基于形状外观的无人船目标识别方法研究

《基于形状外观的无人船目标识别方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：UDC：编号：工学硕士学位论文基于形状外观的无人船目标识别方法研究硕士研究生：王汝珣指导教师：林孝工教授学科、专业：控制科学与工程论文主审人：张勋副教授哈尔滨工程大学2018年3月分类号：密级：UDC：编号：工学硕士学位论文基于形状外观的无人船目标识别方法研究硕士研究生：王汝珣指导教师：林孝工教授学位级别：工学硕士学科、专业：控制科学与工程所在单位：自动化学院论文提交日期：2018年1月论文答辩日期：2018年3月学位授予单位：哈尔滨工程大学ClassifiedIndex:U.D.C:ADissertatio

2、nfortheDegreeofM.EngResearchonTargetRecognitionMethodBasedonShapeAppearanceforUnmannedShipCandidate:WangRuxunSupervisor:Prof.LinXiaogongAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ControlScienceandEngineeringDateofSubmission:Jan.2018DateofOralExamination

3、:Mar.2018University:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签字）：日期：年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保

4、护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文（□在授予学位后即可□在授予学位12个月后□解密后）由哈尔滨工程大学送交有关部门进行保存、汇编等。作者（签

5、字）：导师（签字）：日期：年月日年月日摘要随着计算机技术、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（UnmannedSurfaceVessel，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

6、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

7、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

8、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m