基于改进UNet网络的船舶水尺读数识别方法研究

张钢强; 李俊峰

首页> 中文期刊> 《光电子．激光》 >基于改进UNet网络的船舶水尺读数识别方法研究

基于改进UNet网络的船舶水尺读数识别方法研究

开具论文收录证明 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对船舶水尺识别过程中出现的图像亮度不均、高光、水尺标志倾斜和轻微模糊粘连以及船体表面划痕和水尺标志损坏等,本文提出一种基于改进UNet网络的船舶水尺识别方法。首先,利用改进的UNet网络对图像进行吃水线检测﹐从图像中分离船舶区域和水面区域;其次,在分离后的船舶区域图像内,通过在多通道色彩空间图像上提取各图像的最大稳定极值区域MS-ER,将各图像最大稳定极值区域并集操作的结果作为水尺标志候选区域,再把水尺标志候选区域分为非吃水线处候选连通区域和吃水线处候选连通区域;然后,基于水尺标志连通区域的blob特征对非吃水线处水尺标志连通区域初次筛选,再利用卷积神经网络对筛选后的连通区域所在的ROI图像进行分类识别;最后﹐根据吃水线处水尺标志连通区域的几何特征计算水尺实际读数。实验结果表明,该算法对质量较好的图像有较高的识别准确率,准确率可以达到96.8%,对于采集﹑船体等原因导致质量较差的图像也能有80.7%的准确率。

著录项

来源
《光电子．激光》 |2020年第11期|1182-1196|共15页
作者
张钢强; 李俊峰;
展开▼
作者单位

浙江理工大学自动化研究所;

杭州310018;

展开▼
原文格式 PDF
正文语种 chi
中图分类人工神经网络与计算;
关键词
船舶水尺; 吃水线检测; 候选区域识别; blob特征; 计算读数;

相似文献

中文文献
外文文献
专利

1. 基于卷积神经网络的船舶水尺字符识别方法研究 [J] . 杜佳峰 ,王景松 ,杨宝军 . 中国水运（下半月） . 2020,第3期
2. 基于图像处理与深度学习算法的船舶水尺智能读数分析与研究 [J] . 朱学海 ,罗陨飞 . 检验检疫学刊 . 2020,第3期
3. 基于图像处理与深度学习算法的船舶水尺智能读数分析与研究 [J] . 朱学海 ,罗陨飞 . 检验检疫学刊 . 2020,第3期
4. 基于改进YOLOv4网络的水表读数识别方法 [J] . 翟娅娅 ,朱磊 ,张博 . 科学技术与工程 . 2022,第21期
5. 基于改进UNet++的地震断层识别方法研究 [J] . 张利霞 ,高俊涛 ,马强 . 计算机技术与发展 . 2023,第8期
6. 基于改进神经网络的建筑结构损伤识别方法研究 [C] . 李守巨 ,张军 ,刘迎曦 . 第八届全国结构计算理论与工程应用学术会议 . 2008
7. 基于改进的UNet网络结合通道注意力机制的田间大豆杂草识别方法研究 [A] . 门志博 . 2022

基于改进UNet网络的船舶水尺读数识别方法研究

摘要

著录项

相似文献

相关主题

期刊订阅