-
公开(公告)号：CN111260676B
公开(公告)日：2023-10-17
申请号：CN202010036366.X
申请日：2020-01-10
Applicant: 大连海事大学
Abstract: 本发明提供一种船载雷达图像海上目标空间数据的共享方法。本发明方法，包括：S1、提取船载雷达图像中的海上目标；将原始船载雷达图像从极坐标系转换至笛卡尔坐标系；在转换坐标系后的图像中设定捕获区；采用灰度阈值法与连续像元面积阈值法，提取图像中的海上目标。S2、提取船载雷达图像中的海上目标的轮廓；将提取的海上目标图像从笛卡尔坐标系转换至极坐标系；根据船首向，对识别的目标进行图像旋转，提取目标轮廓的平面直角坐标数据。S3、海上目标轮廓边界点空间数据输出。计算目标轮廓边界点的平面直角坐标数据；逐步将目标轮廓每个边界点的平面直角坐标系统，通过投影变换，变换至以经纬度为单位的地理坐标，输出目标轮廓的地理坐标数据。
-
公开(公告)号：CN111611899A
公开(公告)日：2020-09-01
申请号：CN202010414012.4
申请日：2020-05-15
Applicant: 大连海事大学
Abstract: 本发明提供一种基于纹理特征与K-means聚类算法的船载雷达原始图像油膜识别方法，属于海洋环境监测应用技术领域；为了解决船载雷达图像中的溢油对比海浪表现为“相对暗”的特征，从而导致油膜自动分割难度较大，且现有的机器学习方法在船载雷达图像油膜识别领域的应用较少的问题，本发明的技术方案包括：对船载雷达原始图像进行降噪与高亮像元抑制，得到降噪图像；对降噪图像进行灰度校正与局部对比度增强的预处理操作，得到预处理图像；提取上述预处理图像中的海上油膜。本发明方法先将船载雷达原始图像进行预处理；再通过LBP纹理特征与K-means聚类算法提取油膜所在区域；之后通过局部自适应阈值，分割海上油膜，为海上溢油事故的监测提供技术支持。
-
公开(公告)号：CN111260676A
公开(公告)日：2020-06-09
申请号：CN202010036366.X
申请日：2020-01-10
Applicant: 大连海事大学
Abstract: 本发明提供一种船载雷达图像海上目标空间数据的共享方法。本发明方法，包括：S1、提取船载雷达图像中的海上目标；将原始船载雷达图像从极坐标系转换至笛卡尔坐标系；在转换坐标系后的图像中设定捕获区；采用灰度阈值法与连续像元面积阈值法，提取图像中的海上目标。S2、提取船载雷达图像中的海上目标的轮廓；将提取的海上目标图像从笛卡尔坐标系转换至极坐标系；根据船首向，对识别的目标进行图像旋转，提取目标轮廓的平面直角坐标数据。S3、海上目标轮廓边界点空间数据输出。计算目标轮廓边界点的平面直角坐标数据；逐步将目标轮廓每个边界点的平面直角坐标系统，通过投影变换，变换至以经纬度为单位的地理坐标，输出目标轮廓的地理坐标数据。
-
公开(公告)号：CN110348442A
公开(公告)日：2019-10-18
申请号：CN201910646761.7
申请日：2019-07-17
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于支持向量机的船载雷达图像海上油膜识别方法，包括：基于支持向量机对有效的海浪像元与背景像元进行分类训练，求得海浪像元分割图像；采用第二均值滤波窗口，对所述海浪像元分割图像进行整体平滑，再采用第二灰度阈值求得有效海浪信息的掩膜，并依据所述掩膜求得有效海浪信息的区域；利用像元面积阈值法，删除小斑点，求得最终油膜；将所述最终油膜变换至极坐标系统下。通过采用支持向量机、均值滤波和灰度阈值，准确提取海浪有效信息的图像区域，采用局部自适应阈值和像元面积阈值法提取海上油膜。有效克服了船载雷达图像油膜识别中海浪有效范围难以准确提取的难题，以及全局灰度阈值油膜识别方法的局限性。
-
公开(公告)号：CN109816683A
公开(公告)日：2019-05-28
申请号：CN201910087571.6
申请日：2019-01-29
Applicant: 大连海事大学
Abstract: 本发明公开了一种航海雷达图像中海浪信息反演的预处理方法，包括步骤有：将航海雷达图像从极坐标系统变换至平面坐标系统；采用拉普拉斯算子卷积，保留同频干扰噪声位置的高亮灰度值，降低海杂波信息的灰度值；采用灰度分割阈值，快速分割同频干扰噪声；采用线性内插法，对同频干扰噪声进行降噪处理；采用Otsu算法和面积阈值法，快速提取需要平滑处理的显示为高亮斑点的目标信息；采用线性内插法，对结果图像进行平滑处理，并最终将处理后的结果变换至极坐标系，并输出预处理结果。本发明通过航海雷达图像海浪信息反演的预处理方法，提高了海浪信息反演预处理的速度及效率。
-
Patent Agency Ranking
公开(公告)号：CN105584599B
公开(公告)日：2017-10-31
申请号：CN201610048891.7
申请日：2016-01-25
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于无人艇编队运动的海洋环境监测系统，其包括若干搭载有无人艇编队运动控制系统、海洋环境监测传感系统、无线ZigBee通信系统的无人艇以及远程海洋环境监测系统；各无人艇编队运动控制系统按照设定的无人艇编队运动模式驱动各自对应的无人艇电机形成航行编队队列并按照各自对应的航行轨迹运动；各海洋环境监测传感系统实时将采集到的海洋环境监测数据向远程海洋环境监测系统发送；各无线ZigBee通信系统分别连接无人艇与远程海洋环境监测系统；远程海洋环境监测系统实时形成可视化界面并能够对各无人艇实施远程控制。本发明实现了一种针对海洋环境的突发性和不确定性等特点，能够进行环境移动监测、定位与显示综合监测的系统。
-
公开(公告)号：CN105584599A
公开(公告)日：2016-05-18
申请号：CN201610048891.7
申请日：2016-01-25
Applicant: 大连海事大学
CPC classification number: B63B35/00 , B63B2035/006 , G01C13/00
Abstract: 本发明公开了一种基于无人艇编队运动的海洋环境监测系统，其包括若干搭载有无人艇编队运动控制系统、海洋环境监测传感系统、无线ZigBee通信系统的无人艇以及远程海洋环境监测系统；各无人艇编队运动控制系统按照设定的无人艇编队运动模式驱动各自对应的无人艇电机形成航行编队队列并按照各自对应的航行轨迹运动；各海洋环境监测传感系统实时将采集到的海洋环境监测数据向远程海洋环境监测系统发送；各无线ZigBee通信系统分别连接无人艇与远程海洋环境监测系统；远程海洋环境监测系统实时形成可视化界面并能够对各无人艇实施远程控制。本发明实现了一种针对海洋环境的突发性和不确定性等特点，能够进行环境移动监测、定位与显示综合监测的系统。
-
公开(公告)号：CN109829858B
公开(公告)日：2022-10-18
申请号：CN201910084405.0
申请日：2019-01-29
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于局部自适应阈值的船载雷达图像溢油监测方法，首先，本发明基于改进的Prewitt算子、鲁棒自适应阈值算法、线性内插方法，抑制原始雷达图像中的同频干扰噪声；再应用一种灰度强度校正矩阵模型，使整个图像平滑；之后，采用有限对比度自适应直方图均衡算法，提高了油膜内外区域的对比度；最后，应用改进的局部自适应阈值法与面积阈值法，得到平面直角坐标系统下的溢油区域监测结果图像，并投影变换到现实世界的极坐标系统下，从而得到溢油分布图像，最终实现了海上溢油实时监测。
-
公开(公告)号：CN110348442B
公开(公告)日：2022-09-30
申请号：CN201910646761.7
申请日：2019-07-17
Applicant: 大连海事大学
IPC: G06V10/25 , G06V10/34 , G06V10/764 , G06T7/136
Abstract: 本发明公开了一种基于支持向量机的船载雷达图像海上油膜识别方法，包括：基于支持向量机对有效的海浪像元与背景像元进行分类训练，求得海浪像元分割图像；采用第二均值滤波窗口，对所述海浪像元分割图像进行整体平滑，再采用第二灰度阈值求得有效海浪信息的掩膜，并依据所述掩膜求得有效海浪信息的区域；利用像元面积阈值法，删除小斑点，求得最终油膜；将所述最终油膜变换至极坐标系统下。通过采用支持向量机、均值滤波和灰度阈值，准确提取海浪有效信息的图像区域，采用局部自适应阈值和像元面积阈值法提取海上油膜。有效克服了船载雷达图像油膜识别中海浪有效范围难以准确提取的难题，以及全局灰度阈值油膜识别方法的局限性。
-
公开(公告)号：CN109829858A
公开(公告)日：2019-05-31
申请号：CN201910084405.0
申请日：2019-01-29
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于局部自适应阈值的船载雷达图像溢油监测方法，首先，本发明基于改进的Prewitt算子、鲁棒自适应阈值算法、线性内插方法，抑制原始雷达图像中的同频干扰噪声；再应用一种灰度强度校正矩阵模型，使整个图像平滑；之后，采用有限对比度自适应直方图均衡算法，提高了油膜内外区域的对比度；最后，应用改进的局部自适应阈值法与面积阈值法，得到平面直角坐标系统下的溢油区域监测结果图像，并投影变换到现实世界的极坐标系统下，从而得到溢油分布图像，最终实现了海上溢油实时监测。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.032 seconds)
