基于支持向量机的高分辨率遥感影像的舰船目标识别研究

舰船目标识别技术是海上监测和作战的关键技术,能否快速而准确对海上目标进行识别,关系到海上作战的胜负。近年来,基于计算机图像识别和处理的舰船目标识别技术发展迅速,SAR图像处理技术在海洋遥感探测领域获得了广泛的应用。随着遥感技术的发展,海上舰船的遥感图像分辨率越来越高,相应的数据含量也呈指数式增加。因此,研究高分辨遥感图像的舰船目标识别技术具有重要意义。本文主要针对基于支持向量机的高分辨率遥感影像,对舰船目标识别过程的图像分割技术、目标检测算法和样本采集等进行详细介绍和研究,该研究提高了舰船目标识别技术的准确性和可靠性,具有重要的实际应用价值。     

基于尺度空间理论的舰船遥感图像特征提取技术

不论是军事作战领域还是民用领域,基于遥感技术的海上舰船目标探测技术都发挥着重要的作用,近年来,随着海上气象条件的恶化、反侦察技术和干扰技术的发展,舰船遥感图像的特征提取过程中噪声含量越来越多,提取难度也不断增加。针对这一问题,本文采用了一种基于尺度空间理论的舰船遥感图像特征提取技术,利用尺度空间高斯算法等改善了舰船遥感图像的特征提取精度,有重要的应用价值。     

舰船目标图像特征识别系统研究

海上遥感图像的目标探测与特征提取是一项非常重要的技术,特别是近年来光学探测仪器、计算机处理器等获得了迅速发展,使遥感技术的应用能力不断提升。本文分别从小波变换的遥感图像前处理、基于视觉显著性的船舶目标候选区域提取以及基于FPGA的舰船目标图像特征识别系统搭建等方面进行详细研究,对于改善当前海上舰船遥感技术的应用质量有一定意义。     

神经网络在舰船图像特征提取和分类中的应用

海上遥感图像对于舰船目标定位、海上救援、航运交通管理等有重要的作用,基于海上遥感图像的舰船目标特征提取及目标识别是一项热点研究。卷积神经网络是一种改进的人工智能算法,本文详细介绍了卷积神经网络技术的原理,基于卷积神经网络和滤波器实现了舰船遥感图像的特征提取和目标识别。     

基于遥感图像的船舶目标识别技术

遥感卫星探测是进行海上舰船目标探测与识别的主要途径,受限于海上气象条件,比如海雾、阳光反射等,海上船舶的遥感图像往往存在大量噪声。为了提高船舶遥感图像的目标识别精度,本文针对船舶遥感图像的图像处理技术进行系统研究,主要包括船舶遥感图像的特征分析,遥感图像的噪声过滤与增强,对于改善遥感图像的目标识别效率有重要的意义。     

光学成像技术在舰船编队目标数据关联中的应用

海面舰船编队目标的侦察和识别不仅具有重要的军事意义,还有助于海上交通管理和渔船的协同作业,研究海上舰船编队目标的识别和特征提取具有重要价值。海上舰船编队目标的信息采集方式以光成像技术为主,其中,光学卫星遥感图像是应用最广泛的一种光学图像技术。本文针对海上舰船编队目标的识别和侦察问题,研究了光学卫星遥感图像的噪声处理、目标预测和特征提取等内容,对提高海上舰船编队目标的识别精度,提高数据关联程度有一定的指导作用。     

基于支持向量机的红外图像舰船统计特征分析

海上舰船的航行统计特征和目标识别对于海上交通管理与监察部门有重要作用,一方面,舰船的航行统计特征是海上航线管理与调度的基础,可以减少海上船舶的碰撞事故;另一方面,舰船目标的特征识别可以帮助监察部门分辨敌我船舶,维护海上领域的安全。随着计算机技术与探测技术的发展,海上舰船的目标识别与特征提取技术取得了明显的进步,本文重点研究了基于支持向量机的舰船红外图像统计特征识别与提取技术,包括图像样本分类等方面,并进行了舰船红外图像边缘像素识别的仿真试验。     

基于PQFT模型和小波变换的遥感图像舰船目标特征提取

海上舰船的目标检测和特征提取是非常重要的研究课题,不仅可以用于军事领域的敌方船只侦察,还可以用于海上交通管理和渔船监管等领域。高分辨率的舰船光学遥感图像含有丰富的舰船航行状态信息,研究舰船光学遥感图像的分析技术有助于提高舰船目标识别和特征提取的效率。本文详细介绍了图像处理技术中的PQFT模型和小波变换理论,并基于PQFT模型和小波变换研究了舰船高分辨率遥感图像的识别和特征提取技术,有重要的理论和实际应用意义。     

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。     

基于合成孔径雷达图像处理的舰船目标检测与优化

合成孔径雷达(SAR)具有全天候、全方位的目标监测功能,被广泛应用于国防军事和工业领域。本文主要研究了一种基于合成孔径雷达图像处理的舰船目标检测技术,海上舰船目标的检测和识别有重要的军事意义,能够提高海上交通的管理能力。本文首先介绍了合成孔径雷达的基本成像原理,然后基于LEE滤波器介绍SAR图像的噪声处理,最后针对舰船SAR图像的目标特征进行了识别与分析。     

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。     

基于图像匹配的多船舶图像拼接方法

传统多船舶图像拼接方法在使用实践过程中,存在无法对多艘高度相似的船舶进行特征区分,导致在拼接过程中拼接位置出现错误的问题。提出基于图像匹配的多船舶图像拼接方法,首先通过引入M-KAZE算法,对高相似度的船舶进行细节的非线性尺度特征识别计算,使每张船舶图像的特征更为清晰;接着,引入稀疏特征像素点拼接算法对多张船舶图像的稀疏特征进行关联计算,从而完成多艘船舶图像的准确拼接;最后,通过仿真实验证明提出方法的可行性。     

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。     

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。     

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。     

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.     

基于图像熵的火灾烟雾识别

提出了一种基于图像熵的烟雾运动模式识别方法,用来实现对火灾烟雾的探测.通过对烟雾自由扩散模型的理论分析,得出了烟雾扩散熵增运动的特征.通过引入信号学中"图像熵"的理论,用来捕捉烟雾运动造成的熵变特征,进而实现火灾烟雾的检测.经过实验的验证和分析,并对图像熵值的变化进行傅立叶变换,得出了干扰运动和烟雾运动具有不同特征信号的结论,从而实现了烟雾的识别.与以往研究者通过研究视频烟雾的图像特征出发不同,文中从烟雾的热力学的性质和它在流体力学方面的运动特征,得出它与一般的刚体具有截然不同的运动模式的理论,以图像熵作为核心参量,得出一种实用高效的火灾烟雾检测算法.实验表明:这种检测算法受到环境的干扰较小,特别适合复杂环境的烟雾检测,并可以用于对火灾环境的评估.     

舰船尾迹图像去噪处理方法研究

针对现有去噪处理方法获得的舰船尾迹图像质量较差,边缘信息模糊等缺点,提出一种基于MCA与特定滤波器相结合的舰船尾迹图像去噪处理方法,对舰船尾迹成像模型和相干斑噪声模型以及统计特性进行了分析和计算;采用MCA对舰船尾迹结构成分与水面复杂背景纹理成分进行有效分离,分别选择双正小波变换和剪切波变换构建舰船尾迹纹理字典和结构成分字典,将舰船尾迹图像形态成分分离过程转化成最优化问题进行求解,去除了干扰;采用同态滤波对去噪处理后的舰船尾迹图像进行增强,并设计了高通滤波器来替代同态滤波函数中的滤波器,实现了舰船尾迹图像的中低频成分抑制和高频部分增强。实验结果表明,所提方法对舰船尾迹图像的去噪处理效果最好,得到的图像边缘清晰度更高,纹理特征也更加显著,且细节信息得到了增强。