舰船尾迹光学信号异常特征贝叶斯识别方法

为了提升舰船尾迹光学信号异常特征识别效果,提出舰船尾迹光学信号异常特征贝叶斯识别方法。针对合成孔径雷达系统采集的舰船尾迹SAR图像中舰船尾迹与海杂波边界区分不清晰的情况,使用图像分割和归一化的Hough变换检测方法实现舰船尾迹图像增强;依据气泡运输方程提取舰船尾迹直方图,根据直方图内峰值点密集程度,提取舰船尾迹光学信号特征,将该特征作为输入,使用贝叶斯分类模型输出舰船尾迹光学信号异常特征识别结果。实验结果表明：该方法可有效增强舰船尾迹SAR图像,也可有效提取舰船尾迹直方图,并准确提取舰船尾迹光学信号特征和识别其中的异常特征。     

舰船尾迹多维信息抗干扰智能搜索方法研究

传统舰船尾迹搜索方法在多维信息处理上,由于算法计算因素单一,无法对多维信息内无效数据做准确筛选运算,导致舰船尾迹图像搜索运算受到无效数据干扰源影响,出现搜索映射率低、误差大的问题。针对此问题,提出舰船尾迹多维信息抗干扰智能搜索方法研究。首先,通过对多维信息内舰船尾迹图像进行锁定。其次,引入多尺度特征融合算法对尾迹图像内干扰源进行滤除处理,接着,引入空间特征匹配算法对处理后的尾迹图像做搜索特征匹配计算,完成智能搜索过程。最后,通过对比实验证明,提出的舰船尾迹多维信息抗干扰智能搜索方法,能够有效解决传统搜索方法存在的映射率低、误差大的问题。     

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。     

基于标准化灰度霍夫SAR图像的舰船尾流探测算法变换研究

目前,合成孔径雷达(SAR)图像技术在舰船检测和监视等方面的应用越来越广泛,特别是在舰船目标识别方面。当运用SAR图像技术进行舰船尾迹检测时,面临的主要问题是缺乏自适应的检测算法和检测系统,导致舰船尾迹检测的项目稀少,获取的目标信息单一,既无法发挥SAR图像技术的优点,又无法准确有效地进行舰船尾迹检测。本文详细分析了影响尾迹产生的因素,在Hough变换的基础上,进行了SAR图像技术在舰船尾迹检测中的研究。     

基于傅里叶变换的SAR图像舰船尾迹检测

为利用精准的舰船尾迹检测结果,为航速航向信息反演等应用提供基础,提出基于傅里叶变换的SAR图像舰船尾迹检测方法。利用分数阶傅里叶变换方法,通过线性积分变换以及平面旋转两部分,变换舰船尾迹SAR图像,将其划分为高频子带与低频子带。利用Radon变换方法,累加SAR图像低频子带内直线像素点的灰度值,获取像素点与舰船尾迹线的几何对应关系,搜索Radon变换域中的峰值点位置,获取最终的SAR图像舰船尾迹线检测结果。实验结果表明,该方法可以有效检测SAR图像中的卡尔文尾迹、布拉格尾迹等不同类型的舰船尾迹,具有优越的舰船尾迹检测效果。     

海面舰船尾迹SAR图像仿真

舰船尾迹的仿真研究有利于合成孔径雷达(SAR)对舰船的检测与识别。针对舰船航行环境的复杂性,提出了一套较为完整的舰船尾迹仿真方法。在引入快速傅里叶变换(FFT)快速求解海面基础上,加入波流相互作用,使海面与尾迹较真实的融合在一起,然后基于随机多尺度模型给出了舰船尾迹后向散射的简化计算模型,最后结合速度聚束调制和调制变换函数仿真出SAR图像,仿真结果表明该方法的可行性。     

加权k-均值在舰船尾迹识别中的应用研究

首先描述加权k-均值的原理;然后利用对舰船尾迹原始进行分块,并且以此提高尾迹的对比度,对分块后子图像进行归一化Hough变换;最后基于加权k-均值进行舰船尾迹识别。实验结果表明本文算法识别率高,识别时间短。     

基于Hough变换的舰船尾迹检测研究

提出一种采用小波变换和Hough变换结合的对SAR图像中舰船尾迹检测的算法。该方法首先对SAR图像进行预处理,降低相干斑噪声的影响;然后采用小波变换对SAR图像进行多尺度分解,并利用归一化Hough变换对不同尺度的子图像进行处理,检测图像中的直线,再将多个尺度的直线检测结果结合起来考虑,剔除错误判断,选定准确的舰船尾迹检测直线。最后通过实验对本文算法进行验证,结果表明该方法能够有效检测舰船尾迹。     

舰船尾迹SAR图像特征的谱分析研究

图像纹理在频率空间的分布具有规律性,可以通过对图像进行频谱分析来提取纹理特征。根据SAR成像机理对舰船尾迹SAR图像进行了仿真研究,采用周相谱法对图像的二维功率谱作一维变换处理,提出基于归一化能量谱的图像谱特征分析方法,并给出了不同探测参数下尾迹SAR图像谱特征的仿真图。结果表明,该方法可有效地消除海面背景的影响,实现舰船尾迹特征检测的定量分析。     

基于三维自适应预测的舰船尾迹图像快速无损压缩算法

为了获得更高质量的舰船尾迹行进图像,提出基于三维自适应预测的舰船尾迹图像快速无损压缩算法。根据三维自适应预测原理,设定波段顺序条件,确定尾迹节点的实际精度数值,完成基于三维自适应原理的舰船尾迹预测。在此基础上,利用已选取的压缩指标,对各级节点实施无损编码,再通过计算压缩比例,实现舰船尾迹图像快速无损压缩算法。对比实验结果表明,与BMP图像处理手段相比,应用快速无损压缩算法后,图像压缩清晰度极值达到88%,舰船尾迹行进图像的质量水平得到有效提升。     

舰船速度变化检测的DIP控制器设计

使用基于声学多普勒海流剖面仪、DGPS接收机受到流向数据影响,存在舰船尾迹检测精准度不高的问题。为了解决该问题,提出舰船速度变化检测的DIP控制器设计。设计DIP控制器硬件结构,通过控制单元接收DIP拨码的操作数据,利用继电器实现设备开与关。设计DIP控制流程,匹配数据库预设值,匹配成功后由控制单元选择正确工作模式。通过控制DIP,当预设值匹配成功后,估算舰船尾迹长度船速。分析舰船尾迹长度、尾迹横波波长与行驶速度之间的线性关系,间接获取舰船行驶速度。由实验结果可知,该控制器与实际舰船尾迹长度一致,误差为0,具有精准检测舰船尾迹长度结果。     

Radon算法在合成孔径雷达图像舰船尾迹检测中的应用

舰船尾迹检测是一项较为重要的内容,通常采用合成孔径雷达获取尾迹图像,对图像进行检测。由于受到海面环境的影响,使得图像中存在较大的噪声干扰,对检测结果的准确性造成影响。为解决这一问题,可对Radon算法进行合理应用。Radon变换的优点较多,从而使其在合成孔径雷达图像舰船尾迹检测中得到广泛应用,Radon变换也存在局限性,为此需要通过对图像的预处理,来弥补缺陷,提升检测结果的准确性。经过验证,采用相应的措施后,Radon变换能够使合成孔径雷达图像舰船尾迹检测更加准确。     

舰船尾迹图像的对比度特征提取方法

根据舰船尾迹图像尾迹区与海水背景区存在明显对照的特性,提出用对比度参数作为尾迹图像质量评价指标,进而表征舰船尾迹光学信号特征强度.为有效评价尾迹图像质量,在改进对比度基本计算模型的基础上,充分考虑人的视觉特性,引入尾迹区与海水背景区的加权因子进行组合评价,将主观与客观评价方法有机结合起来,并通过专门研制的海上特征提取实验装置进行对比度特征提取实验分析.结果表明,对比度参数能较好地反映人眼对尾迹图像实际质量的主观视觉感受,更能体现尾迹图像处理应用的本质,且能定量可靠地描述舰船尾迹光学信号特征强度的变化规律.     

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。     

大型舰船尾迹图像对比度特征提取方法

现有舰船尾迹图像对比度特征提取方法普遍存在运算复杂、处理速度慢等问题。易导致舰船尾迹区域图像与海水背景区图像出现较大差异。为解决上述问题,提出通过边缘图像特征提取方法对图像灰度对比参数特征进行提取的方法,结合人眼视觉特性的主观体验与客观对比强度评价方法进行船舶尾迹图像创新优化。利用图像边缘特征提取方法进行仿真实验。实验结果表明,通过边缘图像特征提取方法对图像灰度对比参数特征进行提取和处理可有效提高船舶图像对比度特征提取的准确性,对船舶尾迹图像进行更加清晰的展现。     

高精度舰船图像拼接算法研究

为了解决当前图像拼接重叠区域多的问题,提出高精度的舰船图像拼接算法研究。在图像拼接之前,需先提取图像特征,采用Harris角点局部特征检测算法,在尺度空间寻找位置、尺度和变量特征,以此设计尺度空间极值点检测流程,避免外界噪声干扰。根据每个关键点特征计算图像尺度变化比例、图像旋转角度和不同图像间平移距离,确定不同图像特征点位置关系,以此实现图像参数自动辨识。采用surf角点检测算子检测图像重叠区域角点,在允许尺度空间多层图像处理下,无需对图像进行二次抽样处理。通过构建Hessian矩阵判别式,判断特征点是否为极点,利用二阶标准高斯函数,判别特征点。利用相应波为信息计算偏航角,确定变换参数,完成图像拼接。由实验结果可知,该算法图像拼接重叠区域较少,拼接精准度较高,为舰船稳定运行奠定基础。     

小波变换在SAR图像舰船尾迹检测中的应用

针对小波变换在SAR图像舰船尾迹检测中的应用,本文首先对原始的SAR图像进行预处理,抑制强目标和强斑点;然后进行Radon变换,计算所有峰值截面和小波函数的连续小波变换,对提取的参数进行基于信号聚类算法进行决策判定得到真实峰值,基于方向梯度算法检测尾迹起点;最后利用真实峰值与小波函数匹配实验进行验证算法的有效性。实验结果表明,高斯小波和墨西哥帽小波与线性特征所对应的峰值匹配程度较好,极大地提高了真实目标峰值的检测率,减少虚假线性特征的影响。     

基于局部脊波变换的SAR图像舰船尾迹检测方法

分析舰船尾迹的分类及SAR图像特征,提出一种结合局部Radon变换与脊波变换的检测尾迹的方法,即将图像分成若干个小窗口,在小窗口内进行局部的脊波变换。该方法克服了全局脊波变换的局限,使尾迹能够在较复杂的海况检测出由断续线段组成的尾迹。     

基于SURF特征点的图像拼接技术研究

图像拼接技术是一个复杂的流程,其包含了多项图像处理技术,其中图像配准和图像融合是实现图像拼接的关键步骤。论文提出了基于SURF特征点的图像拼接技术研究。利用Harris角点检测算法对图像的角点进行提取,设计了图像拼接的架构,并阐述了论文图像拼接实现的方法,构建了图像拼接实现的系统,接着搭建了实验平台,设计了仿真实验,通过实验验证了该方法的有效性与优越性。     

基于计算机大数据的船舶视频图像类型辨识分析

传统船舶视频图像类型识别算法在图像类型识别计算过程中,存在视频图像高频尺度空间像素子带系数计算精度较低,导致图像画面差异辨识度降低,无法高精度对比图像特征参量的问题。因此,提出计算机大数据船舶视频图像类型辩识分析。通过神经网络算法,建立视频图像特征的神经网络模型;根据特征模型推导建立辨识模型。在辨识模型的基础上,通过导入大数据高频子带尺度算法,对图像特征尺度空间内的高频子带系数进行优化计算,从而提升视频图像类型的辨识精度。通过实验数据对比表明:提出的视频图像辨识算法,能够有效改善图像类型识别环境,提升图像类型辨识精度,解决了传统辨识算法辨识精度低的问题。