| 成果基本信息 | ||||||
| 关键词: | 海事雷达,图像处理 | |||||
| 成果类别: | 应用技术 | 技术成熟度: | 初期阶段 | |||
| 体现形式(基础理论类): | 其他 | 体现形式(应用技术类): | 新技术 | |||
| 成果登记号: | 资源采集日期: | |||||
| 研究情况 | |||||
| 单位名称: | 武汉理工大学 | 技术水平: | 未评价 | ||
| 评价证书号: | 评价单位: | ||||
| 评价日期: | 评价证书号: | ||||
| 转化情况 | |||||
| 转让范围: | 合作开发 | 推广形式: | 合作开发 | ||
| 已转让企业数(个): | |||||
| 联系方式 | |||||
| 联系人(平台): | 孵化基地 | 联系人(平台)电话: | 0771-3394012 | ||
| *成果单位详细联系方式请登录会员;还不是会员,马上注册! | |||||
| 成果简介 | |||||
本发明公开的基于深度学习的海事雷达图像处理方法,是一种利用图像处理算法和卷积神经网络结合识别海事雷达图像中船舶目标,具体是:先利用灰度化、中值滤波、连通域标记、双阈值连通域处理算法预处理海事雷达图像,再利用帧间相加和骨架细化算法得到船舶目标初始的运动矢量,通过隔帧差法得到船舶目标在不同帧数的运动矢量,根据这两个运动矢量得到隔帧差法的最佳帧数;然后利用帧间差异和船舶的形状、轮廓和运动特征提取船舶目标和非船舶目标;最后利用卷积神经网络对船舶目标和非船舶目标进行训练和测试,将训练的卷积神经网络用于海事雷达图像船舶目标识别。本发明充分利用船舶的运动特征对船舶目标的识别比传统的方法更加简便,效果更佳 |