论文部分内容阅读
随着计算机技术、人工智能等新技术、新理念的迅猛发展和不断创新,自主航行已经成为船舶发展的重要方向之一。为了在航行过程中能够实现自动驾驶、自主避障或者执行某些特殊任务,无人船(Unmanned Surface Vessel,USV)利用先进的检测设备和相关算法,可以根据不同的任务要求完成规定的动作,最终实现船舶的自主航行。在自主航行过程中,无人船需要利用自身探测设备对外部环境进行感知、判断。其中,对海上目标进行目标识别是无人船首要完成的任务之一。基于以上背景,本文利用无人船采集的水面图像对海上船舶进行目标识别算法的相关研究。本文主要包括以下几个方面,其内容概述如下:1.本文首先针对水面图像的特点进行特征分析,然后根据水面图像的特点对其进行图像预处理算法的相关研究。图像预处理算法主要可以分为两种,即图像滤波算法和图像增强算法。本文选用自适应中值滤波算法对水面图像进行降噪处理,并利用自适应平台直方图均衡化算法对水面图像进行增强处理。对水面图像进行预处理操作,可以提高水面图像的画面质量,为后续的船舶识别工作做好前期准备。2.在无人船采集的水面图像中,其背景图像常常会出现海天线,针对这一特点,本文对水面图像中存在的海天线进行了检测算法的相关研究。通过仿真对比试验可以看出,利用Hough变换对海天线进行检测可以获得更好的检测效果。对海天线进行检测不仅可以减少海浪杂波等干扰信息对目标识别的影响,同时还可以加快目标识别的速度,提高识别效率。3.本文提出将基于遗传神经网络的图像分割算法应用到水面图像的分割处理当中,该算法可以有效的对水面图像进行分割,并可直接将目标船舶从背景图像中分割出来,不受海浪杂波等环境噪声的干扰。通过仿真对比实验可以看出,基于遗传神经网络的图像分割算法其分割效果要明显优于利用BP神经网络算法对水面图像进行分割的效果以及利用传统分割算法对水面图像进行分割的效果。4.本文利用几何特征和HU不变矩特征对船舶图像的形状外观进行特征提取,通过仿真实验的结果可以看出,利用上述特征能够实现针对船舶图像的表征与分类。5.本文利用支持向量机对船舶特征信息库中的样本数据进行训练,并利用交叉验证法对支持向量机中的参数进行寻优,最终利用matlab仿真程序实现了不同类型船舶图像的分类与识别。