无人船运行轨迹图像细化分割方法

为了提高对无人船运行轨迹的规划和识别能力,需要对运行轨迹图像进行细化分割,提出一种基于块匹配和边缘轮廓特征分割的无人船运行轨迹图像的细化分割方法。对采集的无人船运行轨迹灰度图像进行模板分块处理,对分块图像进行二值化分离,采用小波分解方法进行图像的边缘轮廓特征分解和尺度融合,结合统计特征重构方法进行运行轨迹的自适应信息增强,以增强后的轨迹图像为模板进行轮廓套索,实现轨迹图像的边缘轮廓特征提取,在分块图像中以边缘轮廓特征为基准线,实现无人船运行轨迹图像的细化分割。仿真结果表明,该方法进行无人船运行轨迹图像分割的特征分辨力较好,分割精度较高,挺高了图像的输出辨识能力。     

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。     

自适应阈值法的舰船图像自动分割

图像分割是视觉检测领域中的重要环节。由于舰船环境和图像数据的复杂性,现阶段舰船图像自动分割技术中的抗光照性能差、精度低以及边缘模糊等问题仍普遍存在。如何有效完成对舰船图像进行自动分割成为一大难题。为了有效解决上述问题,对当前图像分割方法进行深入的研究和调查,提出通过自适应阈值法的舰船图像自动分割方法,在总结和分析了现有自适应阈值分割算法存在的优点和局限性后,给出了自适应阈值图像分割法的改进方案,以便从复杂的舰船图像背景中分离出目标区域,有效解决当前图像分割技术中光照不均匀、边缘模糊等问题。为验证方法有效性进行了仿真实验,实验结果证实该方法性能效果相对较好,充分满足对复杂舰船图像进行分割的设计目标。     

VR技术在船舶舱室三维图像重建中的应用

为了实现对船舱舱室的三维视景重构,提出基于VR技术的舱室三维图像重建技术,采用锐化模板匹配动态增强技术和帧点扫描技术,实现对船舱室的三维立体图像扫描和特征提取,结合像素匹配模型和滤波抑制方法,实现三维图像的不规则点滤波和修正处理。通过光场边缘轮廓检测和模板分块融合匹配,结合VR视景重建技术,实现对舱室的三维图像重建。仿真结果表明,采用该方法进行舱室三维图像重建,有效解决舱物理结构复杂导致的结构不规则和空间表达能力不好的问题,具有很好的视景重构性能。     

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。     

有效保留图像细节的自适应图像消噪方法

采用小波图像降噪方法容易去除图像的边缘细节特征,导致关键信息丢失,提出一种有效保留图像细节的自适应图像消噪方法。采用局部二值拟合方法对图像进行二值化处理,提取图像的边缘轮廓特征并进行多尺度分割,采用局部区域梯度模特征匹配方法调整邻域的大小,对图像进行全局分割,从而有效保留了图像的细节特征,在此基础上利用变尺度的小波降噪方法实现图像自适应降噪。仿真结果表明,采用该方法进行图像消噪能有效保留图像细节特征,图像消噪输出的峰值信噪比较高,说明图像质量较好,性能优越。     

图像目标识别之实现

为解决当前流行的巡航导弹图像目标识别及瞄准技术，主要采用了分割和归一化技术。分割是很关键的一个步骤，归一化采用了坐标平移及图像缩小技术。归一化是为使图像具有可比性。由于采用了归一化，图像目标识别具有很高的准确性。此外还采用了逐步改变标准和目标图像比值，最后使两者相同及模板匹配技术。     

遗传算法和活动轮廓波模型的船舶图像分割研究

针对传统的边缘检测法、聚类分割法存在分割边界不完整而导致分割结果不理想问题,提出遗传算法和活动轮廓波模型的船舶图像分割研究。构建能量函数,引导轮廓线朝着目标边缘方向移动。结合遗传算法中交叉和变异操作,优化活动轮廓波模型参数,避免出现水平集正则项不能及时更新问题。在新的轮廓波模型中增加水平集正则项,构建水平集函数演化方程,获取窄带内像素数据对应的水平集函数,分割边缘。对数据结构初始化处理,标记像素链表,设计船舶图像详细分割流程。由实验结果可知,该方法分割图像特征匹配最高精准度为0.98,分割后的图像与原始图像清晰度一致,且细节保留完整。     

主动形状模型中的一种基于概率主成分分析的对应点搜索方法

主动形状模型是一种以迭代的方式形变以匹配新图像中的目标实例的统计形状模型,它的关键是如何搜索形状模型标记点的对应点.本文提出一种新颖的采用概率主成分分析的主动形状模型的对应点搜索方法.该方法是一种基于灰度图像的对应点搜索算法,不需要对原图像进行边缘提取.在江面船舶目标的主动形状跟踪实验中,采用该方法能较准确地搜索到对应点.     

基于图像分割的船舶吃水深度检测方法

针对传统的船舶吃水深度检测方法精准度低的情况,提出基于图像分割的船舶吃水深度检测方法。以得到精准的舰船吃水值为出发点,采集舰船吃水图像,并进行动态模板匹配,减少舰船晃动对吃水深度检测的影响,在此基础上,对船舶水尺图像字符进行校正,计算吃水线位置,得到舰船吃水深度,以此实现船舶吃水深度检测。实验对比结果表明,此次设计的基于图像分割的船舶吃水深度检测方法比传统的吃水深度检测精准度高,具有一定的实际应用意义。     

边缘检测算子在车牌区域检测中的改进

针对车牌图像分割提取这一问题,在传统边缘检测算子基础上,根据模板排列规律,建立矩阵变换关系,提出一种改进算法。经实验证明,将改进算法应用在复杂环境所拍摄的车牌图像处理中,较好的平滑了噪声,边缘检测轮廓清晰,处理时间显著缩短。通过实例,给出了采用改进的算法对车牌图像进行边缘提取的效果。     

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。     

基于多特征点的船舶焊缝图像缺陷识别技术

现有船舶焊缝图像缺陷识别技术存在着缺陷边缘定位功能差、缺陷识别效率低的缺陷。为了解决上述问题,基于多特征点研究船舶焊缝图像缺陷识别技术。以获取的船舶焊缝图像为基础,采用图像分割方法提取焊缝图像缺陷,通过锐化处理增强缺陷边缘信息,利用数学形态法提取缺陷边缘。以得到的缺陷边缘信息为依据,通过标度转换算法计算多特征点参数,实现船舶焊缝图像缺陷的识别。实验结果表明,与现有船舶焊缝图像缺陷识别技术相比,提出的船舶焊缝图像缺陷识别技术极大提升了缺陷边缘定位功能与缺陷识别效率,说明提出的船舶焊缝图像缺陷识别技术具备更好的识别性能。     

数学形态滤波的图像边缘检测

图像边缘检测是图像中目标识别和分类的基础,针对当前图像边缘检测算法存在易受噪声影响、检测边缘不完整、检测精度低等不足,设计了基于数学形态滤波的图像边缘检测算法。首先采集待检测边缘的图像,并采用小波变换对其进行去噪声处理,减少噪声对边检测结果的干扰,然后采用数学形态滤波方法对图像的边缘进行检测,最后进行图像边缘检测的验证性实验,并与其他算法进行了对比测试,结果表明本文算法可以抑制噪声对图像边缘检测结果的影响,得到十分完整的图像边缘,而且图像边缘检测的整体效果显著优于对比算法。     

基于神经网络的船舶红外图像边缘检测方法

本文提出一种基于卷积神经网络的船舶红外图像边缘检测方法。首先,介绍船舶红外探测技术的基本原理,针对船舶红外图像的预处理进行研究,包括灰度的均衡化、红外图像的背景抑制、图像分割等。设计了一个基于卷积神经网络的红外图像边缘检测模型,该模型采用多层卷积和池化操作,以及非线性激活函数,能够有效地捕捉图像中的边缘信息。最后,通过对模型进行训练和优化,得到了准确度较高的船舶红外图像探测算法,为后续船舶的目标识别和跟踪提供了有效的基础。     

基于神经网络和多特征的船舶图像自动分割算法

当前图像分割算法存在分割错误率高、分割速度无法满足实际应用要求的缺陷,为了提高图像分割的精度和速度,设计了基于神经网络和多特征的图像自动分割算法。首先分析当前国内外图像分割算法的研究进展,找到引起当前图像分割局限性的因素,然后从图像中提取描述不同目标特征,并选择部分最有效特征组合成为图像分割的特征集合,最后采用神经网络对图像的不同区域进行建模和分类,实现图像分割,并与其他图像分割算法进行优越性对比测试。结果表明,神经网络和多特征的图像分割错误率低,图像分割精度超过95%,图像分割平均值时间要少于对比图像分割算法,图像分割速度更快。     

基于遥感图像的舰船运行信息提取方法

舰船运行过程体系复杂,通过对舰船运行信息提取,实现对舰船的实时状态监测,提出基于遥感图像的舰船运行信息提取方法。采用遥感探测方法进行舰船运行的图像采集,对采集的舰船遥感图像进行级联小波降噪处理,采用模板匹配方法进行舰船运行遥感图像的分块融合,实现运行状态特征量的图像反馈识别。根据对遥感图像的边缘轮廓检测结果进行舰船运行状态的实时监测和信息提取,提高舰船运行状态的可视化量化分析能力。仿真结果表明,采用该方法进行舰船运行信息提取能准确检测到舰船的运行特征信息,输出图像的信噪比较高,舰船运行状态的视觉监测性能较好。     

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。     

基于图像检测的船舶特征分割与提取优化算法

船舶图像特征分割和提取算法是图像检测领域中的基础工作。由于船舶航运环境和船舶自身结构组成相对复杂,船舶图像的全自动分割方法在图像检测过程中经常出现边缘模糊、准确性低等问题。因此提出基于图像检测的船舶特征分割与提取优化算法,结合免疫算法获取更多图像特征信息,达到快速、准确的对船舶图像特征进行提取和分割的目的。为验证算法的准确性进行仿真实验,结合船舶区域图像对图像边界特征进行提取和分割,并与传统方法进行比较。实验结果证明基于图像检测的船舶特征分割与提取优化算法可以有效达到特征融合、全局最优、算法效率高等优良特性,使图像具有更强的实用性。     

图像分割在工件图像视觉检测中的应用

在介绍图像分割的主要特征的基础上,分析了目前几种典型图像分割方法。针对工件图像视觉检测中图像分割特点,提出了将边缘检测和域值分割方法相结合来分割工件图像的一种新方法,并开发了相应的软件。实验验证该方法用于工件图像测量,能很好消除图像噪声,得到连续的图像边界,并且定位较准,可以有效地提高检测系统的精度。