智能船舶航行场景复杂度感知方法研究

为了解决智能船舶测试场景构建中的长尾问题并提高其测试效率，提出一种基于视觉图像的航行场景复杂度感知方法。本文从图像纹理特征分析出发，构建航行场景复杂度与特征指标之间的数学模型。首先，采用灰度共生矩阵对待测试图像信息进行特征提取，并利用能量、熵、对比度、逆差矩和相关性等多个参数组成特征向量。接着，提出利用集成学习AdaBoost网络模型进行船舶航行场景复杂度感知，即利用大量的图片对所提模型进行训练和学习，获得场景复杂度与各指标之间的非线性数据感知模型。通过在不同数据集上的不同方法进行对比，实验结果表明该感知模型能够真实的反应船舶航行场景的复杂程度，获得结果与人类视觉感知的结果基本一致，其对智能船舶自主航行场景设计与构建都具有的参考价值。