基于紅外圖像的運動船舶檢測及跟蹤技術的研究.pdf

1、現代技術裝備下的船舶駕駛，已使海上安全事故降低了許多。但是這方面的工作還是遠遠不夠的，據調查海上事故中人為因素占有很高的比例，統(tǒng)計表明在所有碰撞事故中有90％是由人為錯誤產生的。在降低人為錯誤，保證避碰和航行安全方面，控制系統(tǒng)前端數據采集的信息量和準確度起了決定作用。 論文針對港口VTMS的交管雷達和船舶導航雷達存在的局限性，引入了紅外成像系統(tǒng)作為除雷達、AIS以外的數據采集傳感器。紅外成像系統(tǒng)能夠在船舶航行及港口船舶監(jiān)控中發(fā)揮

2、重要作用的關鍵技術是紅外目標檢測及跟蹤技術，本論文就此關鍵技術展開研究。國內尚缺少應用紅外檢測技術作為雷達地補充手段，為航行安全、船舶避碰提供輔助決策的系統(tǒng)。該課題的研究在國內屬于新的研究領域，具有重要的理論意義和應用價值。 論文圍繞紅外圖像的運動船舶目標檢測與跟蹤技術中的重要環(huán)節(jié)進行深入的理論分析及實驗研究，為紅外探測技術在海上交通系統(tǒng)中的應用進行必要的前期研究工作，同時該研究對我國民用紅外探測技術的發(fā)展起到推動作用。本論文的

3、研究受交通部通達項目“船港航控制與管理一體化綜合仿真的基礎研究”(200432981007)的支持。 論文的主要研究成果如下： 系統(tǒng)分析了現有海上交通系統(tǒng)中船舶目標信息的來源，引入了紅外成像系統(tǒng)作為除雷達、AIS以外的數據采集傳感器。從紅外圖像特點分析入手，針對現場實拍的紅外圖像中的船舶目標和背景的特點，對目標進行了分類，共分為三類：近距離的大目標，有復雜背景的中距離小目標，背景單一的遠距離弱小目標。論文分析了三類目標在

4、海上交通系統(tǒng)中不同的應用背景，重點研究后兩類目標。 提出基于神經網絡進行背景預測和目標檢測的算法。遠距離的弱小目標，一方面受到隨機噪聲、背景雜波、水面波紋的影響；另一方面檢測的是弱小目標，目標在圖像中的面積較小，幾乎沒有形狀信息，使得運動船舶目標的檢測比較困難的。為了處理這些方面的問題，提出了基于NARX神經網絡的紅外弱小目標檢測算法。算法充分考慮到傳統(tǒng)神經網絡在實際運用中存在的計算量的瓶頸問題，選用了適當的網絡結構、訓練算法、

5、訓練誤差，保證了算法實現的速度。大量的實驗結果證明目標檢測算法可以得到較好的檢測概率，計算量適中，對于弱小目標檢測是非常適用的。 提出基于幀間相關的復雜背景條件下的小目標檢測算法。當紅外圖像中的背景較復雜，采用單幀圖像很難檢測，針對這樣的應用背景，提出了利用幀間的相關性，估計背景的算法，然后檢測出目標的位置，同時利用邊緣檢測的Canny算子得到目標的形狀。實驗結果表明算法利用序列圖像可以降低水面雜波、紅外探測器固有噪聲、隨機噪聲