针对可见光学遥感图像港口舰船检测过程中,人造目标造成检测结果准确率低、虚警率高的问题,提出了一种基于边缘线梯度特征定位和聚合通道特征的舰船检测方法。基于多尺度多结构元素形态学滤波实现海陆分割;并结合遥感图像中港口的矩形形状特点,定义边缘梯度正切角和港口凹凸度特征以对港口进行定位,获取港口感兴趣区域集合。提取舰船目标的聚合通道特征,并通过聚合通道特征构建的样本训练库和AdaBoost算法完成分类器的训练,利用训练完成后的分类器完成舰船目标的最终判别确认。实验结果表明该算法相较于传统的HOG特征和Haar特征,检测效果良好,准确率和召回率得到较大的提升。

海面舰船目标的检测与识别对于海面监测与目标打击具有重要意义, 弱小舰船目标由于缺少纹理信息且易受到海面阴影、噪声等因素的影响, 使得目前常用的检测方法效果较差。基于通道分离与负值扩展对比敏感函数提出了的海面弱小舰船目标检测方法。该方法首先构建像素强度通道与噪声-边缘通道的多分辨图像尺度金字塔; 之后, 构建不同尺度空间下的负值扩展对比敏感度函数, 调制对应各位置的权重; 最后, 利用各空间尺度系数加权获得两通道视觉显著性图像, 通过通道差分处理实现了含噪图像中弱小舰船目标的快速检测。实验结果表明：与其他5种算法相比较, 提出的方法具有较高的检测准确率（97.30%）、召回率（84.71%）及综合评价指标（94.49%）, 同时具备较强的抗噪声能力, 适用于含噪海面光学遥感图像中弱小舰船的检测。

目标建模与特征信号仿真是雷达对目标进行探测与识别的重要前提和基础 针对宽带条件 下大型舰船目标的雷达特征信号难以进行实测和缩比测量的难点 采用面元法对目标的雷达散射截 面(RCS)进行了有效的预估 通过多频点 RCS 成像方法获得目标的一维距离像特征信号 给出了具 体建模和仿真计算的实例 并进行了详尽的结果分析

Introduction to Naval Architecture Fifth Edition Eric C. Tupper 现代船舶庞大而复杂，与其他运输方式不同，许多人不得不长期为人类提供住处 时期。他们在一个充满敌意的多变环境中工作它们对这种环境的反应可能是高度非线性的。设计建造高效的船只是非常困难的。多年来，这位海军架构师在设计中做了许多简化的假设以量化船舶的稳性、强度、航速等特性。船舶发展缓慢，从现有的做法作出重大改变很危险。计算必须使用诸如幻灯片规则。随着现代研究的发展，再加上计算机的大量增加权力，问题可以得到更彻底的解决。例如，一艘船的弹性体在不规则波中的响应可以考虑运动和非线性之间的相互作用。这需要很多时间对主题的理解更深，不可能涵盖所有方面这一主题在一卷中作了深入探讨。 这本书对海军的科学和艺术提供了广泛的欣赏建筑学用物理而不是数学来解释这个问题条款。这使我们对基本原则有了更清晰的理解涉及并应足以处理许多与海事有关的事项。对于海军架构师来说，它提供了构建的框架设计师、建设者或研究者所需要的更深层次的理解。

一种新型的舰船泵用机械密封 该文介绍了一种能使舰船用海水泵实现零泄漏，并在抽空状态下正常工作的新型集装式双端面机械密封。

针对海面背景舰船目标单一波段图像识别率低的问题, 提出了一种基于卷积神经网络(CNN)的融合识别方法。该方法提取可见光、中波红外和长波红外3个波段舰船目标特征进行融合识别。模型主要分为3个步骤：通过设计的6层CNN, 同时对三波段图像进行特征提取; 利用基于互信息的特征选择方法对串联的三波段特征向量按照重要性进行排序, 并按照图像清晰度评价指标选取固定长度的特征向量作为目标识别依据; 通过额外的2个全连接层和输出层进行回归训练。采用自建的三波段舰船图像数据库进行模型的训练和测试, 共包含6类目标, 5000余张图像。实验结果表明, 本文方法识别率达到84.5%, 与单波段识别方法相比有明显提升。

光学遥感图像中舰船检测，Matlab平台。可提取目标5个特征描述子。学习者可参考。

舰船3DMax模型，亲测可用！

针对以离散余弦变换为核心的人类视觉模型舰船检测算法受数据类型限制的问题（即 对复数类型的数据检测效果不好），该文提出了一种改进的人类视觉模型 SAR 图像舰船检测算法。该算法是以快速傅里叶变换代替离散余弦变换，将 SAR 图像从空间域变换到频率域。快速傅里叶变换对数据类型要求较低，只要求数据是离散的，并且运行效率更高。

舰船装备系统综合评估的理论与方法，吴晓平、汪玉著，文章中介绍了多种综合评估理论与方法