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。     

基于视觉传达的舰船遥感图像复原研究

为可靠完成图像退化处理,提升图像视觉质量,提出基于视觉传达的舰船遥感图像复原方法。该方法采用多项式校正方法获取控制点舰船图像坐标和坐标变换结果,依据变换关系校正舰船遥感图像的几何畸变;通过傅里叶变换方法变换校正后图像,将其变换至频率域内,在该域中分析舰船遥感图像退化过程后,采用超复数频域变换模型实现舰船遥感图像复原,获取复原后图像结果。测试结果表明：能够有效完成图像几何畸变校正,校正后图像对应坐标位置精准性显著提升;空间频率结果均在0.92以上;复原后图像的颜色、目标和背景的对比度等均显著提升,满足人眼视觉标准。     

基于红外图像的船舶特征识别方法

传统船舶特征识别结果准确性较低,且相关人员不能根据此结果,快速完成船舶图像复原。为解决此问题,设计基于红外图像的船舶特征识别方法。通过ROI低分辨率红外图像提取、图像特征相邻方向指示2个步骤,完成基于低分辨率红外图像的船舶特征识别。通过ROI高分辨率红外图像提取、图像增强预处理2个步骤,完成基于高分辨率红外图像的船舶特征识别。设计对比实验结果表明,基于红外图像的船舶特征识别方法,与传统方法相比,能够保证特征识别结果的准确性,为快速完成船舶图像复原操作提供可能。     

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。     

基于视觉传达技术的船舶图像匹配研究

为准确实现船舶图像匹配,提出基于视觉传达技术的船舶图像匹配方法.考虑人眼的激励感知与抑制感知状态,在脉冲耦合神经网络内添设侧抑制信号等感知函数,实现低对比度的船舶图像增强处理;采用基于灰度差值直方图的特征提取方法判断增强后船舶图像边缘的粗细程度,提取船舶图像边缘特征;选取斯皮尔曼等级相关系数确定原始船舶图像与待匹配船舶...     

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。     

基于机器视觉技术的船舶航行危险区域自动识别方法

提出基于机器视觉技术的船舶航行危险区域自动识别方法,最大程度规避船舶航行风险。利用机器视觉技术获取船舶航行图像数据,并结合像素平滑滤波和帧间差分法去除原始船舶航行图像所含噪声。采用二阶高斯-马尔科夫机场算法对去噪后船舶航行图像的显著性区域候选节点作信息弥散处理,获取船舶航行图像显著图,通过均值偏移算法处理船舶航行显著图像的特征空间,获得多个分割区域后,在显著图中求解各区域的显著性均值,通过与阈值作比较,实现船舶航行危险区域识别。实验结果表明：该方法可有效提升船舶航行图像的视觉效果;生成的显著图细节完整;可实现不同危险区域的识别,识别效果突出。     

基于虚拟现实的船舶三维图像重建方法

通过对船舶三维图像重建处理,提高船舶动态检测识别能力,提出基于虚拟现实的船舶三维图像重建方法。根据船舶图像的空间位置概率分布,构建船舶三维图像的分类子网特征图模型,采用虚拟现实的三维重组技术实现对船舶三维图像重建过程中的纹理渲染和实体建模。在船舶三维图模型的Face Tools中选择虚拟现实重构的面类型,通过颜色、透明度和光照效果的动态渲染实现对船舶三维图像重建。实验表明该方法对船舶三维图像重建的视觉表达能力较好,重建的精密度水平较高。     

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。     

视觉传达技术的雾天舰船图像恢复研究

由于使用基于空间角度恢复方法、基于变换领域恢复方法受到大量像素影响,特征点提取结果不精准,会导致图像恢复效果较差。为了解决该问题,提出视觉传达技术的雾天舰船图像恢复研究。剪裁提取目标区域,计算像素间隔,得到图像的物理坐标。以此坐标为基础进行三维图像面的重建。通过信息交互,确定重建面的同体元坐标点,完成三维重建。基于重建结果,调整局部区域亮度,区分明暗原色,结合视觉传达技术,设计了雾天舰船图像恢复流程,避免了边缘提取不连续的问题。由实验结果可知,该方法特征点提取结果与图像比例下实际值一致,误差为0,图像恢复效果较好。     

基于视觉传达技术的低分辨率舰船图像优化

现有图像优化方法存在噪声校正模型不完善的问题,导致优化方法覆盖率较低,设计一种基于视觉传达技术的低分辨率舰船图像优化方法。通过拟合尺度函数,检测低分辨率舰船图像关键点,构建非均匀噪声校正模型,抑制图像的突变灰度,利用视觉传达技术设置优化模式,判断图像像素的边界融合程度。实验结果:此次设计的图像优化方法覆盖率均值为93.28%,另外2种优化方法的覆盖率均值分别为:89.36%、88.54%,证明融合了视觉传达技术的图像优化方法使用价值更高。     

视觉传达技术船舶航行环境实时模拟系统

在船舶航行环境实时模拟过程中,对于船舶波模拟能力较差,造成船舶航行环境实时模拟系统图像绘制时间过长。因而,设计基于视觉传达技术的船舶航行环境实时模拟系统。引用图像绘制数位板以及GPS船舶定位装置完成系统硬件优化。构建船舶航行模型,计算船舶波宽度。引用视觉传达技术,设置波图像信息点,完成船舶航行波绘制。寻找目标船舶,设定船舶以高速与低速2种状态展开航行,对此系统与原有系统展开测试。由测试结果可知,此系统的船舶波模拟精度与图像绘制时长均优于原有系统。     

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。     

基于人眼视觉特性的舰船图像增强方法

传统舰船图像增强方法没有考虑人眼视觉特征,导致图像人眼视觉识别率较低,对此提出新型舰船图像增强方法。通过对舰船图像数据的标准化和白化操作,完成舰船图像人眼视觉化处理,提取处理图像数据的颜色特征和纹理特征,消除干扰项,提高图像特征维,根据图像H值,将升维后的图像数据,转换到RGB色彩空间中,合成图像色度、饱和度和强度,实现图像增强。实验数据表明,与传统图像增强方式相比,利用新设计的舰船图像增强方法,图像人眼视觉识别度提高27%,具有应用优势性。     

基于视觉传达技术的舰船图像质量提升方法

由于舰船行驶过程所拍摄图像容易受到各种外界因素影响,降低舰船图像质量,无法获取舰船重要信息,因此,有效利用多种视觉传达技术提升舰船图像质量。结合大气弹射模型,采用改进的四叉树搜索方法估计有雾舰船图像的大气光值,通过子窗口引导滤波器估计有雾舰船图像的透射率,反推大气散射模型,获取去雾后的舰船图像;通过视觉传达技术中低通滤波器将去雾后舰船图像分解为低频部分和高频部分,将舰船图像的低频部分输入到编码-解码深度网络中,修正舰船图像的颜色,将舰船图像的高频部分输入到残差网络中,增强舰船图像的清晰度;再经视觉传达技术中改进的双伽马函数调整舰船图像的亮度,实现舰船图像的质量提升。实验结果表明：该方法使舰船图像的纹理细节丰富,颜色鲜明,具有较高的清晰度和对比度,符合人眼的视觉感受;与原始舰船图像的结构相似性均在0.91以上,保证了舰船图像的真实性。     

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。     

基于生成对抗网络的水下图像增强

对光的散射和衰减导致水下图像出现颜色失真和细节模糊对比度低问题进行研究,提出一种基于生成对抗网络（GAN）的图像增强方法。首先以图像分割（U-Net）网络为基础提取水下退化图像特征,再使用改进的白平衡算法对原始图像进行去偏色处理,用卷积神经网络提取去偏色后的图像特征,接着通过卷积神经网络完成两者特征融合,最后重构增强的图像。结果表明,本文算法增强后的图像在UIQM、PSNR和SSIM指标上的平均值为5.071、25.310和0.996,分别比第二名提升了1%、7%和5%。在主观感知和客观评估中,处理后的图像在清晰度、颜色校正和对比度方面均得到改善。     

船体曲板的双目视觉测量方法

针对船舶制造现场工作环境较为复杂和船体曲板为大尺度板的情况,提出基于结构光辅助扫描的计算机双目视觉测量方法。使用张正友标定法计算摄像机的内部参数和外部参数,在图像中根据颜色空间和形态学处理初步提取激光线,根据基于海森(Hessian)矩阵的Steger算法得到亚像素级的激光中心线,根据极线匹配方法计算激光点坐标并根据二阶偏导数筛选边缘点。该非接触测量方法精度较高、适用性较好,可满足船舶制造的曲板检测要求。     

基于智能图像视觉的船舱内部监控与识别

为了提高对舰船船舱内部监控管理能力,提出一种基于智能图像视觉的船舱内部监控识别方法。采用计算机视觉特征信息采集方法进行船舱内部图像原始信息采集,对采集的图像进行小波降噪处理,采用Harris角点检测方法进行船舱内部关键部位点的准确标定,结合图像子块连续遍历方法实现船舱内部异常像素特征搜索提取,实现船舱内部的智能视觉监控识别。仿真结果表明,采用该方法进行船舱内部监控,输出视觉图像的成像质量较好,对关键信息点的标定结果准确,对船舱内部异常像素的检索能力较强,具有较好的应用价值。     

船舶视觉系统目标图像边缘检测方法

船舶视觉系统是船舶航行的重要辅助部分,视觉系统的工作效果很大程度上取决于边缘检测方法的准确性。常见的图像边缘检测方法通过像素梯度变化检测目标边缘,在对复杂图像处理时容易受到噪声干扰,导致检测精度和效率较低。为解决上述问题,提出船舶视觉系统目标图像边缘检测方法。对图像进行背景区域与目标区域的划分,提取目标所在区域。选择图像边缘的Harr和HOG特征后,利用蚁群算法检测图像边缘。对比仿真实验结果表明,研究的边缘检测方法检测准确率均高于85%,并且检测效率均高于对比方法,具有明显的应用优势。