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。     

基于图像分割的舰船吃水深度检测方法研究

吃水深度是检测大型集装箱船货物运输安全性的重要指标,目前对舰船吃水深度的检测主要采用人工水尺检测,这种检测方法存在精度差、工人劳动强度高等缺点。本文利用计算机视觉技术,结合舰船吃水状态的图像分割处理和图像形态学分析,设计一种新型的舰船吃水深度自动化检测系统,并对该系统的吃水深度识别原理和流程进行介绍。     

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。     

基于大数据的舰船红外图像目标实时跟踪方法

舰船红外图像目标实时跟踪具有重要的研究意义,针对当前舰船红外图像目标实时跟踪算法存在的易丢失跟踪目标、目标跟踪精度低、计算时间少等缺陷,为了改善舰船红外图像目标实时跟踪效果,设计了基于大数据的舰船红外图像目标实时跟踪方法。首先分析了目前一些经典舰船红外图像目标实时跟踪方法的缺陷,找到引起它们不足的原因,然后提取舰船红外图像目标跟踪特征,并采用大数据分析技术根据特征实现舰船红外图像目标实时跟踪,最后对舰船红外图像目标跟踪误差和实时性进行实例分析,结果表明,本文方法的舰船红外图像目标跟踪精度高,跟踪误差处于实际应用要求的最小区间内,且舰船红外图像目标跟踪计算时间短,可以对目标进行实时有效的跟踪,获得比其它方法更优的舰船红外图像目标实时跟踪结果。     

基于图像增强技术的舰船图像拼接

当前舰船图像拼接技术存在拼接准确率低、拼接速度慢等问题,为了提高舰船图像拼接精度,设计了基于图像增强技术的舰船图像拼接方法。首先对当前舰船图像拼接方法进行分析,得到舰船图像拼接准确率低的原因,然后采用图像增强技术对原始舰船图像进行预处理,提高舰船图像的清晰度,并计算舰船图像的分块邻域梯度向量,得到舰船图像的初始拼接结果,最后去除舰船图像初始拼接结果中的拼接错误,并引入聚类分析算法对舰船图像拼接结果进行优化。舰船图像拼接仿真测试结果表明,本文方法可以消除图像相似性对拼接结果的不利影响,可以进行高精度的舰船图像拼接,并且减少了舰船图像拼接时间,舰船图像拼接速度要快于当前其他舰船图像拼接方法,获得了令人满意的舰船图像拼接结果。     

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。     

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。     

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。     

基于互信息技术的舰船图像拼接研究

舰船图像拼接是舰船图像处理领域的关键技术,为了降低舰船图像拼接误差,使拼接后的舰船图像更加完整,提出了基于互信息技术的舰船图像拼接方法。首先对当前舰船图像拼接研究现状进行分析,找到各种舰船图像拼接方法的缺陷,然后采集舰船图像,提取舰船图像拼接特征,最后基于互信息技术描述2幅舰船图像的相关性,进行舰船图像配准和拼接,并进行了舰船图像拼接仿真实验。结果表明,本文方法可以得到比较完整的舰船图像拼接结果,降低了舰船图像拼接误差,舰船图像拼接速度要快于对比方法 2倍以上,提高了舰船图像拼接效率,验证了本文方法的优越性。     

舰船图像高精度压缩研究

为了提高舰船图像的识别能力和传输能力,需要进行舰船图像的高精度压缩处理,提出一种改进向量量化算法的舰船图像高精度压缩方法。对舰船图像采用LGB算法进行量化编码,对编码后的舰船图像进行向量量化误差补偿,结合小波降噪方法进行舰船图像的降噪处理,采用误差补偿编码的方法对舰船图像的噪点进行信息增强处理,提高舰船图像的识别能力,结合邻近像素点的结构重组方法,实现舰船图像的高精度压缩。仿真结果表明,采用该方法进行舰船图像高精度压缩,提高了对舰船图像的识别能力,图像压缩后的输出峰值信噪比较高,说明压缩的精度较高,性能较好。