基于先验知识模型的舰船图像自动分割方法

当前舰船图像分割算法的错误率水平过高,易引起分割精度与分割速度的不断下降,为解决此问题,提出基于先验知识模型的舰船图像自动分割方法。通过统计舰船图像复原概率的方式,确定必要的复原质量评价指标,实现基于先验知识模型的舰船图像复原处理。在此基础上,分析先验知识模型的分割原理,借助待选取的图像特征信息,定义模糊分割集概念,实现先验知识模型舰船图像自动分割方法的顺利应用。对比实验结果表明,与神经网络型分割技术相比,先验知识模型支持下舰船图像自动分割方法的错误率水平得到有效控制,能够较好解决分割精度低、分割速度慢的原始遗留问题。     

模糊聚类算法在船舶图像分割中的应用

传统船舶图像分割方法存在分割误差大,抗噪声干扰能力差、分割效率低等缺陷,为了解决传统船舶图像分割方法存在的不足,设计了基于模糊聚类算法的船舶图像分割方法。首先对当前船舶图像分割研究进展进行分析,指出不同传统船舶图像分割方法存在的局限性,然后对船舶图像进行去噪处理,提高船舶图像质量,改善抗噪声干扰能力,最后引入模糊聚类算法进行船舶图像分割,并采用多幅标准船舶图像与传统船舶图像分割方法进行对比测试。测试结果表明,本文方法可以对船舶图像进行高精度的准确分割,能够保留船舶图像边缘的重要信息,船舶图像分割速度可以满足实际应用的要求,获得了比传统船舶图像分割方法更优的结果,具有更加广泛的应用范围。     

基于检测数据的钢筋混凝土氯离子侵蚀寿命预测

在对已建多年的钢筋混凝土码头结构检测的基础上,通过分析海工混凝土强度的经时变化,使用混凝土的检测强度值来估计其水灰比;通过检测数据获得能够体现混凝土构件差异性的扩散系数变化的综合系数;使用经检测数据拟合得到的表观表面氯离子浓度进行混凝土氯离子侵蚀寿命计算。最后使用某一码头检测数据,预测该码头氯离子侵蚀剩余寿命。     

基于BIM技术的装配式高桩码头设计计算一体化研究

高桩梁板式码头作为当前应用最为广泛的码头结构形式之一,在设计和施工中存在结构复杂、体量大、工期长等问题。对装配式高桩码头开展基于BIM技术的设计计算一体化研究,利用Autodesk Revit API接口二次开发一套装配式高桩码头数字化设计插件,实现Revit平台中的装配式高桩码头结构快速设计建模,并利用Revit平台与Robot Structural Analysis计算软件的交互技术,将码头结构模型导入Robot软件中进行结构计算,从而实现装配式高桩码头设计计算一体化流程,提高设计质量和效率,提升码头装配化技术。     

基于分形理论和二次分割的图像裂缝特征提取方法与应用

在役跨海桥梁、港口工程等的服役环境恶劣，多数情况下采集到的裂缝图像背景复杂、噪声干扰较多。为了克服现有技术存在的不足，提出一种基于分形理论和二次分割的图像裂缝特征提取方法。该方法采用分形参数作为裂缝图像的特征参数，能优先抑制裂缝图像中产生干扰过多的问题，有效克服灰度不均匀、噪声块多和背景复杂的干扰因素，同时基于二次分割理论，结合两种不同的算法特点，利用粗分割排除干扰区域，利用细分割对目标区域内裂缝精准分割，实现混凝土结构裂缝目标准确有效的提取，具有更好的分割效果。     

深度卷积网络的舰船图像自动分割研究

当前舰船图像自动分割方法存在"过分割"或者"欠分割"现象,使得舰船图像自动分割误差大。为了提高舰船图像自动分割精度,提出了基于深度卷积网络的舰船图像自动分割方法。对当前舰船图像自动分割的研究现状进行分析,找到引起舰船图像分割误差的原因。采用活动轮廓模型对舰船图像进行粗分割,并找到其中的舰船图像错误分割区域。最后,采用深度卷积网络对舰船图像的错误分割结果进行校正,实现舰船图像进行精细分割,并与活动轮廓模型的舰船图像自动分割方法进行了对比实验。结果表明,相对于活动轮廓模型,深度卷积网络的舰船图像分割精度更高,降低了舰船图像的误分割率,验证了本文舰船图像自动分割方法的优越性。     

基于Nystr?m逼近聚类图像分割算法的研究

针对当前传统的图像分割方法存在计算过程复杂,执行效率不高的问题,论文引入图像分割、聚类分割理论作为研究的理论基础,通过构造图像的余弦相似度矩阵对图像进行预处理,在传统的谱聚类算法的基础上,通过谱分解求解特征值和对应的特征向量,建立并描述Nystr?m逼近聚类图像分割算法模型,利用聚类算法对样本集合进行聚类,得到图像的分割的结果。通过时效性和有效性的模型检验,得到该模型具有效率高、简单和模拟性好的结论。分别将模型用于货车发动机故障检测和车辆车牌识别的实际应用中,得到该模型在现实应用中皆能够发挥图像分割作用和意义。该文的研究为故障检测等交通领域,以及其他用于图像分割的领域打下了理论基础和实践依据。     

基于目标监督的先验形状level set模型分割心脏MR图像

提出一种基于目标监督的先验形状level set模型分割心脏MR图像的方法。该方法先根据目标灰度的特征生成特征图像,使得特征图像目标区域灰度趋于一致,再在特征图像的基础上利用先验形状信息的水平集模型对目标进行分割。实验结果表明,该方法能够有效地分割心脏MRI图像。     

Hough变换的舰船图像自动分割

随船舶航行距离的延长,现有图像分割方法由于分割错误率过高的问题,易导致分割精度与分割速度值的持续下降,基于此提出Hough变换理论支持下的舰船图像自动分割方法。利用图像特征提取值,选择适宜的图像处理区域,实现Hough变换的舰船图像目标检测。在此基础上,对舰船图像进行预处理,通过设定分割阈值的方式,计算得到准确的粗分割系数,实现Hough变换舰船图像自动分割方法的顺利应用。对比实验结果表明,与现有图像分割方法相比,Hough变换分割方法的实际分割错误率数值水平更低,可有效解决因船舶航行距离延长而出现的分割精度值与分割速度值持续下降的问题。     

稀疏表示和判别性字典学习的舰船图像自动分割算法

现有舰船图像自动分割算法存在着分割准确率低的问题,故提出稀疏表示和判别性字典学习的舰船图像自动分割算法研究。为了降低图像分割计算难度,通过图像插值、坐标转换、互信息计算配准获取的舰船图像,以此为基础,提取配准图像的灰度与梯度特征,并转换为列向量构成训练样本集,构建判别性字典学习模型,通过模型求解获取舰船图像稀疏表示,判断像素点所在区域,实现了舰船图像的自动分割。仿真实验结果显示:在自变量图像数量与图像块尺度背景下,与现有算法相比较,提出算法舰船图像分割准确率较高,充分表明提出算法图像分割效果更好。