融合改进粒子群算法的船舶图像检索研究

为了提高船舶图像检索效果,针对当前的船舶图像检索过程中特征权值的确定问题,提出一种融合改进粒子群算法的船舶图像检索方法。首先对当前船舶图像检索方法进行分析,提取不同类型的船舶图像检索特征,然后采用粒子群算法确定船舶图像检索特征权值,并对粒子群算法存在的缺陷进行相应的改进,最后通过特征加权得到船舶图像特征之间的相似度值,根据相似度值得到船舶图像检索结果,并采用多幅船舶图像进行检索实验,结果表明,本文方法的船舶图像检索率超过94%,而船舶图像的误检率和漏检率均低于5%,获得了十分理想的船舶图像检索结果。     

不稳定条件下船舶遥感图像层次特征识别分析

传统遥感图像特征识别方法,在不稳定条件下无法准确对图像中的层次信息进行特征识别及分析处理。因此,提出不稳定条件下船舶遥感图像层次特征识别方法。通过对遥感图像进行特征干扰源提取计算,使图像层次变得清晰;引入卷积神经网络算法对图像层次特征进行网络化特征提取计算;采用像素特征识别方法对图像层次特征进行识别与分析;最后,通过实验对设计方法进行可行性的客观论证。     

基于红外图像的海上船舶特征识别算法研究

传统海上船舶特征识别算法受到可见光强弱的影响,在暗光条件下对船舶图像识别能力远远不如白天,加之船舶搜救等应用场景多为夜晚。因此,提出基于红外图像的海上船舶特征识别算法研究。首先,基于红外图像识别算法,将红外识别与可见光参量进行高精度融合计算;其次,对融合后的红外识别特征参量进行增强计算;最后,通过粒子群算法对大场景中的目标进行特征绑定,从而实现暗光条件下快速准确识别船舶特征的效果。通过实验对提出算法进行测试对比,证明提出算法在暗光条件下对船舶特征的识别能力高于传统识别算法。     

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。     

集成局部和全局特征的舰船图像检索算法

面对现有船舶图像检索存在的“语义鸿沟”问题,导致无法满足用户实际检索需求,研究集成局部和全局特征的船舶图像检索算法,实现不同条件下的船舶图像检索。通过颜色矩方法提取船舶图像全局颜色特征;通过块截断量化编码理念,采用模糊C-均值聚类算法将船舶图像分割成子块,构建子块的二值位图,表示图像局部颜色特征;结合小波变换提取船舶图像纹理特征;求解待检索船舶图像与数据库中船舶图像的各特征相似度,获取总相似度,选取总相似度最大图像作为图像检索输出结果。实验结果表明：该算法可有效提取船舶图像纹理特征;尺度变化、光照变化、旋转条件下的船舶图像检索性能较好,平均匹配率97.94%,平均匹配时间为11.9 ms,检索速度快,操作简单,能够满足用户实时性检索需要。     

舰船远程监控平台模糊视频高动态图像拼接研究

为提高船舶目标检测中图像拼接质量,本次针对传统拼接方法存在的问题:无法同时实现拼接图像画质以及结构相似度的双向目标,研究了一种新的舰船远程监控平台模糊视频高动态图像拼接方法。该方法主要分为三步骤,首先对待拼接的模糊视频高动态图像进行处理,包括图像去噪、图像分割、图像畸形矫正,然后在此基础上利用基于特征信息方法进行图像配准,主要包括图像特征提取、图像匹配等,最后采用直接平均算法实现图像融合,完成图像拼接。结果表明:与传统图像拼接方法相比,本方法操作下,图像峰值信噪比分别提高1.8 d B和2 d B,结构相似度分别提高10.8%和8.2%,证明了本方法的有效性和优越性。     

基于计算机大数据的船舶视频图像类型辨识分析

传统船舶视频图像类型识别算法在图像类型识别计算过程中,存在视频图像高频尺度空间像素子带系数计算精度较低,导致图像画面差异辨识度降低,无法高精度对比图像特征参量的问题。因此,提出计算机大数据船舶视频图像类型辩识分析。通过神经网络算法,建立视频图像特征的神经网络模型;根据特征模型推导建立辨识模型。在辨识模型的基础上,通过导入大数据高频子带尺度算法,对图像特征尺度空间内的高频子带系数进行优化计算,从而提升视频图像类型的辨识精度。通过实验数据对比表明:提出的视频图像辨识算法,能够有效改善图像类型识别环境,提升图像类型辨识精度,解决了传统辨识算法辨识精度低的问题。     

基于编码稀疏表示的船舶航行图像去噪方法

传统船舶航行图像去噪方法在对高光谱压缩编码特征图像处理中,由于算法编码不具备高光谱编码稀疏表示效果,导致分布于高光谱区域空间内的噪声纹理无法滤除,影响图像去噪整体效果。为了有效解决高光谱区域空间内的噪声滤除问题,提出基于编码稀疏表示的船舶航行图像去噪方法研究。首先,对航行图像的高光谱噪声分布区域进行稀疏表示;然后,根据稀疏表示数据,对噪声滤波编码数据进行重组计算;最后,通过重组编码对高光谱区域空间分布的噪声纹理进行滤除,从而完成对基于编码稀疏表示的船舶航行图像去噪方法计算。通过对比实验数据,证明提出方法具有提升图像噪声滤除效果的作用。     

海洋水线面视觉图像特征自动化识别系统设计

传统海洋水线面图像识别系统在使用过程中,受到自身硬件参数限制,无法对高精度特征图像边缘进行自动识别计算,导致图像识别率与识别效率降低;同时,传统识别系统中的算法对线扫步长参数优化存在匹配量失常的问题,从而导致传统海洋水线面图像特征识别系统识别率差,计算识别效率低。因此,提出海洋水线面视觉图像特征自动化识别系统设计,首先,创建高精度视觉图像采集阵列;通过引入高精度摄像模块、图像采集卡与图像处理芯片等元件,完成水线面视觉图像高清采集与预处理硬件的设计;接着,通过在硬件主控中引入边缘残像特征识别算法,对图像边缘特征进行像素点识别;同时提出设计中在系统软件设计中引入自动化识别算法,配合特征识别计算,实现水线面视觉图像的自动化识别效果;最后,通过设计的仿真实验,证明设计系统具有识别精度高,识别速度快、稳定向好的特点。     

基于特征融合技术的船舶图像拼接方法

海上交通运输业的快速发展,对船舶航行安全性提出更高的要求。船舶图像系统作为辅助船员安全驾驶的措施之一,必须保证图像的分辨率和清晰度。为实现这一目标,可以利用特征融合技术,选取适宜的特征提取算法,对图像中的特征点进行准确提取,为图像融合拼接提供有利条件。在图像拼接的过程中,通过预处理,消除影响拼接效果的因素,以此来确保图像的拼接质量,为船舶安全航行提供支撑。本文的研究对于船舶图像系统性能的全面提升具有重要的现实意义。     

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。     

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。     

基于图像分割与目标提取的舰船遥感影像分析技术

舰船遥感影像分析技术在舰船目标识别、海上航运交通管理、资源探测和军事侦察等领域发挥着重要的作用,是一种快速、高效和准确的海上舰船信息获取方法。遥感技术的理论基础是电磁波原理,该技术利用遥感卫星等设备采集和分析远距离物体辐射和反射的电磁波信号,从而进行地面物体的探测和识别。由于遥感技术存在巨大的优势,因此,基于遥感技术的舰船遥感影像分析和目标提取有重要意义,决定了海上目标识别和海上监察的水平。本文针对舰船的高分辨率遥感影像,详细的介绍了图像分割原理和目标提取原理,在此基础上研究了一种全新的舰船遥感图像分析技术。     

多极化SAR图像目标检测研究

目前,SAR图像检测多是单一极化的方式,从而使得检测效率低下。因此本文采用多极化的方式进行目标检测,在检测算法中,本文将多种极化检测器相融合,通过检测结果的多次迭代,得到最后的目标检测结果。从对比实验结果可看出,在相同的虚警率下,本文算法的检测结果最好,并且随着虚警率的提高,虚警点数没有增多。     

Texture image classification using multi-fractal dimension

This paper presents a supervised classification method of sonar image, which takes advantages of both muhi-fractal theory and wavelet analysis. In the process of feature extraction, image transformation and wavelet decomposition are combined and a feature set based on multi-fractal dimension is obtained. In the part of classifier construction, the Learning Vector Quantization (LVQ) network is adopted as a classifier. Experiments of sonar image classification were carried out with satisfactory resuits, which verify the effectiveness of this method.     

The perception and image of shipping

The image of the shipping industry plays a vital role in developing maritime transport as a major future, sustainable transport alternative. In particular, it is crucial to understand the image the shipping industry has among young people and the anatomy of the concept in order to be able to effectively promote careers in shipping, to cultivate shipping as an attractive labour market and to develop attractive educational programmes. The focus of this paper is the image of the shipping industry. This study reports on the findings of a large-scale survey of the image of shipping- and image-related concepts among upper secondary school pupils in Sweden, Norway and Greece. We define and analyse empirically by means of multivariate statistical analysis the anatomy of the image concept. We identify various image dimensions, estimate how young people rate the shipping industry along these dimensions and estimate their relative importance to young people who are planning their future careers. The results from this study can be used as a base for describing and explaining the images that young people have of the shipping industry. Such knowledge is fundamental for deriving and developing constructive strategies to promote careers in shipping, to adapt shipping to the expectations of young people and to develop creative and relevant educational programmes. Finally, understanding the image of shipping among young people is important not only for the shipping industry, but for other stakeholders as well, such as ship-owners associations, trade associations, labour unions, transport authorities and administrations and policy makers at the national and supra-national level.     

图像去雾的小波域 Retinex 算法

针对传统Retinex算法在图像去雾处理中易造成光晕伪影、边缘模糊以及算法复杂度高等缺点,提出了一种图像去雾的小波域Retinex算法。该算法将Retinex算法拓展到小波域,利用雾天图像中雾霾与景物细节信息在小波域中能量的不同分布特点,采用Retinex算法抑制雾霾分量,用锐化处理增强景物细节信息分量,以降低雾霾对图像的影响,增强图像细节的清晰度;该算法用双边滤波替代传统Retinex算法中的高斯滤波,以克服高斯滤波对图像边缘的模糊效应和光晕伪影。实验结果表明,该算法能有效地改善雾天图像的退化现象,提高图像的清晰度。     

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。     

基于FPGA的夜间舰船图像增强算法

为解决传统船舶图像增强算法应用于夜间拍摄时存在图像分辨率较低的不足,提出了基于FPGA的夜间舰船图像增强算法。引入FPGA对夜间图像的灰度调节方式进行改进,依托夜间图像的滤波处理计算以及锐化计算,完成了提出的基于FPGA的夜间舰船图像增强算法设计。实验数据表明,针对夜间拍摄图像,提出的夜间船舶图像增强算法较传统船舶图像增强算法,图像分辨率提高24.64%,适合对船舶夜间图像进行分析计算。     

基于图象灰度的虹膜定位算法

讨论了基于图象灰度的虹膜定位算法,并提出了基于灰度的虹膜外边界提取、模式匹配的相关算法.实验证明了该算法的有效性.