• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    圖像處理技術(shù)在船舶航行障礙物識(shí)別中的應(yīng)用

    2023-06-15 01:00:10蘇立平
    艦船科學(xué)技術(shù) 2023年10期
    關(guān)鍵詞:特征分析障礙物航行

    蘇立平

    (聊城大學(xué)東昌學(xué)院,山東 聊城 252000)

    0 引言

    在船舶航行過程中,受到海洋環(huán)境和天氣等因素的影響,需要對(duì)航行過程中的障礙物進(jìn)行有效識(shí)別,通過航行路徑規(guī)劃和避障設(shè)計(jì),結(jié)合圖像動(dòng)態(tài)視覺跟蹤識(shí)別方法,實(shí)現(xiàn)對(duì)船舶航行過程中的動(dòng)態(tài)分析,提高船舶航行過程的穩(wěn)定性和可靠性。研究船舶航行障礙物識(shí)別方法建立在對(duì)紅外圖像特征分析基礎(chǔ)上,通過采集船舶航行障礙物動(dòng)態(tài)參數(shù)[1],結(jié)合海洋環(huán)境特征分析和紅外視覺跟蹤識(shí)別的方法,提取船舶航行障礙物的分布特征點(diǎn),采用分塊和分組區(qū)域映射的方法實(shí)現(xiàn)對(duì)船舶航行障礙物識(shí)別。

    目前,對(duì)船舶航行障礙物識(shí)別的方法主要有基于紅外光譜特征分析的船舶航行障礙物識(shí)別方法、基于灰度不變矩特征分析的障礙物識(shí)別和路徑規(guī)劃方法以及不規(guī)則三角網(wǎng)分割的船舶航行障礙物識(shí)別方法等[2–3]。Marino A等[4]中提出基于可見光與紅外圖像并行控制的船舶航行障礙物識(shí)別方法,結(jié)合物體輻射的紅外特征點(diǎn)差異性進(jìn)行航行避障控制,但該方法的計(jì)算實(shí)時(shí)性不好。Pelich R等[5]提出基于層次對(duì)象模型化視覺幀匹配的船舶航行障礙物識(shí)別和避障路徑規(guī)劃技術(shù),通過不同的場(chǎng)景參數(shù)融合,結(jié)合障礙物的空間分布規(guī)劃性進(jìn)行障礙物識(shí)別,但該方法的收斂性不好。

    針對(duì)以上方法存在的不足,本文提出基于圖像分塊特征匹配和視覺跟蹤識(shí)別的船舶航行障礙物識(shí)別技術(shù),通過仿真測(cè)試驗(yàn)證了本文方法在提高船舶航行障礙物識(shí)別能力方面的優(yōu)越性能。

    1 船舶航行紅外圖像采集和特征提取

    1.1 船舶航行紅外圖像采集

    采用紅外傳感成像技術(shù)進(jìn)行圖像采集,對(duì)采集的船舶航行障礙物紅外圖像進(jìn)行體元數(shù)據(jù)融合,通過多尺度變換和圖像區(qū)域劃分的方法,進(jìn)行船舶航行障礙物的視覺特征分析,提取圖像的顯著性區(qū)域或目標(biāo),進(jìn)行航行障礙物跟蹤識(shí)別,船舶航行紅外圖像采集的結(jié)構(gòu)圖如圖1 所示。

    圖1 船舶航行紅外圖像采集的結(jié)構(gòu)圖Fig.1 Structure diagram of infrared image acquisition for ship navigation

    假設(shè)顯著性分析的圖像融分布域?yàn)??,對(duì)船舶航行紅外圖像I(x,y),采用分塊輪廓曲線C進(jìn)行目標(biāo)障礙物的定位匹配和跟蹤識(shí)別,在特定場(chǎng)景下障礙物動(dòng)態(tài)融合區(qū)域?yàn)镽1和R2,其中一個(gè)為目標(biāo),一個(gè)為背景障礙物。將高維圖像投影到低維子空間中,得到圖像分布模型:

    式中:c1和c2分別表示可見光與近紅外的多模態(tài)特征參數(shù);Length(C)表示目標(biāo)障礙物的邊界輪廓的長(zhǎng)度;Area(inside(C))表示特征點(diǎn)、線段、輪廓的包圍面積;μ,ν,λ1和 λ2分別表示特征點(diǎn)、線段、輪廓的邊緣特征分量,均為大于0 的常數(shù)。

    選擇合適的特征,在閉合曲線C用水平集函數(shù)表示為C={(x,y)∈?:?(x,y)=0},由此得到2 個(gè)模態(tài)的圖像外觀分布模型參數(shù)為:

    式中,H(z)和δ(z)分別為Heaviside 函數(shù)和Dirac 函數(shù)。

    由此,構(gòu)建了圖像采集模型,采用點(diǎn)跟蹤匹配和動(dòng)態(tài)幀點(diǎn)檢測(cè)的方法進(jìn)行船舶航行障礙物識(shí)別的紅外圖像信息采集,根據(jù)圖像采集結(jié)果,結(jié)合圖像配準(zhǔn)和邊緣信息分布式融合的方法進(jìn)行船舶航行障礙物識(shí)別。

    1.2 圖像特征提取

    采用光和近紅外圖像聯(lián)合識(shí)別的方法進(jìn)行障礙物識(shí)別和特征提取,構(gòu)建深度學(xué)習(xí)模型,在提取到的特征之間建立對(duì)應(yīng)關(guān)系,得到船舶航行障礙物特征分布點(diǎn)集中的點(diǎn)之間映射關(guān)系,表示如下:

    式中:λ1,λ2,ν,μ均為局部特征子空間分布系數(shù),為一組非負(fù)常數(shù);Kσ為標(biāo)準(zhǔn)差 σ為高斯函數(shù),通過選擇σ的大小來調(diào)整船舶航行紅外圖像分布鄰域的大小。

    對(duì)有可能的對(duì)應(yīng)點(diǎn)障礙物集合水平集構(gòu)建水平約束特征項(xiàng),其中第一項(xiàng)是用來保持船舶航行紅外圖像水平集在演化特征量,第二項(xiàng)是船舶航行紅外圖像中障礙物的長(zhǎng)度約束項(xiàng),第三項(xiàng)和第四項(xiàng)為局部二值擬合項(xiàng),基于幾何約束的估計(jì)算得到障礙物的動(dòng)態(tài)分配函數(shù)f1(x)和f2(x),在輪廓區(qū)域外,得到模型函數(shù)f1(x)和f2(x)隨空域變化,采用重采樣獲取無異常值來確定障礙物分布,障礙物動(dòng)態(tài)檢測(cè)的能量函數(shù)為:

    式中:θ為圖像中包含的信息量,L(?)為曲線長(zhǎng)度約束項(xiàng),從紅外以及從可見光圖像進(jìn)行平滑特征分析,定義如下:

    式中,P(?)為障礙物的距離正則項(xiàng)。

    根據(jù)傳遞的信息熵分布,采用融合圖F的邊緣直方圖作為特征分配點(diǎn),得到結(jié)構(gòu)相似性指標(biāo)分布集為:

    式中:ELBF為相關(guān)性、亮度、對(duì)比度的關(guān)聯(lián)項(xiàng),ELGF是局部梯度能量項(xiàng)。

    根據(jù)變分法和Euler-Lagrange 方程,得到原圖及融合圖的像素分配函數(shù)。

    根據(jù)上述分析,對(duì)采集的船舶航行障礙物紅外視覺圖像進(jìn)行區(qū)域組合檢測(cè)和融合處理。

    2 船舶航行障礙物識(shí)別

    2.1 圖像分塊特征匹配

    在對(duì)采集的船舶航行障礙物紅外視覺圖像進(jìn)行區(qū)域組合檢測(cè)和融合處理的基礎(chǔ)上,采用邊緣信息保留的方法,得到航行障礙物分布的Heaviside 函數(shù)和規(guī)則化的Dirac 函數(shù),具體如下:

    固定式(3)能量泛函中的 ?,分析邊緣信息保留在融合圖中的殘差信息,對(duì)f1,f2,|?f1|,|?f2|極小化處理,得到相應(yīng)的表達(dá)式如下:

    基于圖像梯度的評(píng)價(jià)指標(biāo)分析方法,在輪廓曲線演化分析障礙物的真實(shí)邊界點(diǎn),實(shí)現(xiàn)紋理細(xì)節(jié)信息匹配,采用圖2 所示的多模型拼接方法。

    圖2 障礙物的多模型拼接Fig.2 Multiple model splicing of obstacles

    2.2 障礙物的動(dòng)態(tài)跟蹤識(shí)別

    構(gòu)建融合圖像中的峰值匹配模型,通過對(duì)目標(biāo)障礙物特定波長(zhǎng)的紅、綠、藍(lán)三原色分析,得到障礙物檢測(cè)的中心距:

    式中:μpq為物體對(duì)不同波長(zhǎng)光線檢測(cè)的像素透射強(qiáng)度,μ00為顏色恢復(fù)的多尺度信息分量,γ為不同波長(zhǎng)光學(xué)的反射參數(shù)。

    采用HSV 色彩空間匹配,得到船舶航行障礙物特征點(diǎn)分布的直方圖表示為:

    式中:m和n為融入物體表面信息的反特征點(diǎn)編號(hào),i和j為反射分量為物體行列編號(hào),s為頻域的高斯濾波系數(shù),k為平滑濾波系數(shù),為太氣散射系數(shù),為海洋環(huán)境散射系數(shù)。

    綜上,提取圖像的差異性和突變性特征點(diǎn),根據(jù)特征點(diǎn)的分布情況采用視覺跟蹤識(shí)別方法實(shí)現(xiàn)對(duì)船舶航行障礙物識(shí)別。

    3 測(cè)試結(jié)果與分析

    對(duì)船舶航行障礙物檢測(cè)仿真采用VC 軟件設(shè)計(jì),設(shè)定障礙物分布的局部窗口大小為12×12,對(duì)船舶紅外圖像采集的透射率為0.13,高斯核 σ為9,障礙物的分布坐標(biāo)及動(dòng)態(tài)匹配參數(shù)分布見表1。

    表1 船舶航行障礙物分布參數(shù)Tab.1 Distribution parameters of ship navigation obstacles

    在仿真參數(shù)設(shè)定的基礎(chǔ)上,進(jìn)行航行障礙物識(shí)別仿真,得到原始的船舶航行紅外圖像如圖3 所示。

    圖3 障礙物識(shí)別的原始圖像Fig.3 Original image of obstacle recognition

    采用本文方法進(jìn)行障礙物識(shí)別,得到識(shí)別結(jié)果如圖4 所示。分析可知,本文方法能有效實(shí)現(xiàn)對(duì)船舶航行障礙物識(shí)別,識(shí)別過程的動(dòng)態(tài)跟蹤能力較好。

    圖4 障礙物識(shí)別結(jié)果Fig.4 Obstacle identification results

    障礙物識(shí)別精度對(duì)比如表2 所示。分析可知,本文方法識(shí)別可靠性和精度較高。

    表2 船舶航行障礙物識(shí)別精度對(duì)比Tab.2 Comparison of identification accuracy of navigation obstacles on ships

    4 結(jié)語

    通過采集船舶航行障礙物動(dòng)態(tài)參數(shù),結(jié)合海洋環(huán)境特征分析和紅外視覺跟蹤識(shí)別的方法,提取船舶航行障礙物的分布特征點(diǎn),本文提出基于圖像分塊特征匹配和視覺跟蹤識(shí)別的船舶航行障礙物識(shí)別技術(shù)。提取圖像的差異性和突變性特征點(diǎn),根據(jù)特征點(diǎn)的分布情況采用視覺跟蹤識(shí)別方法實(shí)現(xiàn)對(duì)船舶航行障礙物識(shí)別。分析可知,本文方法對(duì)障礙物的檢測(cè)識(shí)別能力較好。

    猜你喜歡
    特征分析障礙物航行
    到慧骃國(guó)的航行
    高低翻越
    SelTrac?CBTC系統(tǒng)中非通信障礙物的設(shè)計(jì)和處理
    2012 年南海夏季風(fēng)特征分析
    小舟在河上航行
    航行
    青年歌聲(2017年6期)2017-03-13 00:57:56
    基于PowerPC的脈內(nèi)特征分析算法的工程實(shí)現(xiàn)
    不良汽車駕駛行為特征分析
    河南科技(2014年16期)2014-02-27 14:13:27
    土釘墻在近障礙物的地下車行通道工程中的應(yīng)用
    工程項(xiàng)目管理模式的特征分析與選擇
    洛隆县| 玛曲县| 昌宁县| 东宁县| 寿宁县| 腾冲县| 甘泉县| 东乡族自治县| 沿河| 丰台区| 金昌市| 盐山县| 和平区| 黔东| 平利县| 麻江县| 靖西县| 赣州市| 六安市| 平定县| 岳普湖县| 普定县| 肇庆市| 英德市| 乡城县| 婺源县| 祁门县| 牡丹江市| 赤城县| 攀枝花市| 平阳县| 布尔津县| 唐河县| 锦州市| 柳江县| 汝南县| 邳州市| 临夏县| 沛县| 福州市| 晴隆县|