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。     

智能视频监控中舰船假目标图像检测算法

传统舰船假目标图像检测算法存在检测精准度低的缺陷,为此提出智能视频监控中舰船假目标图像检测算法研究。将智能视频监控中采集的图像采用灰度化处理得到灰度图像,利用直方图均衡化处理灰度图像,提升图像的质量。采用滤波处理方法将得到的图像进行去噪,完成图像的预处理,为图像检测做准备。采用小波变换方法对上述得到的图像进行特征提取,将得到的图像特征输入到图像检测模型中,与真目标图像特征进行逐一比较,输出假目标图像,实现了对舰船假目标图像的检测。实验结果表明,提出的舰船假目标图像检测算法检测精准度比传统算法高出21.8%,说明提出的舰船假目标图像检测算法具备极高的有效性。     

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。     

船舶机舱监控视频的智能检索系统

由于传统船舶机舱监控视频检索系统存在检索架构逻辑滞后,无法将视频检索架构数据与视频源文件特征数据对应绑定,出现在对大量视频数据中某一视频段检索时,处理时间过长的问题。为此提出设计船舶机舱监控视频的智能检索系统。通过架设XML云端检索服务器,建立视频检索数据存储硬件平台。依托此硬件平台,引入综合特征处理算法,对视频图像内部特征与检索数据进行对应绑定处理,实现快速智能检索视频数据的效果。通过对比实验证明,设计的船舶机舱监控视频的智能检索系统在大量视频数据中,能够快速检索出所要视频数据段。     

基于计算机网络的船舶视频图像模糊细节增强算法

为了提高船舶视频图像的质量,针对图像模糊问题,设计了基于计算机网络的船舶视频图像模糊细节增强算法。首先分析引起船舶视频图像模糊的因素,并提出采用无线传感器网络对船舶视频图像进行采集和传输,然后对船舶视频图像进行增强处理,丰富船舶视频图像细节信息,改善船舶视频图像视觉效果,最后实现了船舶视频图像模糊细节增强实验,结果表明,本文算法对船舶视频图像进行增强处理后,图像更加自然,并采用定量分析指标对船舶视频图像质量进行评价,获得比其他算法更优的船舶视频图像模糊细节增强效果。     

低分辨率船舶视频监控图像的边缘轮廓提取

目前船舶视频监控图像以其灵敏、实时、可靠性等优势被广泛使用在海洋航运工程中。然而,由于船舶航运环境复杂,易对监控图像画面质量产生干扰,导致监控图像分辨率和信噪比相对较低,造成图像边缘轮廓提取困难等问题。因此提出结合PID模糊算法以及图像灰度映射函数进行精准有效的图像边缘轮廓提取和检测的方法。该方可针对低分辨率船舶航视频图像进行降噪处理,精确定位边缘轮廓,提高图像分辨率和对比度,从而得到精确的边缘轮廓信息数据。最后为验证方法的有效性进行仿真实验,实验检测结果表明该方法能快速精准的对低分辨率船舶视频监控图像边缘轮廓进行提取,降噪处理效果十分突出,有效解决了传统方法耗时较多提取效果差等问题,符合视频监控图像处理的评价体系标准,应用渠道十分广泛,具有较高的参考价值。     

云计算在船舶网络视频监控系统中的应用研究

随着云计算技术的快速发展和不断完善,云计算技术在船舶安防、视频监控等领域逐渐得到了广泛的应用和发展。船舶网络视频监控在船舶安防中发挥着非常重要的作用。通过视频监控系统能够及时掌握船舶航行状态,确保船舶的安全。本文设计船舶网络视频监控系统,研究云计算技术在系统中应用的关键技术,提出视频图像检测算法。     

舰船阴影检测算法在视频图像中的应用

海上舰船的监控有利于加强船舶监管水平,提供船舶航行的安全性,随着视频传感器与计算机技术的发展,海上舰船视频监控覆盖的范围越来越广,与此同时,视频监控的目标识别与图像处理技术也得到了一定的发展。视频图像中的阴影会降低目标识别的精度,因此,在进行舰船视频图像处理时必须要利用阴影消除算法,来改善舰船目标识别的水平。本文介绍一种基于色彩空间的阴影消除算法,并结合信号降噪技术,提升了监控视频图像中舰船目标检测的精度。     

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。     

基于云计算的船舶监控系统设计

随着我国船运事业的发展,船舶监控系统的数据采集规模越来越大,系统处理数据的能力急剧下降,系统运行效率明显降低,已经无法满足监控系统对实时性的要求。随着云计算技术的发展,为海量数据处理提供了新的研究方向。利用云计算技术的集群方式,获得大量的计算资源和并行计算能力,从而提高对大规模数据的处理效率。本文设计了基于云计算环境的船舶监控系统,研究现有的分布式查询算法,提出基于TA算法和直方图策略的ITA改进算法,并进行仿真实验。     

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。     

恶劣环境下监控视频中舰船图像增强研究

受到舰船监控应用环境的影响,恶劣环境下监控视频中会因为低照度原因,出现视频图像运动影像模糊问题,严重影响视频监控应用。为此,提出恶劣环境下监控视频中舰船图像增强研究。首先对低照度舰船监控视频图像进行降噪明度提升计算,接着对视频图像运动目标轨迹进行增强计算,最后对图像全局通道进行模糊遮罩层的去雾计算,从而完成图像增强计算。为了证明提出研究方法的有效性,通过仿真对比实验对提出方法与传统方法进行测试,根据测试结果,得出有效性结论。     

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。     

舰船监控视频传输中虚假图像识别方法研究

传统的舰船监控视频传输中虚假图像识别方法图像识别精准度低,为此设计一种舰船监控视频传输中虚假图像识别方法。采用加权平均值法对虚假图像灰度化处理,并利用直方图均衡化处理的方法对虚假图像中的灰度直方图转换。同时,采用二维双树小波变换方法对虚假图像重建以及图像分割,对舰船监控视频传输中虚假图像背景更新,完成了舰船监控视频传输中虚假图像识别。实验证明,此次设计的图像识别方法比传统方法的识别精准度高,实际应用意义大。     

船舶监控视频数据的压缩与传输方法研究

为保障船舶航行信息准确直观的进行传输,对船舶监控视频图像的压缩与传输准确性要求进一步提高,由于传统船舶监控视频数据压缩和传输解压程序复杂、图像画质模糊,难以达到准确传输船舶数据画面的获取要求。基于上述背景,结合离散小波变换算法对船舶监控数据压缩与传输方法进行研究和优化,以提高数据传输的安全性和可靠性,达到精准快速的传输和恢复图像质量的设计目标。为检验该方法的有效性进行仿真实验,实验结果证实,结合小波算法的监控视频数据压缩与传输方法可有效提高图像数据处理过程中的抗干扰能力,有效获取图像特征,快速进行图像传输,达到了精准高效的设计目标,有利于保障船舶的航行安全。     

船用视频图像增强装置的模块化设计

由于船用视频监控环境的复杂性,有必要采用多种不同组合的图像增强算法对各种视频图像进行增强处理。本文从船用视频监控系统的实际应用出发,在硬件结构和软件功能上设计了模块化的视频图像增强装置。它可作为一个独立的设备,提供标准的视频输入、输出接口,无缝集成到现有的船用视频监控体系结构中。船用环境下的应用结果表明:本装置工作稳定可靠,能对各种视频图像进行有效的增强处理,获取高质量的视频监控图像,完全满足设计要求。     

基于深度学习的监控视频中船舶识别方法

针对当前监控视频中船舶识别成功率低、无法进行在线识别的难题,为了对监控视频中船舶进行准确识别,提出基于深度学习的监控视频中船舶识别方法。首先对监控视频中船舶识别原理进行分析,采集船舶识别的监控视频,将船舶识别从背景中分割,然后提取船舶识别的不变矩特征,将不变矩特征输入深度学习算法中进行训练,建立监控视频中船舶识别模型,最后进行了多个监控视频中船舶识别验证性实验。实验结果表明深度学习算法可以准确对监控视频中的船舶进行识别,提高了监控视频中船舶识别成功率,误识率急剧下降,远低于当前其它监控视频中船舶识别方法,实时性要也要高于其它识别方法,是一种速度快、结果可信的监控视频中船舶识别方法。     

舰船视频图像局部特征的提取算法研究

舰船的视频监控系统能够有效提高海域内船舶的监控效率,提高海上监管的水平,在舰船视频监控系统的工作过程中,从视频图像中提取特征信息是关键的环节,也是业内的研究热点.本文描述了舰船视频监控系统的基本工作原理,探究了基于聚类分析的视频图像特征提取算法和基于边缘匹配的特征提取算法,对于改善视频监控系统性能有重要的意义。     

计算机3D处理技术的船舶图像优化

为了解决传统图像处理方法存在的图像质量差的问题,应用计算机3D处理技术,提出船舶图像优化方法。输入初始船舶图像,并对其进行解码处理。利用计算机3D处理技术,实现图像的投影变换。最终通过图像去雾、降噪、增强以及归一化等处理步骤,输出船舶图像的优化处理结果。经过与传统图像处理方法的对比,发现设计方法输出船舶图像的清晰度和信噪比分别提高了93.9 ppi和26.7 dB,即图像优化质量得到明显提升。     

船舶视频监控系统介绍

船舶视频监控系统对于船舶的防碰撞、防污染、防海盗以及管理监控等方面起到了非常重要的作用,对于运输危险品油轮的作用更为重要。本文在对现有船舶视频监控系统进行分析的基础上,对船舶视频监控系统在油轮上的应用提出了设想和建议。