统计学习在海上遥感图像背景去噪的算法研究

针对传统的海上遥感图像背景去噪算法中由于噪声分解遗漏情况造成的图像梯度值低的问题,提出统计学习在海上遥感图像背景去噪的算法研究。利用统计学习中的高斯概率分布模型建立遥感图像背景噪声模型,计算每个像素点灰度值的均值,并一一对比,统计图像中噪声分布特征并分离噪声,依据噪声分布特征设计滤波器对,将滤波器对应用在小波变换滤波器中,利用滤波器分解图像中的噪声,经过逆变换重构图像,实现海上遥感图像背景去噪。实验结果表明,与传统的图像背景去噪算法相比,应用统计学习的海上遥感图像背景去噪的算法平均梯度值更高,说明该算法适合应用在海上遥感图像背景去噪中。     

合成孔径雷达图像船舶自动检测新方法

针对传统SAR图像船舶自动检测方法在检测近岸目标时存在的普适性不强、计算量大、自动识别差的缺陷,提出了一种新的迭代阈值分割算法,通过消除噪声、分离目标检测出船舶目标,对比验证该方法能自动、快速、准确地检测近岸船舶目标。     

背景灰度非均衡的舰船目标图像分割方法

现阶段,IR成像系统在舰船目标检测中的应用备受关注。由于IR图像存在背景灰度非均衡的特征,从而使得常规的图像分割方法很难对舰船目标进行准确检测。为了有效解决这一问题,探寻一种能够对背景灰度非均衡的舰船目标图像进行有效分割的方法。本文从舰船目标图像分割的现状分析入手,对背景灰度非均衡的舰船目标图像分割方法进行论述,期望本文研究能够对舰船目标图像分割精度的进一步提升有所帮助。     

红外图像中舰船目标增强技术研究

随着各国在海洋领域竞争的日益激烈,舰船目标自动识别技术正逐渐成为社会的研究热点,目标增强是舰船目标自动识别技术中的重要环节,但通常海天背景下舰船目标红外图像的目标背景对比度低,图像信噪比差。为使低对比度舰船红外图像中感兴趣目标得到增强,本文首先利用中值滤波去除图像中的随机噪声,然后对图像进行同态滤波,最后加入对像素空间位置的考虑,利用像素邻域的灰度均值和均方差值构建了一个灰度变换函数,实现图像的灰度拉伸。实验结果表明,以往仅通过灰度信息的增强技术很难取得较好效果,本文在考虑像素位置的基础上提出的灰度变换函数可较好的实现对舰船目标局部区域的增强。     

噪声干扰下船舶遥感图像的目标边缘检测方法

目前边缘检测方法根据图像极值点筛选图像边缘点,导致检测到的边缘图像不清晰,平均能量值偏低,提出噪声干扰下船舶遥感图像的目标边缘检测方法。采用频域Fourier变换去除图像噪声;选择Canny算子,设计目标边缘检测流程;平滑去噪图像,根据图像边缘梯度极大值点,筛选图像目标边缘点,分割图像目标和背景,实现目标边缘检测。实验结果表明,在1%和10%梯度下的校验噪声模拟的噪声干扰下船舶遥感图像中,研究方法相较此次实验选择的方法,检测到的目标边缘图像平均能量值高。     

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。     

舰船尾迹图像去噪处理方法研究

针对现有去噪处理方法获得的舰船尾迹图像质量较差,边缘信息模糊等缺点,提出一种基于MCA与特定滤波器相结合的舰船尾迹图像去噪处理方法,对舰船尾迹成像模型和相干斑噪声模型以及统计特性进行了分析和计算;采用MCA对舰船尾迹结构成分与水面复杂背景纹理成分进行有效分离,分别选择双正小波变换和剪切波变换构建舰船尾迹纹理字典和结构成分字典,将舰船尾迹图像形态成分分离过程转化成最优化问题进行求解,去除了干扰;采用同态滤波对去噪处理后的舰船尾迹图像进行增强,并设计了高通滤波器来替代同态滤波函数中的滤波器,实现了舰船尾迹图像的中低频成分抑制和高频部分增强。实验结果表明,所提方法对舰船尾迹图像的去噪处理效果最好,得到的图像边缘清晰度更高,纹理特征也更加显著,且细节信息得到了增强。     

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。     

大噪声环境下前视声呐图像目标识别方法研究

提出大噪声环境下前视声呐图像目标识别的研究方法,针对水下无人航行器(UUV)在近岸浅水区航行中由于前视声呐图像噪声较大,难以准确识别目标的问题,通过改进的中值滤波和Otus阈值检测算法,对前视声呐图像进行滤波和二值化.利用区域增长算法分割疑似目标区域图像,分别提取分割图像的长度、形状、方向、灰度均值和灰度能量中值等参数...     

小波分析在船舶测试信号和图像消噪方面的应用

小波消噪已经成为目前信号消噪的主要方法之一，小波变换由于在时频两域都具有良好的局部性能，尤其在信号处理过程中，采样信号都不可避免地受到各种噪声和干扰的影响，利用小波分析可以对实验数据进行消噪处理。本文详细介绍了目前小波消噪的各种方法，揭示了小波消噪的数学背景和滤波特性；并阐述了针对不同信号的自身局部特性以及使用不同的小波变换函数和构造出适合的闻值之间的联系。对一个含有噪声的多普勒测试信号和一个含噪声图像分别进行了多尺度一维离散平稳小波分解和二维离散平稳小波消噪分析，仿真的结果表明：小波分析可以对信号更有效地消噪。     

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。     

基于视觉传达技术的船舶图像中弱小目标检测方法

为及时发现和跟踪小型渔船、救生艇等弱小目标,提高海上救援和应急响应的效率和准确性,研究基于视觉传达技术的船舶图像中弱小目标检测方法。通过中值滤波算法去除船舶图像中的噪声,改善船舶图像质量,将去噪后的船舶图像应用于基于门限直方图均衡的船舶图像增强方法中,在该方法处理下,增强船舶图像对比度;之后利用视觉传达技术,对船舶图像中的弱小目标亮度进行调整,并根据亮度调整结果分割目标边缘,从而实现弱小目标检测。经实验验证,该方法可在保证图像边缘清晰的情况下实现图像去噪与增强,提高了船舶图像质量,同时该方法具有较高的背景抑制因子与信杂比率增益,在检测过程中可有效分割弱小目标与背景,实现良好的弱小目标检测。     

动目标成像跟踪算法研究

从运动背景中检测与跟踪运动目标是计算机视觉研究领域的热点，困难之一是消除运动背景的影响。采用基于均匀稀疏采样仿射变换的参数模型块匹配算法将图像分成许多固定大小的像素块，通过将每一个像素块在下一帧的一定范围内搜索其最优匹配，由此产生的偏移矢量即为该像素块的运动矢量，对上一帧图像进行补偿与下一帧图像差分，用形态学运算图像处理，对图像目标进行识别跟踪。     

基于自动阈值与数学形态学的铁谱磨粒图像分割方法研究

文章提出了一种基于数学形态学与自动阈值法相结合的铁谱磨粒图像分割方法。此方法通过对自动阈值法处理后的铁谱磨粒图像进行形态学运算来获得更好的处理结果。试验结果表明,自动阈值分割法能有效的提取磨粒图像的特征,之后的形态学运算成功的去除了用自动阈值法处理的图像中的噪声点,获得了更可靠的图像信息。有助于实现铁谱磨粒的自动识别。     

矢量型电子河道图岸线提取方法研究

为快速准确获取河道岸形线的数据,生成缺乏岸线数据资料的河道矢量型轮廓图,提出一种通过处理雷达图像获取矢量型电子河道图岸形线数据的方法。采用了数学形态学方法实施对雷达图像处理,主要的处理过程包括:雷达图像灰度处理,灰度雷达图像转变为二值图像,二值雷达图像的滤波处理,在以上处理过程的基础上构造了数学形态学结构元素,实施对河道岸线提取,并矢量化处理了离散点。在二值化过程中提出新的方法,针对雷达图像的特点,依据航路规则设计了特殊的滤波过程,提出了提取河道任意边缘的方法。     

智能视频监控中舰船假目标图像检测算法

传统舰船假目标图像检测算法存在检测精准度低的缺陷,为此提出智能视频监控中舰船假目标图像检测算法研究。将智能视频监控中采集的图像采用灰度化处理得到灰度图像,利用直方图均衡化处理灰度图像,提升图像的质量。采用滤波处理方法将得到的图像进行去噪,完成图像的预处理,为图像检测做准备。采用小波变换方法对上述得到的图像进行特征提取,将得到的图像特征输入到图像检测模型中,与真目标图像特征进行逐一比较,输出假目标图像,实现了对舰船假目标图像的检测。实验结果表明,提出的舰船假目标图像检测算法检测精准度比传统算法高出21.8%,说明提出的舰船假目标图像检测算法具备极高的有效性。     

基于BP神经网络的图像识别跟踪技术

本文利用BP神经网络抗干扰性强,识别精准等优点对船舶进行识别跟踪。首先获取原始图像,然后预处理,以图像的全部灰度值为训练样本,以新不变矩特征向量为样本集输入到3层BP神经网络中,对含不同噪声均值的图像进行识别。实验结果表明,以新不变矩特征向量作为样本集时抗噪能力强,识别率高。最后以新不变矩特征向量作为样本集进行目标跟踪得到跟踪误差。     

船舶噪声视频图像的去噪锐化方法

传统视频图像降噪处理普遍采用小波滤波算法完成降噪计算,虽然像素通道内的噪声被有效去除,但是滤波过程中有效像素的损耗导致图像通道的收敛性降低,不利于后期图像的锐化处理。为了解决此问题,提出船舶噪声视频图像的去噪锐化方法。为了避免去噪过程中对正常像素的损伤,本文提出的方法采用拉氏去噪算子去噪算法,完成噪声像素点的去除计算。通过梯度锐化并行算法在去噪算法的基础上,完成对图像像素的锐化计算。对比实验表明,提出的去噪锐化方法比传统去噪锐化方法,提升图像整体去噪锐化效果好,实用性更强。     

基于小波和形态学结合的雷达图像降噪算法

为减小导航雷达图像的噪声和杂波干扰,通过分析噪声主要特点及各种常见的图像去噪算法,本文提出了一种结合小波变换和形态学的雷达图像去噪方法,利用小波的多分辨率特性对图像细节进行处理,再结合形态学闭运算,在降低噪声的同时有效保留了图像细节。实验结果表明,该方法对雷达图像具有较好的降噪效果。     

基于零样本深度学习的码头表观剥落病害区域分割与定量计算

随着无人机与数字图像处理技术的发展,基于机器视觉的表面病害识别方法因具有安全与快速性,广泛应用于桥梁和道路等方面。由于码头剥落病害图像较复杂,目前该方法难以实现码头表观剥落病害的精确分割与定量分析。提出一种基于零样本深度学习模型SAM(Segment Anything Model)与图像透射变换矫正等技术相结合的码头表观剥落病害区域分割与量化计算方法。SAM算法能够有效克服混凝土剥落图像背景噪声多、灰度差异小的问题,分割方法精度更高、受噪声影响更小;进一步通过矫正、去噪、转换等图像处理操作,实现了对剥落病害关键几何特征的量化计算。经实验室模型与现场图像验证表明,新构建的方法泛化能力强、准确性高,能够实现对码头混凝土建筑表观病害的准确和快速检测,具有广泛的应用前景。