SAR船舶尾迹图像质量增强方法研究

在合成孔径雷达(SAR)系统中,由于存在外部的相位干扰,常常导致所采集的图像信息不完整,甚至会导致非常严重的后果。而在船舶尾迹图像识别与跟随时,其图像质量也受到多种干扰因素的影响,当电磁波信号照射到船舶目标时,其船体的散射系数会造成较大的不确定,此时的SAR图像中的尾迹图像的斑点噪声会发生非线性的变化。本文主要设计一种算法,能够显著降低这种非线性的变化,进一步增强SAR图像的质量,在对噪声信号进行滤波处理后,增强尾迹SAR图像的识别成功率,同时改善船舶尾迹细节特征的识别效果。     

一种基于小波变换的SAR图像船舰监测新算法

船舶图像监测技术对于船舶的运行安全有着非常重要的作用,特别是在航道管理、船舶避碰、状态检测等领域,通过分析传感器采集的数据,可以获得非常多有用的信息。本文主要结合先进的SAR算法,通过小波变换对图像的有用信息进行过滤,提高了船舶图像的识别率。首先,对小波变换理论和SAR识别算法进行了原理阐述,然后对图像进行数字建模,提取出其中的有效矩阵信息,通过对特征数据进行互补和冗余信息,提高了系统的识别性能,在数据处理时,由于存在外部噪声干扰的问题,所以需要加入去噪声滤波算法。     

基于块匹配的迭代滤波在SAR舰船图像去噪中的应用

SAR以自身所具备的诸多优势,在舰船中得到越来越广泛的应用。在实际应用中发现,SAR的成像机制使图像中容易出现相干斑噪声,对舰船目标检测与识别造成影响。为最大限度地发挥出SAR图像的作用,需要采取合理可行的方法,对SAR图像进行去噪。块匹配算法在SAR图像去噪中的效果较为显著,而常规的块匹配存在虚假信号引入,未能达到平滑去噪的效果。为解决这一问题,可通过迭代滤波的方法,对块匹配算法进行优化。结果表明,经过迭代滤波优化后的块匹配算法,能够达到SAR图像的去噪要求。     

采用小波SAR算法的船舶监测系统设计

根据小波变换和Teagar算子的优良特性,设计出一种基于SAR图像的船舶检测算法,并且基于该算法设计出了一套监测系统。该系统能够准确、高品质的实时对船舶进行跟踪监控。此监控系统的核心是这一套新的算法,该算法对SAR图像进行小波变换,然后针对小波变换的低频分量采用Teagar算子进行增强和去噪处理,再将低频分量和高频分量利用逆小波变换获得高品质的SAR图像。并通过实验验证本系统的适用性和优越性。     

基于自适应分数阶Kalman滤波的船舶视觉跟踪

为提高Kalman滤波算法的准确性和鲁棒性,提出一种基于自适应分数阶系统的Kalman滤波算法,设计状态噪声协方差选择的自适应机制,推导其数学过程.将该算法应用到船舶视觉跟踪中,选取不同河流的CCTV(Closed Circnit Television)船舶监控视频(包括不同情况下的内河船舶运动监控),针对不同船舶大小...     

基于视觉传达的船舶航行图像实时传输系统

为实现船舶航行图像的高效处理与传输,应用视觉传达思想设计一种船舶航行图像实时传输系统。系统由多个模块构成,其中通信模块采用LRIT系统进行通信。前端图像采集模块负责进行图像采集,通过IIC总线对图像解码芯片实施视觉传达配置,采用数字多媒体软件进行采集图像的视觉传达。指令和图像处理模块由通信协议处理单元、指令信息处理单元等构成。图像滤波模块使用的图像滤波处理算法为中值滤波算法,能够实现噪声的降低与图像质量的提升。对系统进行测试与分析,测试结果表明系统平均仅需2.375 s即可实现船舶航行图像的压缩,传输速度在70～85 MB/s之间,并且系统具备良好的滤波性能,可以满足实际船舶航行图像实时传输需求。     

合成孔径雷达图像船舶自动检测新方法

针对传统SAR图像船舶自动检测方法在检测近岸目标时存在的普适性不强、计算量大、自动识别差的缺陷,提出了一种新的迭代阈值分割算法,通过消除噪声、分离目标检测出船舶目标,对比验证该方法能自动、快速、准确地检测近岸船舶目标。     

基于深度学习网络的舰船识别方法

合成孔径雷达SAR由于穿透力强,可全天候工作,目前在海上目标探测等领域获得了非常广泛的应用,SAR图像的舰船识别技术也成为一项热点研究。本文研究侧重于利用深度学习算法和卷积神经网络,实现海上舰船SAR图像的快速、准确识别。首先介绍深度学习和卷积神经网络的原理,然后基于深度学习网络建立了SAR图像船舶快速识别算法,最后结合海上SAR图像数据进行了舰船识别的仿真试验。     

船舶纹理图像自适应滤波去噪研究

由于传统的船舶纹理图像的自适应滤波去噪方法存在去噪效果差的问题,因此提出了一种新的船舶纹理图像的自适应滤波去噪方法。根据船舶纹理图像空间坐标连续性,将船舶纹理图像表示成数字图像形式,利用船舶图像纹理的主要3个标志,提取纹理特征,并给出纹理特征定量估计结果。结合图像纹理特点,对图像进行分割处理。采用极值检测方法设计噪声检测的自适应滤波,在一定程度上判断出噪声大小。通过设置阈值减小对噪声的误判,实现图像信息与噪声的有效分离。设计去噪流程,由此完成自适应滤波的去噪处理。通过实验对比结果可知,该方法的去噪效果较好。     

基于区域分割的非局部全变差SAR相干斑滤波

受成像体制影响,合成孔径雷达(Synthetic aperture radar,SAR)图像带有非高斯的乘性相干斑噪声。为有效抑制乘性相干斑噪声,提出一种融合非局部均值滤波(Non-local means filter,NLMF)与全变差(Total variation,TV)正则化的非局部均值-全变差(NLM-TV)降噪算法。首先将相干斑噪声转换为依赖于散射强度的加性噪声,将SAR图像分为边缘、强散射区、弱散射区。然后利用NLMF进行降斑,为有效的保持边缘结构,NLMF的平滑参数选取较小。在强散射区,为解决平滑参数较小所带来的降斑不充分问题,进一步使用TV正则化进行平滑处理,获得最终的降噪结果。使用RADARSAT-2,Terra SAR-X两景实测SAR图像仿真实验,结果表明:相比多种滤波算法,NLM-TV算法在弱散射区,强散射区均能显著提高等效视数,边缘保持指数能够提高10%以上。     

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。     

基于区域分割的非局部全变差SAR相干斑滤波

受成像体制影响,合成孔径雷达（Synthetic aperture radar,SAR）图像带有非高斯的乘性相干斑噪声。为有效抑制乘性相干斑噪声,提出一种融合非局部均值滤波（Non-local means filter, NLMF）与全变差（Total variation,TV）正则化的非局部均值-全变差（NLM-TV）降噪算法。首先将相干斑噪声转换为依赖于散射强度的加性噪声,将SAR图像分为边缘、强散射区、弱散射区。然后利用NLMF进行降斑,为有效的保持边缘结构, NLMF的平滑参数选取较小。在强散射区,为解决平滑参数较小所带来的降斑不充分问题,进一步使用TV正则化进行平滑处理,获得最终的降噪结果。使用RADARSAT-2,TerraSAR-X两景实测SAR图像仿真实验,结果表明：相比多种滤波算法, NLM-TV算法在弱散射区,强散射区均能显著提高等效视数,边缘保持指数能够提高10%以上。     

基于多特性融合的船舶航运图像识别算法

针对原有船舶航运图像识别算法在计算过程中,仅对图像中某一特征提取,造成图像识别精度较差的问题,引用多特性融合技术,设计基于多特性融合的船舶航运图像识别算法。设定图像采集设备,获取航运图像,依据图像预处理流程完成图像预处理。设定特征提取部分中的除原有的边缘特征,增加图像色彩特征以及纹理特征。使用提取到的图像特征,采用粒子滤波的形式,完成船舶航运图像识别。至此,基于多特性融合的船舶航运图像识别算法设计完成。构建实验环节对此方法进行测试,与原有算法相比,此方法对图像识别的有效性更高。综上所述,此船舶航运图像识别算法优于原有船舶航运图像识别算法。     

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。     

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。     

船舶噪声视频图像的去噪锐化方法

传统视频图像降噪处理普遍采用小波滤波算法完成降噪计算,虽然像素通道内的噪声被有效去除,但是滤波过程中有效像素的损耗导致图像通道的收敛性降低,不利于后期图像的锐化处理。为了解决此问题,提出船舶噪声视频图像的去噪锐化方法。为了避免去噪过程中对正常像素的损伤,本文提出的方法采用拉氏去噪算子去噪算法,完成噪声像素点的去除计算。通过梯度锐化并行算法在去噪算法的基础上,完成对图像像素的锐化计算。对比实验表明,提出的去噪锐化方法比传统去噪锐化方法,提升图像整体去噪锐化效果好,实用性更强。     

基于视觉传达技术的船舶图像中弱小目标检测方法

为及时发现和跟踪小型渔船、救生艇等弱小目标,提高海上救援和应急响应的效率和准确性,研究基于视觉传达技术的船舶图像中弱小目标检测方法。通过中值滤波算法去除船舶图像中的噪声,改善船舶图像质量,将去噪后的船舶图像应用于基于门限直方图均衡的船舶图像增强方法中,在该方法处理下,增强船舶图像对比度;之后利用视觉传达技术,对船舶图像中的弱小目标亮度进行调整,并根据亮度调整结果分割目标边缘,从而实现弱小目标检测。经实验验证,该方法可在保证图像边缘清晰的情况下实现图像去噪与增强,提高了船舶图像质量,同时该方法具有较高的背景抑制因子与信杂比率增益,在检测过程中可有效分割弱小目标与背景,实现良好的弱小目标检测。     

利用NSCT循环抽样进行水声图像去噪

在海上军事及海底探测领域,基于声呐图像的识别应用越来越多。但是声呐图像混入了多种海上噪声,在图像对比时首先需要去除噪声。NSCT是一种基于拉普拉斯逆变换的滤波方法,对于海上声呐图像首先按照周期进行循环抽样,然后利用NSCT变换得到图像边缘系数,再通过滤波平移对噪声进行去除。本文在研究声呐图像及海上噪声特性的基础上,利用NSCT滤波算法对其进行去噪处理,得到空域平均后的去噪图像,并给出仿真结果。     

基于虚拟现实技术的船舶图像数字水印保护算法

数字水印可以对船舶图像的版权和重要信息进行保护,当前船舶图像数字水印算法对各种噪声、裁剪、尺寸变化等攻击的抵抗能力差,而且船舶图像数字水印的隐藏性差,为了提高船舶图像数字水印的效果,设计了基于虚拟现实技术的船舶图像数字水印保护算法。首先对当前船舶图像数字水印保护的研究进展进行分析,找到当前船舶图像数字水印保护研究中存在的一些难题,然后基于虚拟现实技术对原始船舶载体图像进行预处理,并对水印进行置乱操作,使攻击者无法获取水印的原始信息,最后通过水印嵌入算法将水印嵌入到原始船舶载体图像的最优位置,并通过实验对船舶图像数字水印保护算法的性能进行测试。结果表明,本文算法可以将水印信息很好的隐藏于原始船舶载体图像中,水印具有良好的不可见性,可以抵抗各种非法攻击,解决了当前船舶图像数字水印保护算法存在的缺陷,具有更加广泛的应用前景。     

数学形态滤波的图像边缘检测

图像边缘检测是图像中目标识别和分类的基础,针对当前图像边缘检测算法存在易受噪声影响、检测边缘不完整、检测精度低等不足,设计了基于数学形态滤波的图像边缘检测算法。首先采集待检测边缘的图像,并采用小波变换对其进行去噪声处理,减少噪声对边检测结果的干扰,然后采用数学形态滤波方法对图像的边缘进行检测,最后进行图像边缘检测的验证性实验,并与其他算法进行了对比测试,结果表明本文算法可以抑制噪声对图像边缘检测结果的影响,得到十分完整的图像边缘,而且图像边缘检测的整体效果显著优于对比算法。