声明
致谢
图清单
表清单
变量注释表
1 绪论
1.1 研究背景与意义(Research Background and Significance)
1.2 研究现状(Research Status)
(1)人工观测法
(2)压力检测法
(3)激光检测法
(4)图像检测法
1.3 船舶水尺标志介绍(Knowledge of the Ship's Draft)
1.4 研究内容(Research Contents)
1.5 组织结构(Structure)
2 相关图像处理研究
2.1 轮廓查找(Contour Search)
2.2 K-means 聚类(K-means Clusting)
2.3 投影变换(Projective Transformation)
2.4 卷积神经网络(Convolutional Neural Network)
2.5 本章小结(Conclusions)
3 吃水线区域动态识别
3.1 吃水线水平区域定位(Horizontal Waterline area Location)
3.1.1 mean-shift滤波操作
3.1.2 整幅图像内的吃水线水平区域定位
3.2 吃水线精确分割(Precise Waterline Segmentation)
3.2.1 颜色空间选取
3.2.2 结合聚类与分水岭算法的吃水线分割方法
3.3 实验验证及分析(Experiments andAnalysis)
3.3.1 参数敏感性分析
3.3.2 不同颜色空间下处理效果分析
3.3.3 吃水线区域动态识别算法分析
3.4 本章小结(Conclusions)
4 吃水线区域矫正与水尺字符分割
4.1.1 吃水线区域倾斜类型
4.1.2 吃水线区域矫正思想
4.1.3 吃水线区域矫正一般方法
4.2 吃水线区域倾斜矫正(Correction of WaterlineArea)
4.2.1 数字形态学处理
4.2.2 斜率计算与矫正方法
4.3 水尺字符分割(Segmentation of Characters on Draft)
4.4.1 不同倾斜模式下校正效果
4.4.2 校正前后分割效果对比
4.4.3 不同字符提取情况
4.5 本章小结(Conclusions)
5 轮船吃水值确定
5.1 基 于 卷积神 经 网络 的 水尺 字 符 识 别 (Draft Character Recognition Based on CNN)
5.1.1 网络结构
5.1.2 数据准备
5.1.3 模型训练
5.1.4 网络评价指标
5.2 单张图片中船舶吃水值确定(Determination of Draft in a Single Picture)
5.2.1 像素距离换算
5.2.2 吃水值计算方法
5.3 吃水线波浪绘制 (Waterline Wave Drawing)
5.3.1 波浪模型选取
5.3.2 波形分析
5.4.1 字符识别效果
5.4.2 单张图片吃水值确定情况
5.4.3 波浪拟合情况
5.5 本章小结(Conclusions)
6 总结与展望
6.1 本文工作(Achievements)
6.2 进一步研究工作(Future Research)
参考文献
作者简历
学位论文原创性声明
学位论文数据集
中国矿业大学中国矿业大学(江苏);