我國是一個擁有遼闊海域、超長海岸線和充裕海洋物資的海洋大國,因此艦船視覺系統(tǒng)有著十分重要的應用價值。在軍用上,可以用于發(fā)現(xiàn)敵情、加強海域監(jiān)管、維護海洋權益等;在民用上,可以用于管理海關運輸、海防安全、港口調(diào)度、海上非法行動等。目前對于海上目標的識別與跟蹤大多都針對于海面各種艦船目標,但在實際應用中,空中飛行物體（如飛行器、飛鳥等）和其他水面物體（如島嶼、礁石、海面大型魚類等）都可能是艦船監(jiān)控的目標。因此本文以�？斩嗄繕俗鳛檠芯繉ο�,設計一款能夠準確且實時地識別跟蹤�？斩嗄繕说呐灤曈X系統(tǒng)。本文主要做了以下研究:首先,視頻圖像的預處理與實驗數(shù)據(jù)集的設計及制作�；诤Ｉ蠑�(shù)字視頻的監(jiān)控圖像容易受到光照條件的影響,如夜晚、陰天、霧天等都會使監(jiān)控視頻圖像的質(zhì)量下降。為了使采集的艦船監(jiān)控視頻能被后續(xù)操作更好地利用,本文使用圖像增強和圖像濾波來提高海上監(jiān)控視頻的質(zhì)量。結(jié)合常用的開源數(shù)據(jù)集和采集的視頻圖像數(shù)據(jù)集來設計適合本文的海空目標數(shù)據(jù)集,并將所有的圖像處理成統(tǒng)一的格式封裝,制作成相應的訓練集和測試集,以便于訓練后續(xù)的識別網(wǎng)絡。其次,基于卷積神經(jīng)網(wǎng)絡的�？斩嗄繕俗R別算法研究。通過分析比較當前常用的目... 

【文章來源】：哈爾濱工程大學黑龍江省 211工程院校

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

海霧條件直方圖均衡化的效果圖

（c）直方圖均衡化的圖像 （d）左圖對應直方圖圖 2.2 夜晚條件直方圖均衡化的效果圖圖 2.1和圖2.2為在光照條件較差的情況下彩色圖像通過直方圖均衡化后的效果圖。從圖中可以清楚的看到原來被光線影響的圖像經(jīng)過處理后變得清晰，實現(xiàn)了圖像增強。2.1.2 圖像濾波噪聲可能會在收集目標圖像的過程中造成一定程度的干擾，并且在目標圖像處理的過程中也可能會引入一些噪聲。因此，使用圖像濾波來減小噪聲對圖片所帶來的影響而且盡可能地不影響圖像的細節(jié)。圖像濾波是圖像預處理技術中的重要步驟之一。1、均值濾波均值濾波其實是一種線性數(shù)字濾波技術，它能夠很好地抑制高斯噪聲，可是不能很好地抑制椒鹽噪聲[31]。均值濾波先是選擇一個模板來處理圖像，模板的大小通常為 3×3或是 5×5，并且讓將要被處理的圖像像素位于模板的中心位置。再使用模板中全部像素的平均值給目標像素賦值。所以均值濾波的中心像素是通過低通濾波的形式?jīng)Q定的。數(shù)學公式如下：( , )1( , ) ( , )Sm n Eg x y f m nM= （2-4）式中， f ( x, y) 代表分辨率是 M×N 的原始圖像

（c）5×5 模板圖 2.3 均值濾波效果圖2、中值濾波中值濾波在消除脈沖噪聲方向有著非常好的作用，并且在噪聲濾除時不會使圖像模糊，并且還不會使目標的邊緣信息丟失。而這些特點是線性濾波方法不具有的。中值濾波的濾波技術結(jié)合了非線性數(shù)字濾波器和統(tǒng)計排序理論[32]。先是在圖像里確定一像素中心，它的領域大多是奇數(shù)方形，而后根據(jù)鄰域像素值的灰度大小重新排列，最后中心像素由所獲得的像素序列的中間值確定。把使用的鄰域稱作是窗口，在目標圖像里窗口可以上下左右的移動來實現(xiàn)平滑圖像去噪。因此，重新排列的領域像素序列的中間值可以確定中值濾波器的最終輸出像素值[33]。鄰域像素值的灰度排列是中值濾波的運算核心，如果目標噪聲是一個亮點，那么它的排序結(jié)果會在最右端，反之亦然，所以中值濾波的最終輸出不會是脈沖噪聲點。執(zhí)行中值濾波過程相當于重新排列一個二位序列{ X }然后求取中值。數(shù)學公式如下：

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡語義檢測的細粒度鳥類識別[J]. 李新葉,王光陛.  科學技術與工程. 2018(10)
[2]基于YOLO算法的移動輪船多目標實時檢測[J]. 周奇.  電腦知識與技術. 2018(10)
[3]基于多特征融合的飛機跟蹤算法[J]. 邵楨迪,姚劍敏,劉興亮.  電子技術. 2017(05)
[4]基于卷積神經(jīng)網(wǎng)絡的目標檢測研究綜述[J]. 李旭冬,葉茂,李濤.  計算機應用研究. 2017(10)
[5]基于深層神經(jīng)網(wǎng)絡的軍事目標圖像分類技術[J]. 惠國保.  現(xiàn)代導航. 2016(06)
[6]不同池化模型的卷積神經(jīng)網(wǎng)絡學習性能研究[J]. 劉萬軍,梁雪劍,曲海成.  中國圖象圖形學報. 2016(09)
[7]基于深度卷積神經(jīng)網(wǎng)絡的船舶識別方法研究[J]. 趙亮,王曉峰,袁逸濤.  艦船科學技術. 2016(15)
[8]基于GA-LPA算法的船舶圖像識別方法研究[J]. 熊勇,張俊麗,黃立文.  廣西大學學報(自然科學版). 2016(02)
[9]船舶視覺圖像優(yōu)化檢測方法研究[J]. 睢丹,陳衛(wèi)軍.  艦船科學技術. 2015(08)
[10]基于MFCC和雙重GMM的鳥類識別方法[J]. 王恩澤,何東健.  計算機工程與設計. 2014(05)

博士論文
[1]智能視頻監(jiān)控中海面艦船目標檢測算法研究[D]. 臧風妮.中國海洋大學 2014
[2]合成孔徑雷達圖像艦船目標檢測算法與應用研究[D]. 種勁松.中國科學院研究生院（電子學研究所） 2002

碩士論文
[1]監(jiān)控視頻中多類目標檢測與多目標跟蹤算法研究[D]. 周紀強.哈爾濱工業(yè)大學 2017
[2]基于GPU的深度學習算法并行化研究[D]. 晉雅茹.東南大學 2017
[3]基于卷積神經(jīng)網(wǎng)絡的深度學習算法與應用研究[D]. 陳先昌.浙江工商大學 2014
[4]航道監(jiān)控中船舶的檢測與跟蹤[D]. 周靚.南京理工大學 2012
[5]水下視頻觀測圖像清晰化方法研究[D]. 李長順.中國海洋大學 2011



本文編號：3239213