SVM在合成孔径雷达图像目标识别中的应用

提出一种采用Zernike矩和支持向量机SVM结合对SAR图像中的舰船目标类型进行分类识别的算法。此算法首先对SAR舰船切片图像进行预处理,再采用Zernike矩提取SAR舰船图像切片的旋转不变特征算子;然后,利用支持向量机的方法对目标样本进行训练构造分类器,并采用"一对一"多类方式实现多类舰船目标的识别。最后,仿真建立3类舰船三维模型,并利用本文算法进行分类识别,实验结果表明本文算法能够有效识别舰船目标。     

聚类分析算法在舰船识别中的应用

为了缩短舰船识别时间,提高舰船识别的成功率,提出聚类分析算法在舰船识别中的应用。通过聚类分析算法计算出舰船图像的分辨率,获取舰船图像的横向分辨率,完成舰船目标形态特征的提取;采用聚类方程表达式,得到舰船能量函数,基于聚类分析算法,确定处理舰船图像的聚类模型,通过分析聚类系数值的大小,完成舰船图像的处理;最后通过舰船识别流程设计,实现基于聚类分析算法的舰船识别。实验结果表明,基于聚类分析算法的舰船识别技术可以提高舰船识别的成功率。     

基于视觉搜索的舰船跟踪方法研究与仿真

基于视觉图像处理方法实现对舰船目标的跟踪识别,提高对舰船目标的搜索和打击能力。传统方法采用舰船目标轮廓亮点检测方法实现对目标的视觉搜索,在图像模糊和背景干扰较强时,检测效果不好。本文提出一种基于相邻帧补偿和尺度不变特征变换的舰船视觉搜索跟踪算法。为提高舰船目标图像视觉特征采集的清晰度和稳定性,采用电子稳像技术对舰船视觉信息采集进行直方图均衡处理,采用尺度不变特征变换SIFT技术对舰船目标进行角点特征提取。采用相邻帧补偿技术进行背景干扰滤波,在相邻两帧之间求解舰船的运动参量,实现对舰船目标的视觉搜索和跟踪。仿真实验表明,采用该算法实现对舰船目标的视觉搜索跟踪,舰船视觉特征的稳像性能较好,对舰船目标的准确识别率较高,展示了较好的应用价值。     

一种基于模糊聚类的火焰色彩特征目标检测

计算机视觉检测是指利用计算机图像处理系统来模拟人类视觉进行检测对象的分类、识别和测量的技术.使用基于模糊聚类的图像RGB分量线性变换后的正交彩色特征,建立了应用于火焰检测的一种混合检测模型,并将其应用于视频序列图像中火焰的自动检测.实验结果验证了该方法的有效性.     

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。     

基于视觉传达技术的低分辨率舰船图像优化

对于低分辨率舰船图像的优化,常规的优化方法缺少对目标图像的色彩补偿,导致优化方法的抗噪声性能不足。为了解决这一问题,提出视觉传达技术的低分辨率舰船图像优化研究。利用视觉传达技术处理原始舰船图像,增强图像彩色像素细节。在此基础上,建立目标图像的运动公式,通过计算得到图像的变化规律,实现优化前后的图像配准和重建,实现低分辨率舰船图像的优化。实验结果表明,在图像规格逐渐增大的情况下,设计的图像优化方法峰值信噪比始终高于30 dB,并且在像素对准实验中噪点分布均匀,对图像质量影响较小,该方法的整体抗噪声性能得到了增强。     

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。     

光学遥感图像舰船目标检测算法研究

针对航天图像舰船目标快速检测问题,本文提出了一种复杂海洋背景中舰船目标的快速提取,舰船尾迹的检测及目标检测算法。根据人类视觉注意机制,把梯度作为视觉注意前期的简单特征,然后以开尔文尾迹为主要依据,以区域灰度方差表示纹理粗糙度,进行舰船尾迹识别,最后分析舰船检测的原则和主要特征,提出舰船目标检测流程,并进行目标检测实验,实现准确的尾迹识别和目标检测。     

舰船遥感图像的目标识别研究

本文根据遥感图像的目标识别要求,从舰船的目标识别要点出发,首先介绍舰船遥感图像的识别流程,针对舰船遥感图像在摄取中存在一定云块和复杂海况的噪声干扰问题,提出一种基于多级视觉感知算法去除海面背景干扰,获取舰船目标;考虑到获取到的舰船目标存在一定的虚假识别,本文引入基于SVM分类器方法有效的过滤掉虚假舰船目标,并在最后对舰船目标的分类识别结果进行了分析。     

三维动态舰船图像颜色特征自动提取及应用研究

以提升舰船颜色特征的应用技术水平,研究三维动态舰船图像颜色特征自动提取和应用方法。通过相机采集三维动态舰船图像颜色特征后,先使用PCA算法获取三维动态舰船图像的颜色特征子空间,再通过K-means聚类算法得到三维动态舰船图像颜色特征,以该颜色特征作为基础,分别利用支持向量机算法和二阶常速模型实现舰船目标识别和航迹跟踪。实验结果表明,该方法可有效提取三维动态舰船图像颜色特征的R、G、B分量,提取舰船图像颜色特征能力较强。将提取到的三维动态舰船图像颜色特征,应用到舰船目标识别和航迹跟踪,可有效识别舰船和跟踪舰船航迹,应用效果较为显著。     

模糊聚类在舰船目标识别标准模型库的应用

对于给定特征的海上舰船目标,使用了模糊聚类的方法(包括三种解算方法),获得目标的分类并形成标准模型库.同时引入了聚类分析有效性评价的F统计量,实现了模糊聚类的自适应性,避免了聚类数目选择上存在的主观性.聚类结果表明:对于复杂的战场环境,此方法设计可行有效,建立了标准模型库就可以对获得目标特征样本在标准模型库中进行匹配,进而完成目标识别,具有一定的应用前景.     

基于神经网络的红外图像舰船统计特征分析

目前研究的红外图像舰船统计特征分析方法全面性较差,准确性较低。为了提高舰船统计特征提取的准确度和精度,本文借鉴神经网络工作原理,进一步对红外图像识别到的舰船目标进行统计特征提取,实现预期设计的效果。本文首先了解舰船红外成像的工作原理,然后利用图像滤波、图像增强技术以及图像分割操作对舰船图像数据进行预处理分析,利用特征目标模糊分类识别方法初步实现红外图像舰船统计特征的识别,然后调用神经网络技术,完善红外图像舰船统计特征提取流程。实验表明,设计方法具有很好的全面性和准确性,实现研究目标,可以投入使用。     

基于模糊聚类视区划分的舰船目标识别

随着海洋经济的飞速发展,各种智能化的无人设备被用于海洋资源的开发,同时在军事领域,舰船之间的通信和识别技术也向智能化方向发展,在对舰船目标进行识别时,目前还主要依靠人工进行。因此,本文重点研究了模糊聚类算法在图像目标识别领域的应用,并针对舰船的特点,构建相似矩阵,对特定的舰船轮廓设定判断阈值。从样本数据的仿真实验结果看,本文提出的识别算法能够主动识别出舰船的轮廓特征,具有相当大的研究价值。     

复杂背景下无人艇视频视觉目标图像识别算法

为精准跟踪海域环境中的各类舰船目标,生成连续性的视觉目标图像视频,提出复杂背景下的无人艇视频视觉目标图像识别算法。利用增强滤波处理无人艇图像中的数据信息,再通过特殊信息标记的方式,完成无人艇视频的图像数据集设计。在此基础上,改进原识别提取网络,借助边界框预测实值,完成待识别目标图像的特征提取,实现复杂背景下无人艇视频视觉目标图像识别算法的顺利应用。对比实验结果表明,与KCF目标跟踪算法相比,应用新型目标图像识别算法后,YOI船体识别参数增大至8.56,实现了对海域环境中各类舰船目标的精准跟踪,大幅促进了连续性视觉目标图像视频的生成。     

基于智能视觉的船体焊接坏点识别

船体焊接坏点识别对保证舰船制造工艺精度具有重要的价值,也是提高舰船建造质量的关键技术。针对当前船体焊接坏点识别精度低的问题,设计基于智能视觉的船体焊接坏点识别方法。首先对船体焊接坏点识别的视觉图像进行采集,并对图像进行增强处理,提高图像的清晰度,然后提取船体焊接坏点的图像特征,采用人工智能技术对船体焊接坏点进行分类和识别。实验结果表明,本文方法可以提高船体焊接坏点识别精度,应用于实际舰船制造工艺中,能够保障舰船建造质量。     

基于遗传算法优化支持向量机的船舰目标识别分类

为了实现有效的海上监管和响应,提高舰船监管效率,降低人力成本,提出基于遗传算法优化支持向量机的舰船目标识别分类方法。以HU矩为舰船目标的特征描述子,在舰船目标图像内,提取具备旋转、尺度与平移不变性的舰船目标特征矩;利用遗传算法,优化支持向量机的惩罚因子与核参数;在参数优化后的支持向量机内,输入舰船目标特征矩样本,输出舰船目标识别分类结果。实验证明,该方法可有效提取舰船目标特征矩;经过参数优化后的支持向量机,可有效降低计算复杂度,加快检测目标识别分类效率,具备较优的舰船目标识别分类性能。该方法均可精准识别分类舰船目标。     

基于模糊数学模型的舰船红外成像目标智能识别方法

利用传统基于SVM和基于神经网络的方法对舰船红外成像目标进行智能识别,识别距离较短,导致识别范围受限。针对上述问题,提出基于模糊数学模型的舰船红外成像目标智能识别方法。该方法分为3步:1)对舰船红外图像进行预处理,包括图像滤波、图像增强、图像分割;2)利用基于几何特性方法提取处理后的图像特征;3)以图像特征作为模糊数学模型特征因子,构建模糊集合,并利用贴近度原则对被识别对象进行归属判决,完成目标识别。结果表明:与基于SVM和基于神经网络的方法相比,利用本方法进行舰船红外成像目标智能识别,识别距离延长10 m和20 m,识别范围扩大。     

基于视觉传达技术的红外舰船图像多级融合方法

针对多光谱红外舰船图像质量差影响应用性的问题,提出基于视觉传达技术的红外舰船图像多级融合方法。利用多光谱红外热成像仪采集舰船图像数据,对红外舰船图像实施中值滤波处理,增强图像的视觉传达效果。通过非下采样变换方法,将红外舰船图像划分为高频方向子带与低频子带。依据高频子带融合方法和低频子带融合方法,分别融合红外舰船图像的高频方向子带与低频子带。对融合后的高频方向子带与低频子带实施非下采样逆变换处理,获取红外舰船图像的多级融合结果。实验结果表明,该方法可以实现不同光谱频段红外舰船图像的多级融合,融合后图像的互信息量、边缘信息保留量均高于0.7,有效提升红外舰船图像的应用性。     

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。