器視覺的彈簧測量系統(tǒng)的研究與實現(xiàn)[D];聊城大學(xué);2019年

9 楊凡;基于機器視覺的木皮在線分選檢測系統(tǒng)[D];濟南大學(xué);2019年

10 董楠;基于機器視覺的衡器計量數(shù)據(jù)識別系統(tǒng)[D];濟南大學(xué);2019年

本文編號：2846246