轮船吃水线动态视觉识别方法

目录

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