基于图像检测的船舶特征提取算法优化

传统船舶特征提取算法,无法完全对船舶特征进行提取,存在精度不够、无法有效提取特征点等问题。为有效解决此问题,提出基于图像检测的船舶特征提取优化算法。计算不同波段下船舶图像的灰度值,依据灰度值结合霍夫曼及分裂排序编码构建船舶图像特征提取示意图;设计基于图像的船舶特征点检测提取模型,确定图像中船舶特征点相关性。依据相关性进行船舶特征点的有效提取,并利用图像特征提取,完成船舶特征提取的优化算法,设计对比实验结果表明,改进后方法与传统方法相比,大幅提高船舶特征提取的准确性。     

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。     

基于特征融合技术的船舶图像拼接方法

海上交通运输业的快速发展,对船舶航行安全性提出更高的要求。船舶图像系统作为辅助船员安全驾驶的措施之一,必须保证图像的分辨率和清晰度。为实现这一目标,可以利用特征融合技术,选取适宜的特征提取算法,对图像中的特征点进行准确提取,为图像融合拼接提供有利条件。在图像拼接的过程中,通过预处理,消除影响拼接效果的因素,以此来确保图像的拼接质量,为船舶安全航行提供支撑。本文的研究对于船舶图像系统性能的全面提升具有重要的现实意义。     

基于神经网络特征提取的SSA-SVM船舶目标识别方法

运用神经网络图像特征提取联合SSA-SVM分类算法,对通航区域图像中的典型船舶目标进行识别以实现船舶目标的自动分类。首先通过摄像机获得通航区域的高分辨率图像,以AlexNet深度学习网络为基础经迁移学习后提取典型船舶目标特征,获得4种船舶类型、共5 505 024个特征数的典型船舶目标特征矩阵。以特征矩阵为训练依据训练SSA-SVM算法,在种群寻优下获得最佳识别参数,经训练得出在小数据集下具有较强辨识能力的SSA-SVM船舶目标识别模型。实验表明,相比于深度学习的大数据集驱动识别算法,使用AlexNet特征提取的SSASVM算法能够在数据量较少的情况下对散货船、集装箱船等典型船舶目标进行有效识别,识别准确率为88.87%、训练时长为1 856 s,满足实用需求,为水上监管提供了可靠的技术支持。     

基于图像检测的船舶特征分割与提取优化算法

船舶图像特征分割和提取算法是图像检测领域中的基础工作。由于船舶航运环境和船舶自身结构组成相对复杂,船舶图像的全自动分割方法在图像检测过程中经常出现边缘模糊、准确性低等问题。因此提出基于图像检测的船舶特征分割与提取优化算法,结合免疫算法获取更多图像特征信息,达到快速、准确的对船舶图像特征进行提取和分割的目的。为验证算法的准确性进行仿真实验,结合船舶区域图像对图像边界特征进行提取和分割,并与传统方法进行比较。实验结果证明基于图像检测的船舶特征分割与提取优化算法可以有效达到特征融合、全局最优、算法效率高等优良特性,使图像具有更强的实用性。     

基于图像纹理特征提取的船舶目标定位方法

普通船舶目标定位方法,确定目标船舶所处位置时,易发生较大偏差,且所需定位时间过长。为有效解决此问题,设计基于图像纹理特征提取的船舶目标定位方法。通过船舶图像纹理特征的确定,完成基于Gabor船舶图像纹理特征的提取。通过目标阵列稀疏信号的确定、稀疏信号方位角的确定,完成基于图像纹理特征提取的船舶目标定位方法的搭建。设计对比实验结果表明,新型船舶目标定位方法与普通方法相比,一定程度上,缩小目标船舶定位误差及所需定位时间。     

船舶视频监控图像的多特征集成研究

传统视频监控图像多特征集成技术对舰船图像集成后清晰度较差,并伴随一定的图像阴影,为此提出船舶视频监控图像多特征集成技术。根据舰船图像的底层视觉特征进行图像自动标注,为特征提取提供定义数据,对图像进行序列选定,避免集成图像生成阴影;使用空间分布特性进行图像视觉特征表达,使用纹理特征方式实现船舶监控图像多特征集成。试验数据表明,设计的图像多特征集成技术能够完成船舶图像的高清特征集成。     

不稳定条件下船舶遥感图像层次特征识别分析

传统遥感图像特征识别方法,在不稳定条件下无法准确对图像中的层次信息进行特征识别及分析处理。因此,提出不稳定条件下船舶遥感图像层次特征识别方法。通过对遥感图像进行特征干扰源提取计算,使图像层次变得清晰;引入卷积神经网络算法对图像层次特征进行网络化特征提取计算;采用像素特征识别方法对图像层次特征进行识别与分析;最后,通过实验对设计方法进行可行性的客观论证。     

结合空洞编码器和特征金字塔的中心点船舶检测

为了进一步提高基于深度学习的船舶目标检测技术的检测精度，在无锚框中心点检测算法基础上，提出一种结合空洞编码器和特征金字塔的改进中心点船舶检测算法。采用Res Ne Xt-50网络对船舶图像进行特征提取，引入基于空洞残差的空洞编码器（DE）增大32倍下采样特征图的感受野，生成覆盖多个目标尺度的特征图，并采用特征金字塔网络（FPN）进行上采样，在上采样过程中融合空洞编码器生成的32倍下采样特征图和原16倍、8倍和4倍下采样特征图，从而提取到更丰富的船舶特征信息，提升船舶检测效果。结果表明，改进算法对不同类型和不同尺度下的船舶检测平均精确率相比原算法具有较明显的提升，相比SSD和YOLOv3算法具有更高的精度优势。     

基于视觉传达优化的低清晰度船舶图像复原研究

针对图像复原易出现复原图像颜色视觉特征失真问题,提出基于视觉传达优化的低清晰度船舶图像复原方法。该方法通过帧扫描方法,提取低清晰度船舶图像视觉传达信息的像素二维特征;使用基于最大后验概率的高分辨率船舶图像重组方法,将所提取低清晰度船舶图像视觉传达信息的像素二维特征,进行高分辨率特征重组,并引入基于视觉颜色模型的视觉传达效果优化复原方法,优化高分辨率特征重组后复原图像的颜色视觉传达效果。实验数据验证：该方法对低清晰度海域通行船舶监控图像复原处理后,图像视觉传达效果得到明显提升,且复原后船舶图像峰值信噪比、结构相似性指数接近1,图像特征失真小;复原后图像颜色特征显著性指数最大值达1.0,颜色特征细节显著性得以改善。     

船载智能平台架构空间信息提取算法研究

为了满足实际船舶操作需求,减小提取空间信息与实际空间信息之间的误差,提出船载智能平台架构空间信息提取算法。根据船舶遥感图像光谱信息与空间信息特征,采用FNEA算法,多尺度分割遥感图像,定位目标船舶的空间信息位置(质心点),利用高斯投影反算方法,转换质心点坐标,获取目标船舶空间信息,实现空间信息的转换与提取。实验结果表明,应用本文算法提取的空间信息与实际空间信息误差较小,能够满足实际船舶操作需求。     

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。     

融合改进粒子群算法的船舶图像检索研究

为了提高船舶图像检索效果,针对当前的船舶图像检索过程中特征权值的确定问题,提出一种融合改进粒子群算法的船舶图像检索方法。首先对当前船舶图像检索方法进行分析,提取不同类型的船舶图像检索特征,然后采用粒子群算法确定船舶图像检索特征权值,并对粒子群算法存在的缺陷进行相应的改进,最后通过特征加权得到船舶图像特征之间的相似度值,根据相似度值得到船舶图像检索结果,并采用多幅船舶图像进行检索实验,结果表明,本文方法的船舶图像检索率超过94%,而船舶图像的误检率和漏检率均低于5%,获得了十分理想的船舶图像检索结果。     

基于云计算的船舶数据并行调度算法研究

传统船舶数据并行调度算法,存在数据调度速度较慢、并行识别准确率较低等弊端。为有效解决上述问题,设计基于云计算的船舶数据并行调度算法。通过云计算架构的搭建、SBS数据云体系的搭建,完成船舶云计算环境的搭建。通过船舶数据感知调度、多目标船舶数据的并行调度、算法性能分析,完成基于云计算船舶数据并行调度算法设计。模拟算法工作环境,设计对比实验结果表明,新型算法与传统算法相比,大幅提升数据调度速度、并行识别准确率等属性。     

SIFT算法研究及在目标识别中的应用

随着卫星技术的快速发展,遥感成像的清晰度在不断提高,海上舰船成像分辨率的增大为利用舰船的局部特征进行识别奠定了基础。本文研究SIFT特征提取算法的原理及应用,并对经典SIFT匹配算法进行介绍。针对经典匹配算法在进行SIFT特征匹配时的问题,通过计算图像尺度比的近似值用以改变图像的初始尺度,重新提取特征点,并进行二次特征匹配。最后,通过实验仿真证明,本文算法能有效提取高分辨率舰船卫星图像的稳定特征点,提高匹配算法的性能。     

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。     

基于SRM分割和分层线段特征的船舶目标检测方法

针对高分辨率遥感图像细节丰富、纹理复杂,分析困难的问题,且船舶长宽比特征是一个很重要的特征,提出一种基于SRM分割和分层线段特征提取的船舶目标检测方法.利用分层线段搜索更新以及合并附近在阈值下的线段进行快速检测船舶目标.实验结果表明,该检测方法能够有效地检测出高分辨率遥感图像的船舶目标,不需要太多的参数和训练样本,且采用分层线段特征提取方法的性能优于其他常用方法.     

无参考船舶立体图像的质量感知特征提取

船舶立体图像的特征提取能够获取船舶的几何特征、视觉特征、纹理特征等,对于船舶识别、目标搜索等有重要的意义。获取过程受图像、视频设备、数据传输链路等影响,立体图像可能存在局部缺失等问题。本文首先介绍3种立体图像的质量评估方法,并针对无参考质量评价方法进行研究,详细介绍基于颜色、自然度的无参考质量感知特征提取和基于局部分析的无参考船舶立体图像质量特征提取,对于改善船舶立体图像的识别效果有显著的作用。     

摆动螺旋桨目标图像特定周期清晰成像系统设计

针对传统船舶摆动螺旋桨目标周期图像成像系统,在特定周期下受到外界环境光影响,无法在微光环境中摆动螺旋桨目标清晰成像的问题,进行深度分析。根据分析结果提出设计摆动螺旋桨目标图像特定周期清晰成像系统。首先对传统系统硬件部分进行修正,修正方式采用创建新硬件的方式。通过创建微光COMS图像采集单元,对传统硬件图像采集环境参数进行提升修正;其次,引入图像噪声概率算法对采集图像进行噪声参数优化,得到清晰摆动螺旋桨目标特征周期图像。最后,通过对比实验的结果数据证明提出设计的系统能够解决传统系统特定周期摆动螺旋桨目标成像清晰度差的问题。     

基于红外图像的船舶特征识别方法

传统船舶特征识别结果准确性较低,且相关人员不能根据此结果,快速完成船舶图像复原。为解决此问题,设计基于红外图像的船舶特征识别方法。通过ROI低分辨率红外图像提取、图像特征相邻方向指示2个步骤,完成基于低分辨率红外图像的船舶特征识别。通过ROI高分辨率红外图像提取、图像增强预处理2个步骤,完成基于高分辨率红外图像的船舶特征识别。设计对比实验结果表明,基于红外图像的船舶特征识别方法,与传统方法相比,能够保证特征识别结果的准确性,为快速完成船舶图像复原操作提供可能。