多尺度样本熵在水面舰船识别中的应用研究

多维最大熵模型及其在海岸和海洋工程中的应用研究多维最大熵模型及其在海岸和海洋工程中的应用研究引言：海岸和海洋工程是与海洋相关的工程学科，主要研究海岸环境、沿海地区的岸线演化、海洋工程建设等问题。

在这些研究中，需要处理大量复杂的数据，并进行概率分析和预测。

多维最大熵模型是一种统计学方法，通过最大熵原理将数据的各种可能的分布情况进行等概率推断，从而更好地应用于海岸和海洋工程中的数据分析和决策。

1. 多维最大熵模型的基本原理：多维最大熵模型是基于最大熵原理而发展起来的一种统计学习方法。

最大熵原理是由信息论中的熵概念引出的，它可以用来描述随机变量的不确定性，即最大化随机变量的不确定性。

多维最大熵模型将最大熵原理扩展到多维情况下，通过最大熵原理在多维空间中进行概率推断。

2. 多维最大熵模型的应用：2.1 海岸线演化模拟：海岸线演化是海岸和海洋工程领域的一个重要问题。

通过多维最大熵模型可以对海岸线演化进行模拟和预测。

首先，收集并分析海岸线演化的历史数据，确定演化的影响因素如海流、风力、潮汐等。

然后，利用多维最大熵模型建立这些影响因素与海岸线演化之间的概率分布关系。

最后，通过模型的推断和预测，可以辅助海岸线工程的规划和设计。

2.2 海洋环境保护：海洋环境保护是保护海洋生态系统、维护海洋生物多样性以及减少人类活动对海洋的负面影响的重要任务。

多维最大熵模型可以应用于海洋环境监测和预测中。

通过多维最大熵模型对海洋环境因素如水质、温度、盐度等进行分析和建模，可以预测海洋环境变化的趋势，并制定相应的保护策略。

2.3 海洋工程建设和设计：在海洋工程建设和设计中，需要对不同因素的相互作用进行分析和决策。

多维最大熵模型可以作为一种概率分析工具，帮助确定不同因素之间的关联程度，并进行概率预测。

通过多维最大熵模型，可以更科学地评估工程的稳定性和可行性，为工程建设和设计提供科学依据。

结论：多维最大熵模型是一种可靠的统计学方法，通过最大熵原理进行概率推断和预测。

多维最大熵模型及其在海岸和海洋工程中的应用研究多维最大熵模型及其在海岸和海洋工程中的应用研究引言：随着经济的发展和人口的增长，海洋资源的开发利用以及海岸和海洋工程领域的建设不断扩大，越来越多的人们开始关注如何有效地预测和管理海洋和海岸工程中的各种复杂问题。

多维最大熵模型，作为一种基于统计学原理和最优化方法的数据挖掘技术，已经在海岸和海洋工程中得到广泛应用。

本文旨在阐述多维最大熵模型的基本原理和方法，并深入探讨其在海岸和海洋工程中的应用研究。

一、多维最大熵模型的基本原理和方法多维最大熵模型是基于最大熵原理和条件最大熵原理的统计模型，通过最大化系统的不确定性和满足已知约束来对数据进行建模和预测。

最大熵原理认为，当我们对某个系统的知识有限时，应该选择满足已知条件的最均匀的概率分布。

在多维最大熵模型中，我们可以通过最小化训练数据的信息熵和最大化观测数据的期望来构建最优模型。

多维最大熵模型主要包括以下步骤：1）选择合适的特征函数和约束；2）确定特征函数的权重；3）通过迭代算法对模型进行优化；4）对模型进行预测。

二、多维最大熵模型在海岸和海洋工程中的应用1. 海岸泥沙输运预测海岸泥沙输运是海岸和海洋工程中一个重要的问题，对于海岸线的维护和海岸工程的设计具有重要意义。

然而，由于受到多种因素的影响，包括海洋水文、波浪、潮汐和风向等，海岸泥沙输运的预测一直是一个困难的问题。

多维最大熵模型可以结合多个特征函数来对泥沙输运进行建模，通过最大熵原理来构建最优的预测模型。

通过实际案例分析，发现多维最大熵模型在海岸泥沙输运预测中相比传统方法具有更高的预测准确性和稳定性。

2. 海洋水质评估海洋水质评估是保护海洋环境和促进可持续发展的重要任务之一。

通过收集和分析海洋水质数据，可以评估海洋生态系统的健康状况以及海洋生物多样性的丰富度。

多维最大熵模型可以通过最大熵原理和已知约束来对海洋水质数据进行建模和预测。

通过实际案例分析，发现多维最大熵模型在海洋水质评估中能够提供准确的预测结果，并能够识别出影响海洋水质的主要因素。

多尺度水上船舶目标视觉检测黄靖;汤宁;文元桥;郭玉滨;朱立夫;肖长诗【期刊名称】《哈尔滨工业大学学报》【年(卷),期】2024(56)5【摘要】水上交通场景环境复杂,通过普通光学摄像设备获取的水面图像,面临着视觉目标清晰度低、尺度多样化等问题,使得可见光视觉信号里中、小尺度目标检测相对困难。

为服务于各类智慧海事应用,提出了一个旨在提高复杂水域背景下多尺度水上船舶目标检测性能的算法(multi-scale ship object detection,MS-SOD)。

该算法基于当前计算机视觉技术中主流的单阶段目标检测模型框架,在其主干网络中嵌入卷积注意力模块,来优化船舶特征提取能力;在多尺度特征融合网络中引入富含细节信息的浅层特征,并使用跨阶段局部残差结构,来优化多尺度船舶特征的融合机制;同时,使用焦点损失函数,来优化模型的学习过程;并设计自适应锚框聚类算法优化先验锚框,以提高多尺度船舶目标检测能力。

为验证提出算法的有效性和实效性,在构建较大规模水上船舶目标数据集的基础上,开展了广泛实验验证。

结果表明:提出的算法在测试数据集上的检测准确度超过了各主流的对比方法;特别是对于大、中、小各尺度船舶目标的检测精度,相对于主流的YOLOv4算法,提出的算法分别提升了11.3%、6.0%和10.5%。

【总页数】11页(P103-113)【作者】黄靖;汤宁;文元桥;郭玉滨;朱立夫;肖长诗【作者单位】武汉理工大学计算机与人工智能学院;武汉理工大学国家水运安全工程技术研究中心;武汉理工大学智能交通系统研究中心【正文语种】中文【中图分类】TP399【相关文献】1.“引航家”国产智慧船舶交通管理系统——基于环境感知的水上目标检测与跟踪2.基于YOLOv5s的内河航道跨尺度船舶目标检测研究3.多尺度视觉感知融合的显著性目标检测4.融合视觉机制和多尺度特征的小目标检测算法5.基于多尺度视觉感知特征融合的显著目标检测方法因版权原因，仅展示原文概要，查看原文内容请购买。

文章编号：1671-7872(2024)01-0046-12郑近德，博士，教授，博士生导师，曾入选安徽省领军人才特聘教授、安徽省学术与技术带头人后备人选、安徽省青年皖江学者，目前担任中国振动工程学会故障诊断分会与动态测试分会与理事、安徽省振动工程学会理事、《振动与冲击》编委。

主要研究领域为动态信号处理、设备健康监测、故障诊断与智能运维等，近5年主持国家自然科学基金项目2项，安徽省教育厅杰青等课题7项；以第一作者或通信作者发表论文88篇，授权发明专利5项，出版学术专著1部。

2020—2023连续4年入选美国斯坦福大学发布的全球前2%顶尖科学家榜单。

荣获安徽省自然科学奖二等奖(R1)、安徽省科技进步二等奖(R6)和中国振动工程学会科技进步奖各1项(R1)。

潘海洋，博士，副教授，硕士生导师，研究领域包括模式识别、设备状态监测与故障诊断等，主持安徽省自然科学基金、安徽高校自然科学研究重点项目等8项，以第一作者或通信作者在国内外期刊发表SCI、EI论文52篇，参编机器学习与故障诊断方向学术专著2部，入选美国斯坦福大学发布的2022年度全球前2%顶尖科学家榜单。

刘庆运，博士，教授，博士生导师，现任安徽工业大学机械工程学院院长，曾任华东地区机械原理教学指导委员会理事、安徽省机械原理与机械设计研究会副理事长等。

主要研究领域为机器人设计与控制、设备智能运维等，主持国家重点研发计划子课题、国家技术创新工程试点安徽省专项资金项目子课题、安徽省科技重大专项计划等10余项，获安徽省科学技术一等奖和二等奖各1次、江苏省教育厅二等奖1次、安徽省科技成果1项、安徽省教育厅一等奖和二等奖各1次。

多尺度熵方法在机械故障诊断中的应用研究进展郑近德，姚殷柔，潘海洋，童靳于，刘庆运(安徽工业大学 机械工程学院, 安徽 马鞍山 243032)摘要：机械设备状态监测与故障诊断的关键是故障特征的表征与提取，采用基于熵及相关方法建立的非线性动力学指标能够提取蕴藏在振动信号中的非线性故障特征信息。

基于多尺度Harris算法的海上舰船目标检测
石桂名;索继东
【期刊名称】《电视技术》
【年(卷),期】2018(042)009
【摘要】海上舰船目标的检测具有重要的研究意义和实用价值,而复杂多变的海面情况使得舰船目标的检测面临一定的困难.为了更加准确的检测舰船目标,本文提出了一种改进的多尺度Harris角点检测算法.首先利用改进的Canny算法求出舰船边缘信息;然后对原图像采用Mean-Shift滤波器滤除海杂波;最后设计不同半径的自适应圆形模板进行非极大值抑制,引入Laplace空间因子使得Harris角点检测算法具备多尺度特性,用该方法对舰船目标的角点进行检测.实验结果表明,本算文法舰船目标的角点分布均匀、定位精度高,同时具有尺度不变性和旋转不变性.
【总页数】6页(P52-56,84)
【作者】石桂名;索继东
【作者单位】大连海事大学信息科学与技术学院,辽宁大连116026;大连科技学院电气工程学院,辽宁大连116052;大连海事大学信息科学与技术学院,辽宁大连116026
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于锥形尺度变换的弱小舰船目标检测 [J], 刘亚波;李亚超;邢孟道;保铮
2.基于Harri s算法的自适应双极性红外舰船目标检测 [J], 徐倩;陈咸志;罗镇宝;金代中;胡俊杰;曲锐
3.基于多尺度局部边缘梯度的红外舰船目标检测 [J], 邢莎;吉林;雍杨;龚涛;袁佳
4.高光谱遥感影像海上舰船目标检测算法的研究 [J], 路威;余旭初;马永刚;刘娟
5.基于舰船全景成像系统的海上目标检测算法 [J], 耿嘉;孙超
因版权原因，仅展示原文概要，查看原文内容请购买。

基于多尺度局部方差的海面红外舰船检测邹常文;冯力天;刘先志;戴军【摘要】方差可以表示局部区域中各像素之间的关系:一般情况下,不同的像素相同的邻域大小计算出的方差不同,相同的像素不同的邻域大小计算出的方差也不同.本文构造多尺度局部方差,来计算每个像素的方差随尺度变化的情况.目标像素与其邻域像素的方差随尺度变化大,背景像素与其邻域像素的方差随尺度变化小;最后运用行列投影求出方差变化大的像素作为检测结果.实验结果表明,本文算法可以有效减弱背景中各种干扰的影响,正确检测出红外图像中舰船目标的位置.%Variance can express the relationship among the pixels in a small area.Generally speaking,the variance of different pixel is different when the area size is same,and the variance of same pixel is different when the area size is different.In this paper,a Multi-scale Variance algorithm is proposed to compute the change of variances resulting from different scale.That change in the target is big and that change in the background is small.Finally,it uses rows and columns projection to find the big change as the target position.The experimental results show that the proposed algorithm is successful to suppress the noise and get the position of infrared warship target.【期刊名称】《激光与红外》【年(卷),期】2011(041)006【总页数】3页(P697-699)【关键词】红外舰船目标;目标检测;多尺度局部方差;行列投影【作者】邹常文;冯力天;刘先志;戴军【作者单位】西南技术物理研究所,四川成都,610041;西南技术物理研究所,四川成都,610041;西南技术物理研究所,四川成都,610041;西南技术物理研究所,四川成都,610041【正文语种】中文【中图分类】TP391海面红外舰船目标检测是一个研究热点，也是一个研究难点。

基于熵权TOPSIS法的舰船设计方案评估仝金强【摘要】舰船设计方案评估是衡量舰船设计方案优劣的重要手段.针对现有舰船设计方案评估中指标权重确定方面存在的不足,提出了一种新的熵权法和TOPSIS法相结合的舰船设计方案评估方法,建立了多层次的舰船设计方案评估指标体系.在此基础上,将熵权法与TOPSIS法理论相结合,建立了基于熵权TOPSIS法的舰船设计方案评估模型.通过评估实例验证了所建立的舰船设计方案评估模型是合理、有效的.%Evaluation of warship design scheme is an important measure to measure the merits of warship design scheme.A new evaluation method of warship design scheme based on entropy weight method and TOPSIS method is proposed to solve the shortcomings of index weight determination in existing ship design scheme evaluation.Based on the entropy weight method and TOPSIS method theory,the evaluation model of warship design scheme based on entropy TOPSIS method is established on the basis of the establishment of multi-level evaluation index system of warship design scheme.Finally,an example is given to demonstrate that the model of warship design scheme is reasonable and effective.【期刊名称】《实验室研究与探索》【年(卷),期】2018(037)001【总页数】4页(P9-12)【关键词】熵权;TOPSIS法;舰船设计方案;评估【作者】仝金强【作者单位】山东交通学院航海学院,山东威海264200【正文语种】中文【中图分类】U6620 引言舰船属于复杂的大系统，舰船的研制具有周期长、风险高、耗费大等特点。

现代电子技术Modern Electronics Technique2024年2月1日第47卷第3期Feb. 2024Vol. 47 No. 30 引 言近年来，随着海上交通的日益繁忙和军事安全的关注度提升，海上舰船信息的目标准确识别成为一个重要的课题。

传统的单一数据源识别方法在应对复杂海上环境和多样化数据源时存在一定的限制。

为了克服这些限制并提高舰船信息识别的准确性和鲁棒性，本文提出了一种基于深度学习和改进证据理论的海上多源舰船信息融合识别方法。

多源信息融合识别是指将来自不同传感器、同一目标的信息进行融合，然后根据融合的信息识别目标种类，其中融合方式包括数据级融合、特征融合和决策级融合[1]。

数据级融合一般以像素级融合为主，方法也比基于深度学习和改进证据理论的海上多源舰船信息融合识别方法任秉旺， 王肖霞， 吉琳娜， 杨风暴（中北大学 信息与通信工程学院， 山西 太原 030051）摘 要： 为了解决复杂环境下基于单一舰船信息进行目标识别准确率较低，以及多源舰船信息高冲突时无法有效融合识别的问题，提出一种基于深度学习和改进证据理论的海上多源舰船信息融合识别方法。

主要从两方面入手：首先利用深度学习高效特征学习能力实现更加准确的分类识别；然后通过改进的证据理论实现多证据体的高效正确融合。

高悖论证据融合实验结果表明，相比于其他融合方法，文中方法融合结果具有更高的概率分配值。

同时，在不同信噪比条件下对单模式识别以及文中融合识别方法进行测试，文中方法在噪声情况下仍能比单模式平均水平高出6.53%的识别性能。

因此，利用文中融合识别方法能够提高舰船目标识别系统的识别准确率和鲁棒性。

关键词： 改进D⁃S 证据理论； 深度学习； 信息融合； 目标识别； 舰船目标； 融合识别中图分类号： TN911.2⁃34； TP391.41； TP751 文献标识码： A 文章编号： 1004⁃373X （2024）03⁃0001⁃06Offshore multi⁃source ship information fusion recognition methodbased on deep learning and improved evidence theoryREN Bingwang, WANG Xiaoxia, JI Linna, YANG Fengbao(School of Information and Communication Engineering, North University of China, Taiyuan 030051, China)Abstract ： In view of the low target recognition accuracy based on single ship information in complex environment and ineffective fusion recognition of high ⁃conflict multi⁃source ship information, a method of offshore multi⁃source ship information fusion recognition method based on deep learning and improved evidence theory is proposed. This paper mainly starts from twoaspects. The deep learning efficient feature learning ability is used to carry out more accurate classification and identification. Then, the improved evidence theory is used to fuse the multiple evidence bodies efficiently and correctly. The results of high paradox evidence fusion have higher probability assignment value than those of the other fusion methods. In addition, under different SNR (signal to noise ratio) conditions, the single mode recognition method and the text fusion recognition method were tested. The recognition performance of the proposed method is still 6.53% higher than the average level of the single mode recognition method in the noise environment. Therefore, the proposed fusion recognition method can improve the accuracy and robustness of ship target recognition system.Keywords ： improved D ⁃S evidence theory; deep learning; information fusion; target recognition; ship target; fusionrecognitionDOI ：10.16652/j.issn.1004⁃373x.2024.03.001引用格式：任秉旺，王肖霞，吉琳娜，等.基于深度学习和改进证据理论的海上多源舰船信息融合识别方法[J].现代电子技术，2024，47（3）：1⁃6.收稿日期：2023⁃08⁃07 修回日期：2023⁃08⁃29基金项目：国家自然科学基金项目（61972363）1现代电子技术2024年第47卷较多，比如基于模型的方法[2]、基于多尺度分解的方法[3⁃4]等。

基于多尺度多特征视觉显著性的海面舰船检测丁鹏;张叶;贾平;常旭岭【期刊名称】《光学精密工程》【年(卷),期】2017(025)009【摘要】为了精确地检测到舰船目标,提出了一种基于多特征、多尺度视觉显著性的海面舰船目标检测方法.该方法首先利用多尺度自适应的顶帽算法抑制云层、油污的干扰,然后提取双颜色空间特征以及边缘特征构成双四元数图像进行舰船显著性检测.由于充分利用了双四元数图像,故可对多个特征尺度进行处理,并保证不同尺度特征之间关联性.该方法还利用人眼对不同用大小的图像关注目标不同的特点对图像进行上下采样以避免漏检和检测重叠.在得到显著图后利用自适应图像分割(OTSU)算法确定舰船所在的区域,并在原图上标定、提取舰船目标.在多种海面情况下进行了实验分析,结果表明:该算法可以排除多种干扰,精确地检测到舰船目标,真正率达97.73%,虚警率低至3.37%,相较于他频域显著性检测算法在舰船检测方面有明显的优势.【总页数】8页(P2461-2468)【作者】丁鹏;张叶;贾平;常旭岭【作者单位】中国科学院长春光学精密机械与物理研究所中科院航空光学成像与测量重点实验室,吉林长春130033;中国科学院大学 ,北京100049;中国科学院长春光学精密机械与物理研究所中科院航空光学成像与测量重点实验室,吉林长春130033;中国科学院长春光学精密机械与物理研究所中科院航空光学成像与测量重点实验室,吉林长春130033;中国科学院长春光学精密机械与物理研究所中科院航空光学成像与测量重点实验室,吉林长春130033【正文语种】中文【中图分类】TP391.4;U675.79【相关文献】1.基于视觉显著性的无监督海面舰船检测与识别 [J], 徐芳;刘晶红;曾冬冬;王宣2.基于视觉显著性的海面舰船检测技术 [J], 丁鹏;张叶;贾平;常旭岭;刘让3.基于多尺度局部方差的海面红外舰船检测 [J], 邹常文;冯力天;刘先志;戴军4.基于视觉显著性的高分辨率遥感影像舰船检测 [J], 叶秋果;闸旋;李海滨5.基于视觉显著性的SAR遥感图像NanoDet舰船检测方法 [J], 刘方坚;李媛因版权原因，仅展示原文概要，查看原文内容请购买。

基于熵理论的海上航标系统效能研究作者：宋绍珍韩毅孔超李建民王中冉来源：《上海海事大学学报》2022年第02期摘要：為找到合理的航标效能评价方法，考虑影响航标效能发挥因素的多样性和复杂性，以航标、人、环境和管理为要素，基于系统工程学构建海上航标系统。

充分考虑系统的复杂性和不确定性，从熵理论和耗散结构理论出发研究系统的安全性与稳定性，绘制系统熵流机理图，建立安全熵评价模型，剖析系统安全性与系统效能间的关系。

构建海上航标系统评价指标体系，获得系统效能熵值四边形，进而判断影响系统效能正常发挥的指标。

通过实际工作进行验证，结果表明，该模型能有效处理评价指标的主观性和模糊性，进而提高评价的客观性和准确性，可用于海上航标系统效能评价。

关键词：海上航标; 航标效能; 熵理论; 耗散结构理论; 系统安全熵中图分类号： U644.8文献标志码： AEfficiency study of system for marine aids to navigationbased on entropy theoryAbstract： In order to find a reasonable method to evaluate the efficiency of marine aids to navigation （AtoN）， considering the diversity and complexity of factors influencing AtoN efficiency， the marine AtoN system is constructed based on the system engineering with AtoN，people， environment and management as the elements. Taking into the consideration of the complexity and uncertainty of the system， the safety and stability of the system are studied based on the entropy theory and the dissipative structure theory， the diagram for the system entropy flow mechanism is drawn， and the safety entropy evaluation model is built to reveal the relationship between system safety and system efficiency. The evaluation index system of the marine AtoN system is established. The entropy quadrangle of the system efficiency is obtained so as to judge the indices influencing the normal performance of the system. Tested by practical work， it proves that， the model can effectively deal with the subjectivity and fuzziness of the evaluation indices， and then improve the objectivity and accuracy of the evaluation， which can be used for the efficiency evaluation of the marine AtoN system.Key words： marine aids to navigation; efficiency of aids to navigation; entropy theory; dissipative structure theory; system safety entropy引言水上航标是指供船舶定位、导航或者用于其他专用目的的助航设施，包括视觉航标、无线电导航设施和音响航标。

基于层次化深度网络的多尺度遥感图像舰船检测技术
近年来，随着遥感技术的不断发展和深度学习的广泛应用，舰船检测技术在军事和民用领域中起着重要作用。

针对多尺度遥感图像中舰船检测问题，本文提出了一种基于层次化深度网络的舰船检测技术。

首先，我们对多尺度遥感图像进行预处理，包括图像增强、尺寸归一化等。

然后，我们构建了一个层次化深度网络模型，该模型由多个子网络组成，每个子网络专门负责不同尺度的特征提取。

通过这种方式，我们能够有效地捕捉到不同尺度下的舰船目标信息。

在网络训练阶段，我们采用了大规模的舰船目标数据集进行训练，以提高模型的泛化能力和检测精度。

为了进一步优化模型性能，我们引入了目标形状信息和上下文信息，以提高目标定位的准确性和稳定性。

此外，我们还使用了目标估计和目标跟踪算法，以提高舰船检测的实时性和鲁棒性。

实验结果表明，我们提出的基于层次化深度网络的舰船检测技术在多尺度遥感图像中取得了较好的性能。

与传统的方法相比，我们的方法在舰船目标检测精度和定位准确性方面有了显著提升。

此外，我们的方法还具有较好的实时性和鲁棒性，适用于各种复杂环境下的舰船检测任务。

总之，本文提出了一种基于层次化深度网络的多尺度遥感图像舰船检测技术。

该方法通过层次化结构和多尺度特征提取，能够有效地检测多尺度遥感图像中的舰船目标。

实验结果表明，我们的方法在舰船检测精度、定位准确性、实时性和鲁棒性等方面都取得了较好的性能，具有广泛的应用前景。

基于统计熵的海面目标检测方法海面目标检测，说白了就是通过一些智能的技术手段，帮助我们在浩渺的大海上找到那些我们感兴趣的东西。

你别看海洋宽广，起初是觉得啥都可以不管，结果，真要在海上找到个小目标可不容易。

你瞧，这就像你在沙滩上找个丢了的耳环，海面上五光十色，啥都有，怎么才能一眼就看到那些咱们想要的东西呢？这个问题，不是说让你看清楚目标就行，而是要从一大堆乱七八糟的东西中辨识出那一点点微弱的信号。

就像是你从一群人里面找你朋友，最考验的是眼力和敏锐的感觉。

再说到这“统计熵”，这个名字听着就很高深，其实也没那么难懂。

你可以把它想象成一个“混乱度”的量度。

就像你看一个街头的热闹场面，周围人来人往，声音嘈杂。

你能从这个场景里找到什么线索？你觉得越乱、越杂的地方，信息越多，越难区分。

相反，如果一切都井然有序，秩序明确，那不就是信息极其清晰，目标也很容易找到了吧？统计熵，讲的就是这件事。

它告诉你，海面上的场景是不是那么“乱”，信息是否丰富。

我们用它来帮助我们筛选海面上的杂乱信号，把那些“噪音”去掉，剩下的就是值得关注的目标。

不过，别看这方法简单，背后可是大有学问。

你要知道，海面上的目标可不只是船只这么简单。

你想象一下，海面上漂着一堆泡沫、树枝、塑料袋……各种各样的“伪装者”看起来就像是目标。

我们就是要通过这统计熵来搞清楚，哪个是真正的目标，哪个是纯粹的杂乱。

通过不断分析这些海面影像的“熵”，我们可以判定某个地方是不是有目标存在，从而高效地将真正的目标从这些“干扰项”中找出来。

这时候，就得说到“目标检测”了。

海面目标检测不仅仅是“发现”目标那么简单，更要“识别”目标，确认它是不是我们真正需要的对象。

别看它名字好像很简单，这事儿可比你想的复杂多了。

想要做得好，咱们得对目标的特征有一定的了解。

目标可能是船只、浮标，也可能是其他各种形态的漂浮物，它们在水面上呈现的形态和颜色都各不相同。

通过统计熵的计算，我们能抓住它们独特的“混乱度”特征，从而得以分辨。

2019-12-10http://www. joca. cnJournal of Computer Applications 计算机应用,2019, 39( 12): 3691 -3696ISSN 1001-9081CODEN JYIIDU文章编号：1001-9081 (2019) 12-3691-06DOI ：10.11772/j. issn. 1001-9081.2019050896基于多尺度卷积的船舶行为识别方法王立林，刘俊(通信信息传输与融合技术国防重点学科实验室(杭州电子科技大学),浙江杭州310018)(*通信作者电子邮箱gutlj@ 163. com)摘要:针对复杂海洋环境下人工监管船舶行为效率低的问题，提出了一种基于多尺度卷积神经网络的船舶行为识别方法。

首先,从船舶自动识别系统(AIS)中获取海量船舶行驶数据，并提取出具有判别力的船舶行为轨迹；然后,根据轨迹数据的特性，利用多尺度卷积设计并实现了针对船舶轨迹数据的行为识别网络，并且使用特征通道加权以及长短时记忆网络(LSTM)来提高算法的准确率。

在船舶行为数据集上的实验结果表明，对于指定长度的船舶轨迹，所提识别网络能够达到92.1%的识别准确率，相较于传统的卷积神经网络提高了 5.9个百分点，并且在稳定性以及收敛速度上都有明显提升。

该方法能够有效地提高船舶行为的识别精度，为海洋监管部门提供高效的技术支持。

关键词:深度学习；行为识别；多尺度卷积；长短期记忆网络；海上交通中图分类号：TP391.4文献标志码:AShip behavior recognition method based on multi-scale convolutionWANG Lilin, LIU Jun*(Fundamental Science on Communication Information Transmission and Fusion Technology Laboratory(Hangzhou Dianzi University), Hangzhou Zhejiang 310018, China)Abstract ： The ship behavior recognition by human supervision in complex marine environment is inefficient. In order tosolve the problem, a new ship behavior recognition method based on multi-scale convolutional neural network was proposed.Firstly, massive ship driving data were obtained from the Automatic Identification System (AIS), and the discriminative shipbehavior trajectories were extracted. Secondly, according to the characteristics of the trajectory data, the behavior recognitionnetwork for ship trajectory data was designed and implemented by multi-scale convolution, and the feature channel weighting and Long Short-Term Memory network (LSTM) were used to improve the accuracy of algorithm. The experimental results onship behavior dataset show that, the proposed recognition network can achieve 92. 1% recognition accuracy for the ship trajectories with specific length, which is 5. 9 percentage points higher than that of the traditional convolutional neuralnetwork. In addition, the stability and convergence speed of the proposed network are significantly improved. The proposed method can eflectively improve the ship behavior recognition accuracy, and provide efficient technical support for the marineregulatory authority.Key words ： deep learning; behavior recognition; multi-scale convolution; Long Short-Term Memory network (LSTM);maritime traffic0引言我国拥有丰富的海洋资源与港口资源,随着人们对海洋资源的进一步开发和利用,各类船舶数量日益增加，海上交通活动日益频繁,存在着各种船舶进行非法活动的行为,包括走 私、非法移民、非法捕鱼等。

一种多尺度分形的舰船目标检测方法
张东晓;何四华;杨绍清
【期刊名称】《激光与红外》
【年(卷),期】2009(39)3
【摘要】阐述了图像分形维和多尺度分形特征的概念,提出了一种多尺度分形目标检测方法.实验证明,自然背景与人造目标所在区域的多尺度分形特征差别非常明显.对于舰船目标检测,给出方法的检测结果稳定,优于边缘检测、阈值分割和单一分形维检测的结果,是一种非常有前途的方法.
【总页数】4页(P315-318)
【作者】张东晓;何四华;杨绍清
【作者单位】西安电子科技大学,陕西西安710071;海军大连舰艇学院航海系,辽宁大连116018;海军大连舰艇学院信息与通信工程系,辽宁大连116018
【正文语种】中文
【中图分类】TP751
【相关文献】
1.一种基于广义多尺度分形参数的图像边缘检测方法 [J], 薛东辉
2.基于多尺度分形与均值漂移的红外海面舰船目标分割 [J], 邹常文;刘先志;戴军;严发宝
3.一种基于广义多尺度分形参数的小目标检测方法 [J], 薛东辉;朱耀庭
4.一种多尺度分形特征目标检测方法 [J], 汪国有;张天序;魏洛刚;桑农
5.一种基于多尺度分形新特征的目标检测方法 [J], 魏颖;佟国峰;史泽林;于海斌
因版权原因，仅展示原文概要，查看原文内容请购买。