CN110517280A - 基于红外识别船舶尾气监测系统 - Google Patents
基于红外识别船舶尾气监测系统 Download PDFInfo
- Publication number
- CN110517280A CN110517280A CN201910750710.9A CN201910750710A CN110517280A CN 110517280 A CN110517280 A CN 110517280A CN 201910750710 A CN201910750710 A CN 201910750710A CN 110517280 A CN110517280 A CN 110517280A
- Authority
- CN
- China
- Prior art keywords
- ship
- tail gas
- image
- target
- ship tail
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 12
- 230000033001 locomotion Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000809 air pollutant Substances 0.000 abstract description 3
- 231100001243 air pollutant Toxicity 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 5
- 230000003628 erosive effect Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000002045 lasting effect Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000001757 thermogravimetry curve Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于红外识别船舶尾气监测系统，包括红外热像仪、可见光相机、AIS船舶自动识别系统、测距终端和控制系统，控制系统分别与红外热像仪、可见光相机、AIS船舶自动识别系统和测距终端连接；控制系统通过红外热像仪采集船舶尾气目标的特性图像，并控制AIS船舶自动识别系统和测距终端对相应船舶目标进行监测和追踪，控制系统通过可见光相机采集直观图像，结合识别的船舶目标为用户提供是否识别跟踪正确直观效果图。实现对于船舶排放烟羽的自动监测跟踪识别和报警；能很好的自动识别跟踪监测停泊、靠泊和航行中的船舶大气污染物排放；能持续对船舶尾气排放形成监测，提高监测的稳定性和精确性。
Description
技术领域
本发明涉及尾气检测技术领域，具体涉及一种基于红外识别船舶尾气监测系统。
背景技术
目前，基于红外图像得到目标识别技术发展较快，且在很多领域得到了广泛应用，在船舶尾气排放监测领域尚处在试验阶段。船舶排放的大气污染物各类组分都各自具有特定的特征吸收峰位，可通过不同特征波长可以分辨出不同的气体，并通过吸收强度的改变计算特征气体的浓度。目前，船舶尾气排放监测多基于人工登船检测，这种方式需消耗大量的人力，且监测范围小，监测时间限制大。
基于红外监测船舶尾气具有监测精度高、监测范围广、适用环境繁多、选择性好、可靠性强、使用周期久、防爆型好等诸多优良特性，即使被检测气体浓度过高时，也不会产生催化燃烧型传感器的重度现象。
本专利提出的船舶尾气排放智能监测与跟踪系统是一款全新设计的车载/船载部署装备，对监测区域可进行全天时、全面域扫描，结合AIS、测距终端扩展，通过可见光/红外双波段成像识别跟踪船舶尾气，利用船舶废气的光谱指纹特征信息进行远距离、高精度跟踪检测，为港口船舶废气排放监测治理、有效建立船舶污染排放清单提供亟需的高效手段。
发明内容
本发明要解决的技术问题是，针对现有技术存在的上述缺陷，提供了一种基于红外识别船舶尾气监测系统，实现对于船舶排放烟羽的自动监测跟踪识别和报警；能很好的自动识别跟踪监测停泊、靠泊和航行中的船舶大气污染物排放；能持续对船舶尾气排放形成监测，提高监测的稳定性和精确性。
本发明为解决上述技术问题所采用的技术方案是：
一种基于红外识别船舶尾气监测系统，包括红外热像仪、可见光相机、AIS船舶自动识别系统、测距终端和控制系统，控制系统分别与红外热像仪、可见光相机、AIS船舶自动识别系统和测距终端连接；控制系统通过红外热像仪采集船舶尾气目标的特性图像，并控制AIS船舶自动识别系统和测距终端对相应船舶目标进行监测和追踪，控制系统通过可见光相机采集直观图像，结合识别的船舶目标为用户提供是否识别跟踪正确直观效果图。
按照上述技术方案，控制系统通过cameralink接口图像采集卡与红外热像仪连接。
按照上述技术方案，所述的基于红外识别船舶尾气监测系统还包括轴转台和壳体，壳体设置于轴转台上，红外热像仪、可见光相机、AIS船舶自动识别系统和测距终端均集成设置于壳体内。
按照上述技术方案，控制器通过船舶尾气目标自动识别算法从红外热像仪采集到的图像中识别出船舶尾气目标，再通过船舶尾气目标稳定跟踪算法结合AIS船舶自动识别系统和测距终端的测量信息追踪相应的船舶目标。
按照上述技术方案，所述的船舶尾气目标自动识别算法，包括以下步骤：
1)对红外热像仪采集到的图像进行预处理，得到抑制图像背景，保留微小目标的残差图像；
2)对残差图像进行阈值分割，若残差图像中像素值大于设定阈值，则判定为目标像素，否则为背景像素，从而得到相应的二值图像；
3)对二值图像的孤立点进行区域连通操作，得到分类后的船舶尾气潜在目标区域识别结果序列，对获得所有潜在目标区域，根据目标的尺寸信息进行判断，去除不满足尺度准则的潜在目标区域即可获得疑似目标的位置；
4)计算得到每个疑似目标区域的中心坐标，结合可见光相机采集到的可见光图像，得到的船舶目标；
5)根据船舶尾气排放基本都在船头或船尾或其他经验参数，加权得到最终尾气排放目标精确坐标。
按照上述技术方案，在所述的步骤1)中，图像预处理的具体过程为：对原始图像进行闭运算操作，过滤图像背景中的过暗异常点，使原始红外图像轮廓变得光滑，弥合狭窄的间断和细长的沟壑，消除小的孔洞，并填补轮廓线中的裂痕，达到一定程度的去噪效果，去除图像的低频背景信号，将图像中的高频信号区域作为目标区域。
按照上述技术方案，在所述的步骤2)中，阈值的选取公式为：
K＝m+kσ (3)
其中m和σ分别为残差图像的均值和均方差，k取0.85-0.9。
按照上述技术方案，在所述的步骤3)中，对二值图像的孤立点进行区域连通操作，得到分类后的船舶尾气潜在目标区域识别结果序列：
[L,num]＝bwlabel(BW,n) (4)
这里bwlabel即为区域连通函数，num返回的就是BW中连通区域的个数，得到一个和BW大小相同的L矩阵，包含了标记了BW中每个连通区域的类别标签，这些标签的值为1、2、…、num的连通区域的个数。
按照上述技术方案，船舶尾气目标稳定跟踪算法的具体过程为：首先选取搜索区域，然后把目标模板在搜索区域内进行滑动，计算积相关系数，取积相关系数最大位置处作为精跟踪的结果，同时更新目标模板，重复循环以上步骤持续跟踪船舶目标，形成积相关匹配跟踪流程。
按照上述技术方案，积相关系数为：
其中，(x，y)表示搜索区域像素点的坐标，(x′，y′)表示模板中像素的坐标，T(x′，y′)表示模板图像的灰度值，I(x′+x，y+y′)表示搜索区域的灰度值。
本发明具有以下有益效果：
控制系统通过红外热像仪采集船舶尾气目标的特性图像，并控制AIS船舶自动识别系统和测距终端对相应船舶目标进行监测和追踪，控制系统通过可见光相机采集直观图像，结合识别的船舶目标为用户提供是否识别跟踪正确直观效果图，实现对于船舶排放烟羽的自动监测跟踪识别和报警；能很好的自动识别跟踪监测停泊、靠泊和航行中的船舶大气污染物排放；能适应在不同光照背景下，基于红外的船舶尾气排放监测系统对船舶热源的探测能力和对船舶烟羽都能进行持续的、稳定的跟踪监测，能持续对船舶尾气排放形成监测，提高监测的稳定性和精确性。
附图说明
图1是本发明实施例中基于红外识别船舶尾气监测系统的结构示意图；
图2是本发明实施例中基于红外识别船舶尾气监测系统的工作流程图；
图3是本发明实施例中船舶尾气目标自动识别算法的流程图；
图4是本发明实施例中积相关匹配跟踪的原理图；
图5是本发明实施例中积相关匹配跟踪的算法流程图；
图中，1-红外热像仪，2-可见光相机，3-AIS船舶自动识别系统，4-测距终端，5-控制系统，6-轴转台，7-目标模板，8-搜索区域。
具体实施方式
下面结合附图和实施例对本发明进行详细说明。
参照图1～图3所示，本发明提供的一个实施例中的基于红外识别船舶尾气监测系统，包括红外热像仪1、可见光相机2、AIS船舶自动识别系统3、测距终端4和控制系统5，控制系统5分别与红外热像仪1、可见光相机2、AIS船舶自动识别系统3和测距终端4连接；控制系统5通过红外热像仪1采集船舶尾气目标的特性图像，并控制AIS船舶自动识别系统3和测距终端4对相应船舶目标进行监测和追踪，控制系统5通过可见光相机2采集直观图像，结合识别的船舶目标及辅助算法为用户提供是否识别跟踪正确直观效果图。
进一步地，AIS船舶自动识别系统3为识别跟踪算法提供置信度输入，测距终端4为识别跟踪算法提供置信度输入；红外数字图像即为红外热像仪1采集到的图像，综合考虑海面或江河背景及船舶尾气热源目标特性，控制系统5对红外数字图像采用自适应参数的预处理数字图像处理算法，对不同工作环境适应性较高，效果比较理想；综合考虑船舶AIS信息及测距信息，确保系统对船舶尾气目标的稳定持续跟踪。
进一步地，控制系统5通过cameralink接口图像采集卡与红外热像仪1连接；负责完成红外热像仪1数字图像的实时采集，充分发挥该传输接口的高速采集，图像具备高像素深度，大图像尺寸的特点，同时具备高确定性的触发和定时性能，为船舶尾气目标实时识别及持续跟踪提供较强软硬件支撑。
进一步地，所述的基于红外识别船舶尾气监测系统还包括轴转台6和壳体，壳体设置于轴转台6上，红外热像仪1、可见光相机2、AIS船舶自动识别系统3和测距终端4均集成设置于壳体内，船舶尾气目标识别及持续跟踪的运动执行机构，轴转台6即为二维转台，可在水平方向旋转和竖直方向转动。
进一步地，控制系统5为工控机；工控机为图像采集卡提供供电及信号传输接口，接收红外热像仪1及可见光相机2的数字图像信号，同时完成船舶尾气目标自动识别及稳定跟踪核心算法实时处理并控制二轴转台6随动。
进一步地，控制器通过船舶尾气目标自动识别算法从红外热像仪1采集到的图像中识别出船舶尾气目标，再通过船舶尾气目标稳定跟踪算法结合AIS船舶自动识别系统3和测距终端4的测量信息追踪相应的船舶目标；同时控制器结合AIS船舶自动识别系统3和测距终端4采集的信息，当设备与船舶相对距离或测距结果与成像比例尺保持一致时，我们认为此时处于稳定跟踪状态；否则认为船舶目标跟踪丢失，重新进入船舶尾气目标识别过程。
进一步地，所述的船舶尾气目标自动识别算法，包括以下步骤：
1)对红外热像仪1采集到的图像进行预处理，得到抑制图像背景，保留微小目标的残差图像；
2)对残差图像进行阈值分割，若残差图像中像素值大于设定阈值，则判定为目标像素，否则为背景像素，从而得到相应的二值图像；
3)对二值图像的孤立点进行区域连通操作，得到分类后的船舶尾气潜在目标区域识别结果序列，对获得所有潜在目标区域，根据跟踪目标的尺寸信息进行判断，去除不满足尺度准则的潜在目标区域即可获得疑似目标的位置；
4)计算得到每个疑似目标区域的中心坐标，结合可见光相机2采集到的可见光图像，得到的船舶目标；
5)根据船舶尾气排放基本都在船头或船尾或其他经验参数，加权得到最终尾气排放目标精确坐标。
进一步地，在所述的步骤2)之前，还包括以下步骤：突出目标区域的对比度。
进一步地，在所述的步骤1)中，图像预处理的具体过程为：对原始图像进行闭运算操作，过滤图像背景中的过暗异常点，使原始红外图像轮廓变得光滑，弥合狭窄的间断和细长的沟壑，消除小的孔洞，并填补轮廓线中的裂痕，达到一定程度的去噪效果，通过Top-Hat变换滤波去除图像的低频背景信号，将图像中的高频信号区域作为目标区域，从而保留一定规律的目标信号。
进一步地，根据设备与待识别船舶的相对距离信息，自适应调整闭运算窗口函数，此处窗口大小设置为距离的1/20左右达到最佳图像预处理效果。
进一步地，对原始图像进行闭运算操作用于平滑背景，对原始图像进行闭运算操作具体步骤如下：闭运算操作后的图像为
即先用B对A进行膨胀，然后用B对结果进行腐蚀，A为相应的输入图像，B为结构元素。
进一步地，Top-Hat变换滤波的具体步骤如下：基于Top-Hat变换的灰度形态学滤波就是在形态学基本运算基础上构造的一种非线性空间滤波方法，定义用公式表示为：
h＝f-B (2)
其中h为Top-Hat变换后的图像，f为输入图像，B为闭运算结果图像。
采用Top-Hat变换的目的是为了去除图像的低频背景信号，保留目标信号，其实Top-Hat变换的本质就是获得残差图像的过程，即通过对平滑化后的图像进行Top-Hat变换计算得到背景抑制后的残差图像，经过Top-Hat变换后的图像，可以剔除大部分背景，而保留有一定规律的微小目标。
进一步地，在所述的步骤2)中，阈值的选取公式为：
K＝m+kσ (3)
其中m和σ分别为Top-Hat变换得到的残差图像的均值和均方差，为保证目标不漏检，调节阈值k不用太大，k取0.85-0.9。
进一步地，在所述的步骤3)中，对二值图像的孤立点进行区域连通操作，得到分类后的船舶尾气潜在目标区域识别结果序列：
[L,num]＝bwlabel(BW,n) (4)
这里bwlabel即为区域连通函数，num返回的就是BW中连通区域的个数。得到一个和BW大小相同的L矩阵，包含了标记了BW中每个连通区域的类别标签，这些标签的值为1、2、…、num(连通区域的个数)。此处n的值设置为8，即8连通区域。
进一步地，船舶尾气目标稳定跟踪算法的具体过程为：首先选取搜索区域8，然后把目标模板7在搜索区域8内进行滑动，计算积相关系数，其原理示意图如附图4所示，取积相关系数最大位置处作为精跟踪的结果，同时更新目标模板7，重复循环以上步骤持续跟踪船舶目标，形成积相关匹配跟踪流程，积相关匹配跟踪的算法流程如附图5所示，即为选用积相关匹配跟踪算法对船舶尾气目标进行跟踪，该算法具有实现简单、抗白噪声能力强、精准度高等优点，其性能与信噪的大小等因素密切相关，一般来说，信噪比越高，跟踪的精度越高。
进一步地，积相关系数为：
其中，(x，y)表示搜索区域8像素点的坐标，(x′，y′)表示模板中像素的坐标，T(x′，y′)表示模板图像的灰度值，I(x′+x，y+y′)表示搜索区域8的灰度值。
进一步地，滑动模板滑动匹配形成的滑动窗口匹配跟踪方式，为了保证跟踪的精度，模板在搜索区域8进行滑动匹配时，此处将滑动步长设置为单个像素，以初始检测出的目标信息作为目标模板7，在均值移位算法获得的随动窗口的中心处选取较大的图像区域作为搜索区域8。
进一步地，船舶尾气目标自动识别算法包括数字红外图像预处理、阈值分割、区域连通等过程；船舶尾气目标稳定跟踪算法包括计算积相关系数及滑动窗口跟踪等过程。本发明基于热红外热像原理，利用船舶大气排放源(烟囱)与船身、水面背景在红外波段具有较高对比度的特性，通过红外成像进行排放源自动识别，借助高精度伺服控制轴转台6，能够实现对船舶大气排放源的长时间准确识别和稳定跟踪。
进一步地，针对图像的腐蚀和膨胀说明：
设输入图像为f(x，y)，b(x，y)是结构元素，数字图像处理中形态学操作的腐蚀、膨胀运算定义为：
1、腐蚀：用结构元素b对灰度图像f的腐蚀运算定义为fΘb,用公式表示为:
fΘb＝min{f(s+x，t+y)-b(x，y)|(s，t)∈Df，(x，y)∈Db} (1)
其中Df、Db分别为图像f和结构元素b的定义域。
腐蚀运算可以去除图像中的孤立噪声点和边界上的微小突起。腐蚀运算将会使输出图像趋向比输入图像暗。
2、膨胀：用结构元素b对灰度图像f的腐蚀运算定义为用公式表示为:
其中Df、Db同样为图像f和结构元素b的定义域。
膨胀运算可以填补空洞，上不平滑的凹坑部分。膨胀运算将会使输出图像趋向比输入图像亮。
由光学系统接受被测目标的红外辐射经光谱滤波将红外辐射能量分布图形反映到焦平面上的红外探测器阵列的各光敏元上，探测器将红外辐射能转换成电信号，由探测器偏置与前置放大的输入电路输出所需的放大信号，并注入到读出电路，以便进行多路传输。高密度、多功能的CMOS多路传输器的读出电路能够执行稠密的线阵和面阵红外焦平面阵列的信号积分、传输、处理和扫描输出，并进行A/D转换，以送入微机作视频图像处理。由于被测目标物体各部分的红外辐射的热像分布信号非常弱，缺少可见光图像那种层次和立体感，因而需进行一些图像亮度与对比度的控制、实际校正与伪彩色描绘等处理。经过处理的信号送入到视频信号形成部分进行D/A转换并形成标准的视频信号，最后通过电视屏或监视器显示被测目标的红外热像图。
自主研发的基于红外识别船舶尾气监测系统，主要基于热红外热像原理，利用船舶大气排放源(烟囱)与船身、水面背景在红外波段具有较高对比度的特性，通过红外成像进行排放源自动识别。借助高精度伺服控制转台，能够实现对船舶大气排放源的长时间准确识别和稳定跟踪。本发明通过光谱仪可实现红外辐射信号的采集，通过云台实现不同方位角和天顶角的观测，通过处理和软件控制系统5，能实现对于船舶排放烟羽的自动监测跟踪识别和报警；能很好的自动识别跟踪监测停泊、靠泊和航行中的船舶大气污染物排放；能适应在不同光照背景下，基于红外的船舶尾气排放监测系统对船舶热源的探测能力和对船舶烟羽都能进行持续的、稳定的跟踪监测。
以上的仅为本发明的较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明申请专利范围所作的等效变化，仍属本发明的保护范围。
Claims (10)
1.一种基于红外识别船舶尾气监测系统，其特征在于，包括红外热像仪、可见光相机、AIS船舶自动识别系统、测距终端和控制系统，控制系统分别与红外热像仪、可见光相机、AIS船舶自动识别系统和测距终端连接；控制系统通过红外热像仪采集船舶尾气目标的特性图像，并控制AIS船舶自动识别系统和测距终端对相应船舶目标进行监测和追踪，控制系统通过可见光相机采集直观图像，结合识别的船舶目标为用户提供是否识别跟踪正确直观效果图。
2.根据权利要求1所述的基于红外识别船舶尾气监测系统，其特征在于，控制系统通过cameralink接口图像采集卡与红外热像仪连接。
3.根据权利要求1所述的基于红外识别船舶尾气监测系统，其特征在于，所述的基于红外识别船舶尾气监测系统还包括轴转台和壳体，壳体设置于轴转台上，红外热像仪、可见光相机、AIS船舶自动识别系统和测距终端集成设置于壳体内。
4.根据权利要求1所述的基于红外识别船舶尾气监测系统，其特征在于，控制器通过船舶尾气目标自动识别算法从红外热像仪采集到的图像中识别出船舶尾气目标，再通过船舶尾气目标稳定跟踪算法结合AIS船舶自动识别系统和测距终端的测量信息追踪相应的船舶目标。
5.根据权利要求4所述的基于红外识别船舶尾气监测系统，其特征在于，所述的船舶尾气目标自动识别算法，包括以下步骤：
1)对红外热像仪采集到的图像进行预处理，得到抑制图像背景，保留微小目标的残差图像；
2)对残差图像进行阈值分割，若残差图像中像素值大于设定阈值，则判定为目标像素，否则为背景像素，从而得到相应的二值图像；
3)对二值图像的孤立点进行区域连通操作，得到分类后的船舶尾气潜在目标区域识别结果序列，对获得所有潜在目标区域，根据目标的尺寸信息进行判断，去除不满足尺度准则的潜在目标区域即可获得疑似目标的位置；
4)计算得到每个疑似目标区域的中心坐标，结合可见光相机采集到的可见光图像，得到的船舶目标；
5)根据船舶尾气排放基本都在船头或船尾或其他经验参数，加权得到最终尾气排放目标精确坐标。
6.根据权利要求4所述的基于红外识别船舶尾气监测系统，其特征在于，在所述的步骤1)中，图像预处理的具体过程为：对原始图像进行闭运算操作，过滤图像背景中的过暗异常点，使原始红外图像轮廓变得光滑，弥合狭窄的间断和细长的沟壑，消除小的孔洞，并填补轮廓线中的裂痕，达到一定程度的去噪效果，去除图像的低频背景信号，将图像中的高频信号区域作为目标区域。
7.根据权利要求4所述的基于红外识别船舶尾气监测系统，其特征在于，在所述的步骤2)中，阈值的选取公式为：
K＝m+kσ
其中m和σ分别为残差图像的均值和均方差，k取0.85-0.9。
8.根据权利要求4所述的基于红外识别船舶尾气监测系统，其特征在于，在所述的步骤3)中，对二值图像的孤立点进行区域连通操作，得到分类后的船舶尾气潜在目标区域识别结果序列：
[L,num]＝bwlabel(BW,n)
这里bwlabel即为区域连通函数，num返回的就是BW中连通区域的个数，得到一个和BW大小相同的L矩阵，包含了标记了BW中每个连通区域的类别标签，这些标签的值为1、2、…、num的连通区域的个数。
9.根据权利要求4所述的基于红外识别船舶尾气监测系统，其特征在于，船舶尾气目标稳定跟踪算法的具体过程为：首先选取搜索区域，然后把目标模板在搜索区域内进行滑动，计算积相关系数，取积相关系数最大位置处作为精跟踪的结果，同时更新目标模板，重复循环以上步骤持续跟踪船舶目标，形成积相关匹配跟踪流程。
10.根据权利要求4所述的基于红外识别船舶尾气监测系统，其特征在于，积相关系数为：
其中，(x，y)表示搜索区域像素点的坐标，(x′y′)表示模板中像素的坐标，T(x′，y′)表示模板图像的灰度值，I(x′+x，y+y′)表示搜索区域的灰度值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910750710.9A CN110517280B (zh) | 2019-08-14 | 2019-08-14 | 基于红外识别船舶尾气监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910750710.9A CN110517280B (zh) | 2019-08-14 | 2019-08-14 | 基于红外识别船舶尾气监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110517280A true CN110517280A (zh) | 2019-11-29 |
| CN110517280B CN110517280B (zh) | 2021-11-16 |
Family
ID=68625142
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910750710.9A Active CN110517280B (zh) | 2019-08-14 | 2019-08-14 | 基于红外识别船舶尾气监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110517280B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110988273A (zh) * | 2019-12-27 | 2020-04-10 | 长安大学 | 一种自动尾气检测装置 |
| CN112649570A (zh) * | 2020-12-11 | 2021-04-13 | 河海大学 | 基于红外热成像双视和超声波定位的尾气检测装置及方法 |
| CN113804680A (zh) * | 2021-08-26 | 2021-12-17 | 杭州春来科技有限公司 | 用于船闸的船舶尾气监测方法 |
| CN114324342A (zh) * | 2021-12-31 | 2022-04-12 | 苏州工图智能科技有限公司 | 一种船舶尾气污染监测装置及监测方法 |
| CN114414503A (zh) * | 2022-01-10 | 2022-04-29 | 武汉华信联创技术工程有限公司 | 潜在气体排放源检测方法、装置、设备及可读存储介质 |
| CN115222758A (zh) * | 2022-09-21 | 2022-10-21 | 北京九章星图科技有限公司 | 一种低分辨广域序列遥感影像船动目标实时检测算法 |
| CN116577324A (zh) * | 2023-01-30 | 2023-08-11 | 中国科学技术大学 | 一种对工业区污染源扫描成像的超光谱遥感系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001291185A (ja) * | 2000-04-05 | 2001-10-19 | Omron Corp | 計測システムおよび方法、並びに記録媒体 |
| CN1412541A (zh) * | 2001-10-08 | 2003-04-23 | 赵桂林 | 对汽车尾气进行实时检测用的红外激光检测系统和方法 |
| CN101726466A (zh) * | 2009-12-01 | 2010-06-09 | 康宇 | 多车道机动车尾气遥测装置 |
| CN101826157A (zh) * | 2010-04-28 | 2010-09-08 | 华中科技大学 | 一种地面静止目标实时识别跟踪方法 |
| CN106525726A (zh) * | 2016-11-24 | 2017-03-22 | 西安交通大学 | 一种基于被动红外成像的汽车尾气可视化实时监测装置 |
| CN108445162A (zh) * | 2018-05-17 | 2018-08-24 | 李颖 | 一种基于嵌入式的船舶尾气超标识别系统 |
| CN109145732A (zh) * | 2018-07-17 | 2019-01-04 | 东南大学 | 一种基于Gabor投影的黑烟车检测方法 |
| CN109636921A (zh) * | 2018-12-17 | 2019-04-16 | 武汉理工大学 | 基于云平台的智能视觉船舶感知系统以及数据处理方法 |
| CN208954336U (zh) * | 2018-11-20 | 2019-06-07 | 北京朗观视觉科技有限公司 | 黑烟车实时监测抓拍装置 |
-
2019
- 2019-08-14 CN CN201910750710.9A patent/CN110517280B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001291185A (ja) * | 2000-04-05 | 2001-10-19 | Omron Corp | 計測システムおよび方法、並びに記録媒体 |
| CN1412541A (zh) * | 2001-10-08 | 2003-04-23 | 赵桂林 | 对汽车尾气进行实时检测用的红外激光检测系统和方法 |
| CN101726466A (zh) * | 2009-12-01 | 2010-06-09 | 康宇 | 多车道机动车尾气遥测装置 |
| CN101826157A (zh) * | 2010-04-28 | 2010-09-08 | 华中科技大学 | 一种地面静止目标实时识别跟踪方法 |
| CN106525726A (zh) * | 2016-11-24 | 2017-03-22 | 西安交通大学 | 一种基于被动红外成像的汽车尾气可视化实时监测装置 |
| CN108445162A (zh) * | 2018-05-17 | 2018-08-24 | 李颖 | 一种基于嵌入式的船舶尾气超标识别系统 |
| CN109145732A (zh) * | 2018-07-17 | 2019-01-04 | 东南大学 | 一种基于Gabor投影的黑烟车检测方法 |
| CN208954336U (zh) * | 2018-11-20 | 2019-06-07 | 北京朗观视觉科技有限公司 | 黑烟车实时监测抓拍装置 |
| CN109636921A (zh) * | 2018-12-17 | 2019-04-16 | 武汉理工大学 | 基于云平台的智能视觉船舶感知系统以及数据处理方法 |
Non-Patent Citations (7)
| Title |
|---|
| PASI PYYKÖNEN 等: "Multi-camera-based smoke detection and traffic pollution analysis system", 《2016 IEEE 12TH INTERNATIONAL CONFERENCE ON INTELLIGENT COMPUTER COMMUNICATION AND PROCESSING》 * |
| SUPU XIU 等: "A Multi-Feature and Multi-Level Matching Algorithm Using Aerial Image and AIS for Vessel Identification", 《SENSORS》 * |
| 张超: "视频监控中的图像匹配和运动目标检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 文元桥 等: "基于AIS信息的船舶废气排放测度模型", 《中国航海》 * |
| 李承选 等: "国外舰载红外搜索跟踪系统", 《装备新锐》 * |
| 杨旭 等: "一种机载红外搜索跟踪系统多目标跟踪精度测试系统设计", 《电光与控制》 * |
| 郭宝龙 等主编: "《图像处理系统工程导论》", 31 July 2012, 西安电子科技大学出版社 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110988273A (zh) * | 2019-12-27 | 2020-04-10 | 长安大学 | 一种自动尾气检测装置 |
| CN112649570A (zh) * | 2020-12-11 | 2021-04-13 | 河海大学 | 基于红外热成像双视和超声波定位的尾气检测装置及方法 |
| CN113804680A (zh) * | 2021-08-26 | 2021-12-17 | 杭州春来科技有限公司 | 用于船闸的船舶尾气监测方法 |
| CN114324342A (zh) * | 2021-12-31 | 2022-04-12 | 苏州工图智能科技有限公司 | 一种船舶尾气污染监测装置及监测方法 |
| CN114414503A (zh) * | 2022-01-10 | 2022-04-29 | 武汉华信联创技术工程有限公司 | 潜在气体排放源检测方法、装置、设备及可读存储介质 |
| CN114414503B (zh) * | 2022-01-10 | 2024-05-07 | 武汉华信联创技术工程有限公司 | 潜在气体排放源检测方法、装置、设备及可读存储介质 |
| CN115222758A (zh) * | 2022-09-21 | 2022-10-21 | 北京九章星图科技有限公司 | 一种低分辨广域序列遥感影像船动目标实时检测算法 |
| CN115222758B (zh) * | 2022-09-21 | 2023-01-10 | 北京九章星图科技有限公司 | 一种低分辨广域序列遥感影像船动目标实时检测方法 |
| CN116577324A (zh) * | 2023-01-30 | 2023-08-11 | 中国科学技术大学 | 一种对工业区污染源扫描成像的超光谱遥感系统 |
| CN116577324B (zh) * | 2023-01-30 | 2024-09-24 | 中国科学技术大学 | 一种对工业区污染源扫描成像的超光谱遥感系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110517280B (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110517280A (zh) | 基于红外识别船舶尾气监测系统 | |
| CN111179334B (zh) | 基于多传感融合的海面小面积溢油区域检测系统及检测方法 | |
| KR102345873B1 (ko) | 해양관측 부이용 영상촬영 카메라를 이용한 파랑관측 방법 및 시스템 | |
| CN109215018A (zh) | 基于Canny算子和高斯形态学的船舶检测方法 | |
| CN111369516A (zh) | 基于红外图像识别的变压器套管发热缺陷检测方法 | |
| CN105225251A (zh) | 基于机器视觉的超视距海上运动目标快速识别与定位装置及方法 | |
| CN111476120A (zh) | 一种无人机智能船舶水尺识别方法及装置 | |
| Van den Broek et al. | Detection and classification of infrared decoys and small targets in a sea background | |
| Ji-yang et al. | A real-time on-board ship targets detection method for optical remote sensing satellite | |
| Li et al. | Vision-based target detection and positioning approach for underwater robots | |
| JP5021913B2 (ja) | 海上における対象物の捜索方法及びシステム並びに対象物の捜索方法を実行する記録媒体 | |
| CN110503634A (zh) | 基于图像自动识别的能见度测量方法 | |
| CN111291747B (zh) | 一种复杂场景下基于深度图的彩色小目标检测方法 | |
| CN108983194A (zh) | 一种基于地面监视雷达系统的目标提取及凝聚方法 | |
| CN112053341A (zh) | 一种基于光反射率和人工智能的合金材料的表面温度测量方法 | |
| Sumimoto et al. | Machine vision for detection of the rescue target in the marine casualty | |
| CN110610474A (zh) | 一种基于红外图像的太阳能板缺陷实时检测方法 | |
| CN109781259B (zh) | 一种图谱关联的精准测量空中运动小目标红外光谱的方法 | |
| JP2008107857A (ja) | 動体認識方法及び動体認識装置 | |
| Fan et al. | Double-threshold image segmentation method based on gray gradient | |
| CN113484864A (zh) | 面向无人艇的航海雷达与光电吊舱协同环境感知方法 | |
| CN112325790A (zh) | 一种激光挠度测量中激光光斑检测方法 | |
| JP2000353234A (ja) | 衛星画像からの海面抽出処理方法 | |
| CN109886133A (zh) | 一种基于光学遥感图像的船只检测方法及系统 | |
| CN117974792B (zh) | 基于视觉与ais数据协同训练的船舶目标检测定位方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |