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。     

C3I系统中基于颜色特征的战场图像快速检索

针对C^3I系统中战场目标图像的检索问题，给出一种基于颜色特征内容的检索方法。对于战场图像采用FISI颜色模型，计算H分量的颜色直方图，通过直方图匹配，计算直方图的相似距离，进而检索出相似图像。通过一个简单的基于颜色特征的战场图像检索原型表明上述方法切实有效。     

船舱内部监控图像模糊增强算法

常用的图像增强处理算法利用图像直方图均衡原理进行增强,算法的时间复杂度很高,实时性和处理效果较差。为提高图像质量,研究船舱内部监控图像模糊增强算法。监控图像经过预处理后,将图像变换到模糊域,使用图像对比度作为模糊增强算子对图像进行增强处理,完成算法研究。通过与2种传统增强算法的对比实验,证明了研究的算法相比较至少缩短约40%的处理时间,且处理后的图像质量相比更佳。     

特定区域的舰船图像检索研究

图像检索是舰船图像分析领域的热点,当前舰船图像检索算法没有考虑用户对不同区域感兴趣的差异性,使得舰船图像检索效果很差,为了获得更优的舰船图像检索结果,本文设计一种基于感兴趣区域的舰船图像检索算法。首先分析当前舰船图像检索的研究进展,描述了感兴趣区域的舰船图像检索流程,然后采集舰船图像,对它进行一定变换处理,并从舰船图像中提取兴趣点,最后引入机器学习算法根据兴趣点实现舰船图像检索,采用多幅舰船图像进行了检索仿真测试。结果表明,与传统舰船图像检索算法相比,本文算法不仅获得民更高精度的舰船图像检索结果,而且明显缩短了舰船图像检索的平均时间,可以帮助用户快速检索到自己真正需要的舰船图像检索,实际应用价值更高。     

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。     

一种基于分块区域的图像检索方法

目前大多数基于内容的图像检索CBIR(Content Based Image Retrieval)技术都依赖于图像的全局特征(例如颜色、纹理等)，这样图像的空间布局特征被忽略了。本文提出了一种基于分块区域的图像检索方法。首先用k-means聚类算法对图像进行区域分块，然后提取各分块区域的视觉特征，再对查询图像和目标图像中各区域的视觉特征进行多对多的匹配，根据最小加权平均准则得到区域之间单个特征的特征距离，归一化后求和得到查询图像和目标图像的相似度。在1000幅通用图像库上的实验表明，该方法可以产生比较满意的结果。     

集成局部和全局特征的舰船图像检索算法

针对传统图像检索方法缺少图像分割步骤,导致检索效率较低的问题,提出集成局部和全局特征的舰船图像检索算法。计算色彩相似度,利用相似性度量公式度量样本图像和图像库中图像特征相似性,并设计全局和局部特征融合流程;使用指数函数描述相似度测量方法,并采用均匀分块法分割图像,由此获取2幅图像距离度量;结合遍历局部颜色直方图,对图像预处理,并提取出图像全局颜色特征。抽取图像局部颜色和图像纹理特征,输出相似性最大图像结合空间信息分布特征,由此完成图像检索。通过实验结果可知,使用该算法查全率最高为100%,说明图像检索完整,查准率最高为95%,具有良好的检索效果。     

一种基于分块区域的图像检索方法

目前大多数基于内容的图像检索CBIR（Content Based Image Retrieval)技术都依赖于图像的全局特征(例如颜色、纹理等),这样图像的空间布局特征被忽略了.本文提出了一种基于分块区域的图像检索方法.首先用k-means聚类算法对图像进行区域分块,然后提取各分块区域的视觉特征,再对查询图像和目标图像中各区域的视觉特征进行多对多的匹配,根据最小加权平均准则得到区域之间单个特征的特征距离,归一化后求和得到查询图像和目标图像的相似度.在1000幅通用图像库上的实验表明,该方法可以产生比较满意的结果.     

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。     

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。     

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。     

基于统计模型的船舶图像检索组合优化算法

船舶图像检索是高效管理船舶图像的关键技术,由于船舶图像类型多、复杂,使得当前船舶图像检索准确性差,无法满足船舶图像管理的实际应用要求,为了提高船舶图像检索准确性,设计了基于统计模型的船舶图像检组合优化算法。首先提取船舶图像的不同种类特征,并采用现代统计学理论中的支持向量机分别对每一种特征进行船舶图像检索,然后通过BP神经网络对每一种特征的船舶图像检索结果进行融合,实现船舶图像组合检索,最后采用具体船舶图像检索实例分析算法的性能,结果表明,本文算法解决了当前船舶图像检索算法存在的弊端,船舶图像检索成功率大幅度提升,同时可以有效减少船舶图像检索时间,改善了船舶图像检索效率,可以应用于实际的船舶图像管理系统中。     

基于BP神经网络的船舰目标识别分类

随着各国在海洋领域竞争的日益激烈,船舰目标自动识别技术正逐渐成为研究热点。本文利用BP神经网络对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种船只类型进行分类,首先对船舰图像进行中值滤波,去除随机噪声和椒盐噪声,然后利用OTSU法将灰度图像分割成背景和目标两部分,接着对目标区域提取了Hu不变矩、边缘梯度方向直方图、周长-面积比3个特征。为了使边缘梯度方向直方图也具有旋转和尺度不变性,本文提出了一种变换方法:将直方图循环右移,直至其最大值到达直方图最右端。最后利用BP神经网络对船舰图像进行了训练和测试。测试结果表明,本文的分类算法对船舰目标的分类精度达到84%左右,有效实现了常见船舰类型的识别分类。     

PDE船舶数字图像反差增强算法优化分析

针对传统直方图均衡化反差增强算法无法同时实现增强与去噪双重目标的问题,利用偏微分方程(PDE)对其进行优化,提出基于PDE的船舶数字图像反差增强优化算法。对一般直方图均衡化反差增强算法工作原理进行分析,以此为基础,利用PDE进行优化改进,将去噪方法和反差增强算法耦合在一起。结果表明,与一般直方图均衡化反差增强算法相比,应用本文优化方法,图像对比度得到保证的同时,峰值信噪比更高,实现了同时去噪和反差增强双重目标。     

自适应直方图均衡处理下船舶视频监控图像去雾算法

由于现有船舶视频监控图像去雾算法没有物理模型的支持,会损失图像中部分信息,存在着去雾时间复杂度较高的问题,为此提出自适应直方图均衡处理下船舶视频监控图像去雾算法研究。估算图像透射率以及全局大气光强,将有雾图像转换为直方图,均衡化处理直方图灰度级,使像素点均匀分布在整个灰度级上,实现船舶视频监控图像的去雾。仿真对比测试结果表明:与现有代表算法相比较,提出算法滤波窗口尺寸合理性高、亮度系数小,表明提出算法的去雾时间复杂度低,适合大力推广使用。     

图像边界检测区域对比度模糊增强算法在轮廓提取中的运用

分析了图像边界检测的区域对比度模糊增强算法的特点，通过实验验证了该算法的正确性和可行性，并指出了算法的一些不足之处和待改进的地方，提出了一种适用轮廓提取的新广义算子。     

基于区域颜色校正的遥感图像融合方法

针对利用常规方法对多光谱图像与全色图像融合过程中出现的颜色失真问题,提出了一种基于区域颜色校正的遥感图像融合方法。该方法首先利用模糊C-均值(FCM)聚类算法在多特征形成的特征空间上对图像进行区域分割,然后利用常规方法融合多光谱图像与全色图像,并采用小波变换对融合图像进行区域上的颜色校正,从而得到最终的融合图像。通过与IHS、BT和PCA几种常规融合方法的比较与分析验证了本文提出的方法具有良好的融合特性。     

面向舰船监控的视频模糊可视化图像阴影精准设计及消除方法

为解决舰船监控图像存在模糊阴影面积过大的问题,提出面向舰船监控的视频模糊可视化图像阴影消除方法。通过估算监控场景深度关系的方式将原始的模糊图像复原,完成舰船监控视频的去雾处理;在此基础上,分割图像中的可视化节点,再按照阴影覆盖面积的数值水平计算精准消除参数,实现面向舰船监控的视频模糊可视化图像阴影消除。仿真实验结果表明,与K-means聚类算法相比,应用所提方法后,舰船监控图像模糊区域的边长值明显缩短,原始视频中模糊阴影面积过大的问题得到有效解决。     

图像边界检测区域对比度模糊增强算法在轮廓提取中的运用

分析了图像边界检测的区域对比度模糊增强算法的特点，通过实验验证了该算法的正确性和可行性，并指出了算法的一些不足之处和待改进的地方，提出了一种适用轮廓提取的新广义算子。     

三维视觉识别下推进器模糊故障图像清晰化仿真研究

现有推进器生成图像时采用的传统算法存在噪声辨识度低、图像噪声边缘计算精度差的问题。导致生成的故障图像模糊,无法精准对其分析。针对此种问题,提出三维视觉识别下推进器模糊故障图像清晰化仿真研究。首先,通过展开三维视觉高斯差算法对图像噪声粒子进行差分计算,明确有效图像轮廓;其次,引入噪声循环分解算法,对确定的噪声轮廓内噪声点进行弱化计算,提升有效图像锐度,视线清晰图像的效果。最后,通过仿真实验对提出的设计方法进行对比性数据验证,证明提出的三维视觉识别下推进器模糊故障图像清晰化仿真方法能够有效解决推进器故障图像模糊的问题。