基于统计量的声呐图像目标检测算法

水下声呐图像目标检测问题是一项重要而困难的工作,采用滑动窗计算图像中各像素点处邻域像素灰度的统计量,利用最大熵图像分割算法确定检测阈值,并利用均值、标准差、偏态和峰度等统计量对算法进行了仿真验证,对声呐图像中的目标回波区和阴影区域均可实现较好的检测效果。结果表明,该方法具有原理简单、运算效率高、实时性好等特点,具有较强的工程应用价值。     

疲劳寿命的随机-模糊估计方法

本文指出疲劳寿命试验数据是同时含有随机性和模糊性的随机-模糊变量，提出了相应的疲劳寿命分布参数的随机-模糊统计方法，包括随机-模糊均值和方差，以及随机-模糊概率分布的估计等。结果表明本文方法能同时考虑疲劳寿命分布的概率不确定性和模糊不确定性。     

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。     

基于视觉传达的大型船舶航行图像融合研究

图像融合是图像识别的重要环节,为提升船舶航行图像识别精度,提出了基于视觉传达的大型船舶航行图像融合算法。通过离散滤波获取图像高频部分并盲估计模糊核,依照模糊核,通过总变分正则化法对图像实施非盲去卷积处理,获取去模糊后的图像;针对去模糊处理过程导致图像亮度发生变化的问题,采用伽马校正算法调整图像亮度,提升图像视觉传达效果。针对校正后的图像,对比2幅待融合图像的熵值,获取熵值较大图像的残余分量,通过基于方向滤波的二维局部均值分解法,将残余分量和熵值较小的待融合图像分解成低频子带与高频子带并分别融合,通过逆变换运算得到融合图像。实验结果显示该方法可有效提升大型船舶航行图像的细节清晰度,令图像的视觉传达效果增强,并显著提升图像识别精度。     

基于信息熵的图像阈值选取算法

阈值法是图像分割的一种重要方法,在图像处理与目标识别中广为应用.信息熵可以表征图像的灰度信息,并用以区分图像中的目标和背景.文中研究了最大熵法的分割效果、对数熵的运算时间,然后使用指数熵代替对数熵,并对二维最大熵法进行了改进,在结合大津法的同时,加入了4邻域外像素灰度的信息.实验结果表明本文所用方法可有效缩短计算时间、突出边缘特征、提高阈值自动选择的准确性和鲁棒性.     

基于视觉传达的船舶航行图像优化研究

为了改善船舶航行图像质量,准确分辨图像信息,提出基于视觉传达的船舶航行图像优化方法。利用双边滤波器与冲击滤波器处理模糊船舶航行图像,达到图像去噪、纹理平滑以及边缘特征增强的目的。根据模糊核的稀疏性特点,通过正则化交替迭代方式实现模糊最佳估计结果的确定后,基于梯度稀疏的反卷积方法实现模糊图像的复原,运用HSV色彩模型对复原后的船舶航行图像作优化处理,获得高质量船舶航行图像。实验结果表明,该方法可实现模糊船舶航行图像视觉传达优化,优化后图像的结构相似度、信息熵指标最高可达0.967、9.49,边缘强度、梯度均值、彩色熵指标达到设定要求,图像视觉优化效果突出。     

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。     

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。     

多聚焦船舶图像的融合与重构方法

目前提出的船舶图像的融合与重构方法聚焦区域较小,在保留边缘和细节信息上效果较差,融合后的视觉效果难以达到人们提出的要求。基于传统研究,引入小波变换法,研究一种多聚焦船舶图像的融合与重构方法。通过经验小波变换得到多聚焦图像的对应子带,确保对应子带的匹配性。利用阈值匹配和加权规则实现信息融合,确定低频分量和高频分量后,引入局部Log-Gabor获得融合规则,根据融合规则对图像进行重构。实验结果表明,提出的多聚焦船舶图像的融合与重构方法能够有效扩大聚焦区域,相对较为完整地保留边缘和细节信息,保证得到的融合图像内部的客观指标与标准图像更加接近。     

面向目标识别的水下多传感器信息融合技术比较研究

对于水下作战，目标识别十分困难，因此必须走多传感器融合、多技术融合的道路，应分析研究不同的方法优缺点，取长补短，综合处理。本文比较了不确定性推理技术中主观Bayes方法与证据理论的特点，分别给出了基于2种技术的目标融合识别思想。提出了基于Bayes统计理论的身份识别和基于D—S理论融合身份识别的框架。研究了基于模糊神经网络的多传感器信息融合技术，提出了模糊神经网络信息融合紧密结合与松散结合的2种处理框架，并结合应用讨论了其特点。     

串行视觉通信下舰船失真图像颜色校正方法分析

以提升串行视觉通信下的舰船图像质量为目标,研究串行视觉通信下舰船失真图像颜色校正方法。采用多线程通信技术,通过写线程、读线程以及监测线程的多线程合作,完成舰船图像的串行视觉通信。依据自适应颜色阈值,划分待传输的舰船失真图像为多个层次,针对各层次的舰船图像设置不同尺度的细节函数,依据细节函数提取舰船失真图像的颜色特征信息。依据所提取的颜色特征,划分舰船失真图像的亮区域与暗区域。利用统计特征匹配方法以及直方图匹配方法,分别完成亮区域与暗区域的颜色校正,合成完成颜色校正的暗区域与亮区域,获取舰船失真图像颜色校正结果。实验结果表明,该方法有效校正串行视觉通信下的舰船失真图像颜色,舰船失真图像的色度、饱和度、亮度改善效果明显。     

能见度不良时船舶近距离避让的不确定性分析

运用信息控制理论原理计算了能见度不良时船舶近距离的避让行为的熵值,得出了能见度不良时船舶避让中不确定性的特点和规律,分析了避让行动不确定性产生的原因。     

基于图像熵的火灾烟雾识别

提出了一种基于图像熵的烟雾运动模式识别方法,用来实现对火灾烟雾的探测.通过对烟雾自由扩散模型的理论分析,得出了烟雾扩散熵增运动的特征.通过引入信号学中"图像熵"的理论,用来捕捉烟雾运动造成的熵变特征,进而实现火灾烟雾的检测.经过实验的验证和分析,并对图像熵值的变化进行傅立叶变换,得出了干扰运动和烟雾运动具有不同特征信号的结论,从而实现了烟雾的识别.与以往研究者通过研究视频烟雾的图像特征出发不同,文中从烟雾的热力学的性质和它在流体力学方面的运动特征,得出它与一般的刚体具有截然不同的运动模式的理论,以图像熵作为核心参量,得出一种实用高效的火灾烟雾检测算法.实验表明:这种检测算法受到环境的干扰较小,特别适合复杂环境的烟雾检测,并可以用于对火灾环境的评估.     

船舶视觉图像优化检测方法研究

对海域的船舶进行智能图像监控是一项很重要的技术,但该技术容易受到海上背景光线变化、遮挡阴影区域及小范围船舶聚集等因素的干扰,导致当前基于智能视觉的船舶检测在背景更换的阀值判断上存在较大缺陷。本文提出改进的基于智能图像处理的船舶快速检测方法,通过差分运算、阈值生成、二值化、去噪和形态学处理等操作对获取的智能图像进行预处理,依据经预处理后二值图像,引入异常比率的概念对所监控图像范围的船舶状态进行判断,以动态阈值和静态阈值的联系,判断是否需要更换背景的条件,实现高精度船舶图像检测。仿真实验结果表明,所提方法能够准确地对船舶图像进行检测,具有较高的检测精度。     

船舶三维视觉图像模糊目标清晰处理仿真

为保证船舶目标的识别效果,需提高船舶图像目标的清晰度。因此,研究船舶三维视觉图像模糊目标清晰处理方法。该方法采用立体双目视觉在2个视点下观测同一个目标,依据2个观测面的模糊核路径和三维空间内的船舶运动路径相对应的原理,获取船舶模糊图像的三维信息;采用局部模糊探测方法,依据获取的三维信息分割模糊目标图像,并将分割结果输入残差聚集网络模型中,通过模型的处理获取清晰化高质量目标图像。测试结果显示,该方法清晰处理后的目标图像对比度、边缘强度以及图像方差3个指标的结果均在0.933以上,可有效完成图像模糊目标的清晰处理,获取清晰的目标结果。     

基于区域模糊直方图的图像检索

将图像分割算法和模糊理论相结合，提出了基于区域模糊直方图的图像检索方法。用快速聚类算法对图像进行区域分块，以各区域的视觉特征为基础，建立图像模糊直方图并进行图像检索。在1000幅通用图像库上的实验表明，该方法可以得到比较满意的检索结果。     

基于自适应迭代阈值的声呐图像增强算法

水下声呐成像探测技术日益成为各国普遍重视的技术。声呐图像具有对比度低、成像质量差的特点，对声呐图像进行增强处理是进行声呐图像判读和提高视觉效果的基础之一。针对声呐图像增强算法研究较少等问题，提出了一种迭代阈值图像增强算法，并采用评价准则算法和频域响应法对常用的几种图像增强算法进行比较分析。结果表明，该方法具有算法简单、易于实现等特点，且增强效果可较好地满足视觉效果的需求。     

数据挖掘在无人船舶目标图像识别中的应用

为了缩短无人船舶目标图像的识别时间,提高目标图像的质量,提出了数据挖掘在无人船舶目标图像识别中的应用。利用数据挖掘技术确定无人船舶目标图像的阈值,根据目标图像的阈值误差分割了目标图像,采用图像边缘点提取公式将图像边缘点连接成线,提取出目标图像的外轮廓,完成无人船舶目标图像的预处理;通过目标图像识别算法的改进设计,得到了目标图像的识别流程,实现了数据挖掘在无人船舶目标图像的识别中的应用研究。仿真实验结果表明,数据挖掘在无人船舶目标图像识别方法与基于航拍技术的目标图像识别方法相比,目标图像的识别时间缩短了35.1%。     

基于Kinect和直方图均衡化的红外图像增强算法

在复杂海域上船舶的红外图像分辨率低、对比度弱、视觉特性差,研究红外图像增强算法对于进行船舶检测、跟踪和识别具有理论意义和实用价值。本文首先通过Kinect获取到红外图像的深度图像,根据景深的不同把船舶和背景区域分离出来;然后设定初始阈值,进行冗余灰度压缩、幂指数拉伸和直方图均衡后将图像的像素等间距的排列在相应的灰度级上;最后通过引入模糊指数进行图像增强效果验证。实验效果表明,经过图像增强算法图像的清晰度和对比度提高。     

噪声消除和彩色增强的舰船图像优化研究

传统舰船图像优化算法在优化过程中,图像的优化系数普遍倾向于一种优化机制,导致图像在色彩与噪声处理上无法达到平衡统一,直接导致优化输出图像的噪声消除区域在高阈值色彩增强下,图像边缘锐利度动态范围过高,边缘细节信息损失严重,不利于图像的信息保存与分析。为了解决优化过程中色彩增强与噪声消除的同步问题,提出噪声消除和彩色增强的舰船图像优化研究。首先,将图像像素点转化为几何结构特征点,将平面二维空间结构转化为三维几何结构空间,拓宽像素特征点的优化维度;接着在几何空间下,完成对噪声特征点的消除计算;在效果噪声的基础上,完成噪声位置像素的色彩补偿,通过缺失位置像素色彩补偿,达到提升全局像素色彩对比系数,统一输出色彩阈值,抑制噪声边缘色彩动态范围的效果。通过与传统优化算法的对比表明,提出优化算法处理后的图像,色彩域噪声处理效果更加自然,图像细节信息保留更多。