基于视觉传达技术的低分辨率舰船图像优化

对于低分辨率舰船图像的优化,常规的优化方法缺少对目标图像的色彩补偿,导致优化方法的抗噪声性能不足。为了解决这一问题,提出视觉传达技术的低分辨率舰船图像优化研究。利用视觉传达技术处理原始舰船图像,增强图像彩色像素细节。在此基础上,建立目标图像的运动公式,通过计算得到图像的变化规律,实现优化前后的图像配准和重建,实现低分辨率舰船图像的优化。实验结果表明,在图像规格逐渐增大的情况下,设计的图像优化方法峰值信噪比始终高于30 dB,并且在像素对准实验中噪点分布均匀,对图像质量影响较小,该方法的整体抗噪声性能得到了增强。     

基于卷积神经网络的舰船图像增强算法

为了改善舰船图像增强效果,提出基于卷积神经网络的舰船图像增强算法,首先采用同态滤波器对原始舰船图像进行预处理,有效压缩舰船图像的动态范围,丰富舰船图像的细节信息,然后引入卷积神经网络对舰船图像色彩进行校正处理和补偿,解决舰船图像偏色问题,最后进行舰船图像增强仿真模拟实验。结果表明,卷积神经网络可以提高舰船图像的对比度,凸显了舰船图像细节,舰船图像的视觉效果优,舰船图像的增强结果要优于对比算法,同时降低了舰船图像增强的时间复杂度,舰船图像增强效率得以提升。     

利用虚拟现实技术的舰船图像优化

传统舰船优化算法仅能对图像二维层面进行通道增强,在三维结构层面上无法实现图像的构成像素关系的分析优化,从而出现优化后的图像结构关系不够清晰、细节特征模糊的问题。基于上述图像三维层出现的问题。引入虚拟现实技术,提出虚拟现实技术的舰船图像优化研究。利用虚拟现实技术,在图像的虚拟三维空间,提取图像三维结构特征;通过三维虚拟增强算法,对特征量进行结构变换增强优化。最后通过虚拟重构算法,对优化后的图像特征量进行图像结构重构,从而实现优化图像结构细节的效果。通过与传统图像优化算法的优化效果对比表明:提出的优化方法,在多处图像结构细节优化上,做出精准处理,处理效果符合实际应用要求,且优于传统图像处理效果,更适合舰船图像的精度化处理。     

双目视觉下多尺度舰船图像轮廓特征点提取算法

为清晰分辨船舶航行图像的边缘特征信息,提出双目视觉原理下的多尺度舰船图像轮廓特征点提取算法。依照图像信息的测距处理方案,匹配必要的视觉性像素,完成基于双目视觉的舰船图像特征点标注处置。在此基础上,根据多尺度成像坐标原理,判定舰船图像的灰度信息,再通过计算轮廓特征系数的方式,实现双目视觉下多尺度舰船图像轮廓特征点提取算法的应用。对比实验结果表明,与SIFT算法相比,应用新型特征点提取算法后,QDI系数指标出现明显提升的变化趋势,船舶航行图像的边缘特征信息得到清晰化分辨。     

大数据背景下的舰船图像特征识别研究

传统舰船图像特征识别方法仅能对图像大范围特征像素信息进行识别,而对图像细微像素特征识别效果,远远达不到实际应用要求。导致大量细节特征舰船图像,无法准确完成特征的识别处理,影响整体应用效果。为了解决细节特征信息识别问题,提出大数据背景下的舰船图像特征识别研究。利用大数据计算能力,对图像特征结构分布进行特征模型建立;根据特征分布特点,利用大数据算法,确定细节图像区域构成像素点特征。最后根据特征信息,分散检索全局目标图像像素信息,完成识别输出过程。通过与传统图像识别方法的10张图像359 035万个像素点的识别测试表明,提出方法能够在最短的时间内,完成预设细节图像特征点的识别任务,且识别准确率达到98.72%以上。     

基于时空域滤波的雾天舰船图像视觉传达方法

为提升雾天舰船图像视觉传达质量,提出基于时空域滤波的雾天舰船图像视觉传达方法。中值滤波算法分解雾天舰船图像,获取基础层与细节层雾天舰船图像;利用时空域滤波算法确定舰船图像需增强区域,并对其进行图像增强;以加权融合方式到增强后雾天舰船图像;提取增强后雾天舰船图像的边缘轮廓特征,依据量化融合方式处理提取的边缘轮廓特征,输出雾天舰船图像视觉传达结果。实验证明,该方法可有效分解雾天舰船图像,并增强图像,有效完成现雾天舰船图像视觉传达,提升图像边缘强度与彩色熵,即图像视觉传达效果较优。     

基于偏微分方程的舰船图像增强研究

舰船图像在采集和传输过程中,受到多种因素的干扰,导致图像细节信息丢失严重,使得图像亮度低,图像质量下降,为了解决该难题,提高图像视觉效果和图像质量,设计了基于偏微分方程的舰船图像增强方法。首先对当前舰船图像增强研究结果进行分析,提出采用小波分析对原始舰船图像进行处理,识别出舰船图像中的噪声,并设置合理的阈值抑制噪声的作用,然后采用偏微分方程模型对舰船图像进行非线性增强变换,突出舰船图像中的细节信息,改善舰船图像的清晰度,最后进行舰船图像增强的仿真测试,结果表明本文方法可以明显增强舰船增强图像亮度,使图像细节信息增加,舰船图像增强结果的评价指标全部优于对比方法的舰船图像增强结果,是一种有效的舰船图像增强方法。     

Moreau包络和深度恢复的舰船图像分解方法

传统舰船图像分解方法无法有效对图像超像素稀疏部分进行有效像素深度的恢复,导致分解图像缺失底层像素信息,噪声分解图像失真。为了解决上述问题,提出Moreau包络和深度恢复的舰船图像分解方法。首先通过引入Moreau包络算法,对图像分解区域进行超像素层的重构计算;然后利用稀疏深度恢复算法,对重构的超像素层待分解像素信息进行深度恢复优化。最后,通过像素点之间信息的关联特性,与神经网络学习特性,完成对恢复区域构成图像的分解。通过与传统神经网络分解方法的实例对比表明,提出方法分解后的图像输出效果,优于传统分解方法,更适合舰船图像分解的应用场景。     

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。     

模拟退火法下交互式舰船红外图像斑点抑制

针对传统方法下舰船红外图像边缘特征识别结果不精准,导致斑点抑制效果较差的问题,提出了模拟退火法的交互式舰船红外图像斑点抑制方法。建立交互舰船红外图像斑点噪声模型,使用Radon变换方法处理模型数据。构造邻域结构模型,补充残缺结构特征,根据设定的模拟退火参数,获取处理后的数据识别图像边缘特征。根据图像边缘线条走向,确定图像区域特征,输出消除斑点的舰船红外图像。由实验结果可知,该方法能够消除全部斑点,并精准识别出图像边缘。     

改进神经网络的舰船图像语义分割算法

针对传统图像语义分割算法耗时较长的问题,提出改进神经网络的舰船图像语义分割算法研究。首先需要将原始图像预处理,利用阈值分割法,检测出灰度值差异,分离图像主体与背景,检测主要特征,获取全局信息,增强细节捕捉能力,强化图像目标的类别属性,采用多尺度池化的网格结构,融合图像特征,利用分类器将像素分类,将全连接层更换为卷积层,完成分割结果的优化,至此结束改进神经网络的舰船图像语义分割算法的研究。设计仿真实验,将所提出算法与其他2种传统算法对照分析,验证改进神经网络的应用效果,实验结果表明,将改进神经网络应用到舰船图像语义分割过程当中后,所耗时长稳定在75～95 ms之间,明显优于传统算法。     

基于数学形态学的差分图像目标检测算法研究

针对舰船运动目标跟踪瞄准中,目标受背景影响比较严重这一问题,文章提出将通过运动补偿实现图像的配准后的图像,通过差分运算,以及利用多帧差分图像序列,获得平均差分图像,从而提高信噪比,系统设计为了减小噪声点对目标检测的干扰,利用自适应阈值对差分图像二值化,对二值化后的图像用形态学处理消除噪声斑点,最后通过连通区域像素个数统计判决,进一步去除伪目标,最终检测出目标,通过实验验证该方法是有效可行的。     

无线网络下的舰船航向控制系统

通过对传统舰船航向控制系统数据分析发现,控制数据信号回波补偿存在数据融合异常问题,受到非线性回波影响,现有系统硬件与算法无法处理非线性回波补偿误差问题,造成舰船航向控制稳定性降低。针对非线性特征与无线网络特征,提出无线网络下的舰船航向控制系统设计。首先利用数据融合技术,创建多数据独算处理平台;然后对硬件平台进行软件功能的算法适配,第一步对回波补偿信号进行参量特征的运动系数分析;然后根据分析结果,对误差数据点对应参量的阈值进行闭环增益优化计算,从而实现消除回波补偿误差的效果;最后在特定的仿真场景下,通过数据仿真调试,对设计系统控制数据进行对比分析,得出回波补偿误差消除报告。     

双目视觉下红外遥感舰船图像三维重构设计研究

为提升舰船三维重构结果的细节丰富度,在双目视觉支持下提出红外遥感舰船图像三维重构设计方法。通过像素坐标系与世界坐标系的转换,融合可见光图像与红外遥感图像的点云信息。从可见光图像与红外遥感图像融合结果中提取舰船目标的质心、质心区域灰度以及舰船区域面积的特征点。利用半全局匹配算法,匹配提取特征点。依据匹配结果采用三角化曲面算法实现舰船图像三维重构。实验结果表明,该方法重构获取的舰船图像,细节丰富,未出现空洞或细节丢失情况。     

舰船遥感图像检测小波分析研究

本文以舰船遥感图像为具体分析对象,针对舰船图像中存在的噪声干扰和目标边缘检测问题,引入小波分析作为解决方法,通过对使用小波进行图像去噪及目标边缘检测原理的分析,采用db N小波函数为对舰船图像信号进行分解,以自适应阈值法实现高频信号去噪处理,并对降噪后的图像选择合适的平滑函数进行舰船目标边缘提取,结果表明,小波分析能够很好地实现舰船遥感图像去噪,而舰船目标对于边缘提取,虽然效果较好,但仍有进一步优化改进的空间。     

基于小波变换的边缘保留图像滤波法研究

为了在滤除图像噪声的同时又能保留图像边缘,提出了一种新的基于小波变换的图像滤波法。利用小波变换对噪声图像进行多分辨率分解,得到对应的低频近似信号分量和高频细节信号分量。提取低频系数和高频系数,分别对低频系数进行增强,对高频系数进行锐化,再对锐化后的高频系数进行阈值处理,获得噪声系数,利用锐化前的高频系数减去处理后的高频系数,得到最终的高频系数并通过小波重构得到去噪图像。     

虚拟现实技术舰船高速航行图像目标检测算法

针对常规算法所得检测结果的中心位置偏差较大,导致检测精度低下的问题,提出虚拟现实技术舰船高速航行图像目标检测算法研究。参考人眼的视觉习惯,将采集到的图像灰度化处理,利用均值滤波法抑制噪声,改善图像质量,利用虚拟现实技术,计算目标点三维坐标值,定位图像目标,提取特征确定检测区域,调整融合系数,增强抗干扰能力,实现舰船高速航行图像目标检测。设计对照实验,与常规算法对比分析,实验结果表明,所提出的算法检测结果中心位置偏差明显减小,其检测精度远优于常规算法。     

基于水天线检测的数字图像处理算法研究

重点讨论了天文导航中水天线图像的处理算法.先通过小波变换的阈值法分割对图像进行分割,然后利用中值波消除图像中的噪声,再通过小波变换提取出图像中的水天线,最后通过Hough变换得到图像中水天线的具体位置信息,从而计算出舰船的摇摆角.     

基于水天线检测的数字图像处理算法研究

重点讨论了天文导航中水天线图像的处理算法。先通过小波变换的阈值法分割对图像进行分割，然后利用中值波消除图像中的噪声，再通过小波变换提取出图像中的水天线，最后通过Hough变换得到图像中水天线的具体位置信息，从而计算出舰船的摇摆角。     

快速行驶船舶的图像采集和增强研究

传统的图像采集和增强方法受到外部环境因素的影响,导致采集的信息不完整,并导致后期图像增强效果较差,为此设计一个快速行驶船舶的图像采集和增强方法。首先对图像采集的背景估计,然后对图像的相邻帧补偿,并对图像边缘预检测。最后采用图像场增强算法对图像增强处理,实现快速行驶背景下舰船图像的采集与增强。实验结果表明,此次研究的方法检测后,取得的图像边缘更加连续,具有较好的图像增强效果,满足图像采集和增强方法的设计需求。