基于计算机视觉的船舶图像自动识别方法研究综述

(15页)

'基于计算机视觉的船舶图像自动识别方法研究综述'
基于计算机视觉的船舶图像自动识别方法研究综述摘要:介绍了船舶图像自动识别相关概念、历史背景,分 析了传统船舶识别系统的不足之处,在此基础上阐述了基于计 算机视觉的船舶图像自动识别发展现状,从静态和复杂环境等 不同维度,总结和归纳了各种船舶图像自动识别方法的基本思 想和主要工作,并对不同方法的优缺点进行了分析和对比。对 基于深度学习的船舶图像识别、基于内容的船舶图像识别与标 注以及基于多分类器融合的SAR船舶图像识别等船舶图像识别 方法进行了介绍,并对船舶自动识别的未来趋势进行了展望。关键词:图像识别;船舶识别;船舶分类;计算机视觉DOI: 10.11907/rjdk. 173037中图分类号:TP301文献标识码:A文章编号:1672-7800 (2018) 007-0005- 04Abstract:Thispaperintroducestherelatedconceptsandhistoricalback groundof automat i c i dentificationofshipimagesandevaluate stheshortcomingsoftraditionalshipidentificationsystem. Byintroducingthedevelopmentoftheshipimageautomaticreco gnitionbasedoncomputervision, thepapersummarizesthemainworkandthebasicideasofdiffere ntautomaticrecognitionalgorithmsindifferentdimensionso fstaticandcomplexenvironmentbyanalysisandcomparison. Mo reover, thepaperdiscussesthecurrentpopularmethods, includingshipimagesrecognitionbasedondeeplearningalgor ithm,shipimagerecognitionandannotationbasedoncontentandship recognit ioninSARimagesbasedonmultipleclassifiercombina. tion.Also, futureresearchprospectsarediscussed.KeyWords: imagerecognition; shiprecognition; shipclassification; computervision0引言随着海上贸易的增加,各类船舶事故时有发生,提升船舶 运输安全水平成为研究热点。船舶识别技术一定程度上解决了 船舶间、船岸间信息交流不准确问题,极大降低了各类船舶碰 撞事故发生率,提升了船舶监管效率。船舶识别技术经历了由 传统到现代、由人工识别信息到机器识别信息的转变。传统的船舶识别以船舶定位识别为主,如雷达识别系统和 自动雷达标绘仪(ARPA),通过识别船舶所处方位与船舶间的 距离降低船舶间碰撞风险。但单一的雷达识别系统存在一些弊 端,如无法识别轮船的类型,在一定环境下存在识别盲区,无 法满足船舶监管对高精确度与信息多元化的要求。船舶自动识 别系统(AIS)逐渐在船舶领域起主导作用,各类船只开始安 装精确度更高、灵活性更好的AIS设备。2011年,中国海事 局对200t以上的沿海船舶提出了必须安装AIS设备的要求。 内河流域以及相应海岸监管部门配备了视频监控技术(CCTV), 通过人工监控的方式加大了船舶识别监管力度。但是,无论是 AIS系统还是CCTV系统,都是通过视觉获取信息,而人脑处 理信息的方式往往会因为决策人自身的疏忽甚至违反相关船舶 运输规则而造成船舶事故发生。为解决AIS存在的缺陷,基于计算机视觉技术的船舶图像识别成为研究重点。配备在船舶上的图像自动识别系统,直接 获取船舶间的距离与会遇船只的信息并采取相应的避碰措施, 而岸边配备的监管系统也可自动识别出流域船只信息并对其发 出相应通告。本文对相关文献进行收集整理,在分析与归纳的 基础上,对基于计算机视觉的船舶图像自动识别方法进行论述, 以推动船舶自动识别系统进一步发展。1静态船舶图像处理与识别1.1基于特征知识库的船舶图像识别如图1所示,船舶图像识别过程主要包括船舶图像特征分 割与抽取、特征知识库构建。其中,特征提取在像识别中起着 关键性作用,特征应该满足鲁棒性、可拓展性、可区分性和不 变性要求。在特征提取阶段,优化算法性能可提高图像识别准 确度。为达到识别轮船目的,汪成亮等[1]基于专家知识库的 特征抽取算法,提出了 FE (featureextract)算法,从不同 静态船舶图像中提取4个符合基本条件的特征值,将其收集起 来构建船舶类型知识库。知识库主要考虑轮船的大小、长宽比、 上下比和复杂度等度量特点,在专家知识的帮助下,构造出基 于规则的知识库。综合利用知识库里的数据特征对图像提取的 边缘进行判别,实现对船舶目标的进一步识别。将船舶图像识 别技术应用于长江水域重庆段,实验结果表明,该方法优于传 统的对比单特征法和Adaboost方法。因为特征提取算法结构 简单,特征提取数目较少,只能保证识别目标为知识库中已有 的船舶记录,无法泛化到船舶种类识别,所以基于特征知识库 的船舶图像识别方法有待改进。1. 2基于神经网络的船舶图像识别为了将图像识别技术集成到传统的船舶导航系统中,2007 年金雪丹等[2]引入神经网络算法进行船舶特征的分类处理。 神经网络算法模拟人脑思维的算法,由众多神经元可调的连接 权值连接而成,拥有大规模运算能力。经过图像处理提取出来 的特征用作多层神经网络输入,该神经网络使用BP算法(反 向传播算法)进行,将船只分为大型船、中型船、小型船3类。 通过实验,发现引入BP算法后的船舶识别率有了显著提高, 并且能对船舶种类进行类型区分。魏娜[3]设计了 BP神经网络 的三层结构用于对船舶类型的识别实验,将BP神经网络所得 出的结果与模板匹配结果对比,结果表明利用BP神经网络算 法的识别率远高于普通的特征提取识别方法。 引入神经网络算法进行船舶识别,虽然提升了船舶识别的精度,但实 验样本多数是静态数据。图像数据在现实作业环境中会受到海 上环境、天气、光线变化的干扰,对一定范围内的船只聚集情 况、异物遮挡情况作出错误判断,实验算法能否应用于动态数 据成为该技术能否推广的重要因素。CCTV系统采集的是动态 视频,将不同角度拍摄的动态视频转换为一帧一帧的静态图像 进行处理与跟踪,算法需要一定的鲁棒性和适应性。2复杂环境下的船舶图像处理与识别复杂环境下采集的船舶图像往往在特征提取方面与理想情况存在许多误差,如夜晚光线昏暗情况下船舶图像采集困难, 白天海面光线强烈和雨雾天气对船舶图像的干扰等。实际作业 过程中,图像数据采集以视频摄录为手段,这些数据往往包含 不同类型的动态数据。曾科伟等[4]提出在内河河道
关 键 词:
基于 计算机 视觉 船舶 图像 自动识别 方法 研究 综述
 剑锋文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
关于本文
本文标题:基于计算机视觉的船舶图像自动识别方法研究综述
链接地址: //www.wenku365.com/p-43768352.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服点击这里,给剑锋文库发消息,QQ:1290478887 - 联系我们

本站为“文档C2C交易模式”,即用户上传的文档直接卖给(下载)用户,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有【成交的100%(原创)】。本站是网络服务平台方,若您的权利被侵害,侵权客服QQ:1290478887 欢迎举报。

1290478887@qq.com 2017-2027 //www.wenku365.com 网站版权所有

粤ICP备19057495号 

收起
展开