水上交通是我國“大交通”概念的重要組成部分,鑒于我國具有廣闊的水域,并擁有著眾多的港口,對一個能用于海事監(jiān)控的船舶識別系統(tǒng)的需求是極其強烈的,該系統(tǒng)能有效為水上交通安全監(jiān)管提供支持,為水上交通事故提供證據(jù),大大增強水上安保執(zhí)行效率,還在一定程度上保護水文環(huán)境。相對于空中系統(tǒng)的背景簡單化,陸地系統(tǒng)的規(guī)范化,水上交通因為水平面是動態(tài)變化的,而且水面環(huán)境因為光照反射導(dǎo)致畫面亮度變化幅度較大,所以傳統(tǒng)的水面上的目標識別等方法效果不佳。為了能解決這一問題,本文結(jié)合傳統(tǒng)的圖像處理技術(shù)與新興的深度神經(jīng)網(wǎng)絡(luò)方法進行水面的目標識別與分割,進而為以后的水面視頻圖像處理等應(yīng)用做好基礎(chǔ)。本文梳理了傳統(tǒng)技術(shù)方法在水面上的應(yīng)用,并研究了深度學習技術(shù)在船舶目標圖像識別上面的應(yīng)用,主要工作如下:1、探究了傳統(tǒng)的視頻抓拍相關(guān)技術(shù),并且進行了實驗和比較,選擇出適合水面環(huán)境的視頻抓拍技術(shù),讓系統(tǒng)不必時刻運行目標檢測程序,而是抓拍到有效的船舶圖像后,再進行目標檢測,有效加速了系統(tǒng)的運行效率。2、對多種不同的特征匹配方式進行了研究和實驗比對,從中選擇匹配程度高且匹配速度快的方法,充分提高數(shù)據(jù)庫檢索效率。3、對目標檢測深度神經(jīng)網(wǎng)...

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
第1章 引言
    1.1 課題研究的背景與意義
        1.1.1 概述
    1.2 研究背景與意義
    1.3 船舶識別研究概述及國內(nèi)外研究狀況
        1.3.1 概述
        1.3.2 研究現(xiàn)狀
    1.4 本文主要研究內(nèi)容、章節(jié)安排
第2章 船舶目標抓拍相關(guān)技術(shù)
    2.1 目標檢測技術(shù)
        2.1.1 幀差檢測方法
            2.1.1.1 兩幀差檢測法
            2.1.1.2 三幀差檢測法
        2.1.2 HSV色彩空間檢測方法
            2.1.2.1 HSV色彩空間介紹
            2.1.2.2 HSV色彩空間船舶目標檢測
    2.2 虛擬線圈目標抓拍技術(shù)
        2.2.1 虛擬線圈的布設(shè)
        2.2.2 虛擬線圈目標抓拍方法
    2.3 本章小結(jié)
第3章 船舶定位與分割
    3.1 傳統(tǒng)目標檢測算法
        3.1.1 光流法
        3.1.2 背景差分法
    3.2 基于深度學習的目標檢測算法
        3.2.1 CNN概述
    3.3 基于區(qū)域推薦的目標檢測算法
        3.3.1 基于區(qū)域推薦檢測算法的基本原理
        3.3.2 基于區(qū)域推薦檢測算法的局限
        3.3.3 非區(qū)域推薦的目標檢測SSD算法
            3.3.3.1 SSD算法框架概述
            3.3.3.2 SSD網(wǎng)絡(luò)結(jié)構(gòu)分析
    3.4 本章小結(jié)
第4章 船舶特征提取及匹配方法
    4.1 圖像局部特征描述子
        4.1.1 SIFT特征提取的方法原理
        4.1.2 SURF特征提取的方法原理
        4.1.3 ORB特征提取的方法原理
    4.2 特征匹配方法
        4.2.1 基于Brute-Force匹配算法實現(xiàn)特征匹配
        4.2.2 基于FLANN匹配算法實現(xiàn)特征匹配
    4.3 本章小結(jié)
第5章 船舶分割與識別實驗
    5.1 虛擬線圈抓拍實驗分析及結(jié)果
        5.1.1 條狀虛擬線圈設(shè)置及幀差法檢測
        5.1.2 網(wǎng)格虛擬線圈設(shè)置及HSV顏色空間檢測
    5.2 船舶目標定位與分割實驗
        5.2.1 針對應(yīng)用場景進行訓(xùn)練數(shù)據(jù)集制作
        5.2.2 啟動SSD算法訓(xùn)練過程并評估和檢驗?zāi)Ｐ托阅?br>        5.2.3 網(wǎng)絡(luò)模型預(yù)測結(jié)果樣例分析
    5.3 SIFT、SURF及 ORB特征提取及識別實驗
        5.3.1 船舶目標分割數(shù)據(jù)庫及特征數(shù)據(jù)庫的建立
        5.3.2 SIFT、SURF及 ORB方法識別對比實驗及分析
    5.4 本章小結(jié)
第6章 系統(tǒng)流程和成果
    6.1 本文整體流程
        6.1.1 建立訓(xùn)練數(shù)據(jù)集
        6.1.2 船舶初始數(shù)據(jù)的建立
        6.1.3 抓拍區(qū)域船舶檢測
        6.1.4 船舶區(qū)域的定位與分割
        6.1.5 船舶圖像特征的提取
        6.1.6 船舶特征匹配
    6.2 本文具體成果
第7章 總結(jié)與展望
    7.1 本文方法總結(jié)
    7.2 工作展望
參考文獻
后記



本文編號：3738782