改进神经网络的船舶红外图像边缘检测方法

研究改进神经网络的船舶红外图像边缘检测方法,提升边缘检测抗噪声干扰能力。采用块匹配的主成分分析方法对船舶红外图像实施去噪处理后,经梯度算子将降噪后船舶红外图像转换为二值图像;以BP神经网络为基础,通过附加动量法-自适应学习速率调整BP神经网络权值,提高网络训练鲁棒性;将转换后舰船二值图像作为改进神经网络的输入,在实施网络训练后得出输出值,依据输出值和设置阈值的对比结果,获取船舶红外图像边缘点,实现船舶红外图像边缘检测。实验结果表明：该方法降噪后船舶红外图像的PSNR值全部高于40 dB,降噪效果较好;可有效提取船舶红外图像边缘特征且边缘检测结果清晰、连贯,能够达到船舶红外图像边缘检测标准。     

基于视频信息的港口滞留船舶检测研究

本文研究基于视频信息的港口滞留船舶检测方法,通过港口滞留船舶的精准检测提升港口管理水平。利用多结构形态学滤波方法,滤波处理港口视频图像。选取局部自适应阈值分割方法,将滤波处理后的港口视频图像,划分为前景图像与背景图像。将港口视频的前景图像作为SSD算法的输入,SSD算法利用卷积层提取图像特征,生成默认框,利用固定匹配策略,匹配真实框与默认框,将匹配结果传送至预测网络,利用预测网络输出港口滞留船舶检测结果。实验结果表明,该方法有效检测港口视频信息中的滞留船舶,阴天、黑夜等复杂环境下仍然可以精准检测船舶目标。     

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。     

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。     

应用区域生长的无人船红外图像精确分割方法

为了更准确地掌握无人船航行动态,提出应用区域生长的无人船红外图像精确分割方法。对无人船红外图像特征进行有效提取与识别,采集应用区域生背景图像特征数值,有效提高图像边缘背景灰度和分辨率,将区域生长法与图像轮廓灰度信息相结合,进行无人船红外图像精确分割处理,保证分割结果精准合理。最后通过实验检测证实,应用区域生长的无人船红外图像精确分割方法在实际应用过程中具有更高的抗扰性和准确性。     

强风浪下基于遥感图像的海上船舶定位方法

为了提高海上船舶的强风浪下定位性能,提出基于遥感图像特征提取的强风浪下海上船舶定位方法。采用遥感探测方法进行船舶图像采集,对采集的强风浪下海上船舶遥感图像进行降噪处理,采用多尺度小波分解方法进行船舶遥感图像的块分割,实现对船舶遥感图像的边缘轮廓特征提取,根据船舶遥感图像的边缘轮廓特征进行海上船舶跟踪定位,实现强风浪下海上船舶遥感图像的融合跟踪和定位识别。仿真结果表明,采用该方法进行海上船舶定位的准确度较高,输出图像的质量较好,提高了船舶定位识别的鲁棒性。     

一种视频图像船舶吃水线自动检测方法

针对在船舶吃水线自动检测过程中水迹线边缘带来的干扰,提出一种基于图像处理的船舶吃水线自动检测方法。该方法实时提取船舶水尺视频图像,利用Canny算子进行边缘检测,几何校正后,利用霍夫变换检测出水迹线和吃水线位置,最后通过位置比较,去除处在上方的水迹线,从而得到准确的吃水线位置。实验结果表明,该方法对船舶实际吃水线的检测是有效的。     

基于压缩感知理论的船舶数字图像水印算法

在船舶数字图像加密传输系统中,需要进行图像水印处理,提高船舶图像的抗攻击能力,针对传统的小波编码方法进行图像水印加密抗噪能力不好的问题,提出一种基于压缩感知理论的船舶图像水印算法。对提取的船舶图像采用Radon尺度变换方法进行边缘轮廓特征提取,对提取的边缘轮廓曲线采用Schwartz变换进行低频系数分解,提取船舶图像的低频压缩感知系数并与图像的高频系数进行模糊匹配,采用压缩感知理论进行图像量化编码,实现图像的水印提取。仿真结果表明,采用该方法进行船舶数字图像水印处理,提高了归一化相关系数和PSNR值,从而提高了图像的抗攻击能力。     

基于红外图像的耐腐蚀船舶材料表面缺陷识别研究

船舶耐腐蚀材料长期受海水侵蚀会出现不同程度的腐蚀现象,为更好地维护船舶组件,研究基于红外图像的耐腐蚀船舶材料表面缺陷识别方法。该方法通过设计超声红外图像检测装置,利用该装置采集耐腐蚀船舶材料表面红外图像后,分别使用双边滤波器和自适应边缘补偿方法对耐腐蚀船舶材料表面红外图像进行去噪和边缘增强处理,并以处理后的耐腐蚀船舶材料表面红外图像为基础,使用小波变换方法得到耐腐蚀船舶材料表面缺陷边缘集合点和缺陷位置,实现耐腐蚀船舶材料表面缺陷识别。研究结果表明,该方法具备较强的耐腐蚀船舶材料表面红外图像降噪和边缘增强能力,并可有效识别大小不同的耐腐蚀船舶材料表面缺陷,应用效果较佳。     

船舶通信终端远程导航监控技术

随着船舶运输行业的飞速发展,船舶航行安全面临着日益严峻的挑战,因此对船舶通信远程导航监控技术的要求也逐渐增高。但由于当前船舶导航定位雷达存在较多局限性,难以满足精准定位、准确导航的系统设计要求。因此结合软件技术和航空雷达技术对船舶导航监控系统进行优化和设计,以便解决当前船舶通信终端远程导航监控系统中存在的盲区问题。基于以上背景,结合GIS技术对船舶通信终端远程导航监控覆盖系统进行设计,以便对船舶位移雷达配置信息进行提取和配置,从而达到精准及时的显示船舶航行监控信息,保障船舶在航线上准确航行的设计目标。为检测该方法的实用性针对系统动态的管理雷达导航监控功能进行仿真实验,实验结构证实该系统可有效达到对船舶航行通信远程导航监控进行精准动态模拟的效果,可为船舶航行航线数据进行稳定的监控,对航行数据误差进行精准分析。由此证实船舶通信终端远程导航监控系统对航运事业远程自动导航监控系统有着重要的指导意义。     

基于Matlab的图像信号降噪技术研究

随着信息技术和网络技术的不断发展,人们对于图像质量的要求不断提高,尤其是在视频监控领域,图像的质量严重影响了监控的效果。图像在采集、传输和处理的全过程中都会不可避免的受到噪声的影响,从而使得图像的质量下降。论文提出基于空间域和频域的图像降噪算法,在空间域中选择双边滤波器,能够有效保留图像的边缘信息,频域中选择小波降噪,能够保留图像的纹理信息,该方法能够实现良好的降噪效果。     

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。     

基于openCV的视频路径船舶检测与跟踪

通过对船舶运动状态的监测和跟踪,船舶在航行时能够最大程度避免碰撞,同时也能够方便航运管理,极大地提高航行效率。本文从船舶监测和跟踪的具体需求出发,设计基于openCV的船舶路径视频监控系统,能够借助智能识别算法,快速提取出船舶的航行轨迹,并利用运动跟踪算法,提取船舶运动轨迹的特征量,大大提升了检测效果。文中充分利用OpenCV中的有关图像变换函数库,并在Matlab软件中进行船舶运动的仿真对视频路径的目标检测和跟踪性能进行分析。     

有限空间下船舶遥感图像低分辨率特征识别分析

传统的遥感图像低分辨率特征识别方法在有限空间下很难清晰准确地完成识别工作,尤其是在区分靠岸船舶和离岸船舶问题上显现出很大的局限性。为了解决此问题,研究了一种新的有限空间下船舶遥感图像低分辨率特征识别方法,首先构建了识别框架,阐述了当船舶位于水体中央和停靠在海岸边时采用的不同识别方法;然后介绍了识别过程,识别过程由水体提取、矢量分解、起点终点划分、模拟检测4步构成;最后通过与传统方法进行对比验证了该方法的识别效果,由实验结果可知,研究的识别方法可以快速精准地完成特征识别,具有很大的市场发展空间。     

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。     

船舶视觉系统目标图像边缘检测方法

船舶视觉系统是船舶航行的重要辅助部分,视觉系统的工作效果很大程度上取决于边缘检测方法的准确性。常见的图像边缘检测方法通过像素梯度变化检测目标边缘,在对复杂图像处理时容易受到噪声干扰,导致检测精度和效率较低。为解决上述问题,提出船舶视觉系统目标图像边缘检测方法。对图像进行背景区域与目标区域的划分,提取目标所在区域。选择图像边缘的Harr和HOG特征后,利用蚁群算法检测图像边缘。对比仿真实验结果表明,研究的边缘检测方法检测准确率均高于85%,并且检测效率均高于对比方法,具有明显的应用优势。     

改进ViBe算法及其在运动船舶目标检测中的应用

为了抑制ViBe算法在海面动态背景视频下“鬼影”区域对船舶运动目标检测的影响,提高监控视频中船舶运动目标识别的准确率,提出一种改进的ViBe算法。首先,背景模型用连续帧初始化,以减少“鬼影”的影响;然后,使用自适应阈值和闪烁级别来减少海面杂波,同时采用像素点对比消除“鬼影”,提取运动目标前景,获取完整的运动目标区域。最后,对输入视频进行高斯金字塔多尺度分解,并采用改进的ViBe算法检测低分辨率视频中的移动船舶,完整提取了海上移动船舶。实验结果表明,所改进的算法消除了“鬼影”区域,减少了海面杂波的干扰,检测率为92.5%,单帧视频图像检测时间控制在97 ms以内,可准确、快速地检测和提取海面船舶运动目标。     

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。     

基于运动与表象特征的广域船舶目标识别方法

[目的]旨在提出对航行于关键广阔水域内的船舶进行准确识别和定位的改进方法.[方法]运用视频监控的优点,综合采用基于背景差分算法的运动目标检测方法与基于深度学习算法的图像表象特征识别方法,结合目标的运动特征和图像表象特征,实现多维度广域船舶识别的功能,并对水纹降噪、多级运动检测、航道监控图像窗口分割检测等方法进行改进,进...     

云平台和分布式处理系统的船舶图像分类

在云平台和分布式处理系统中进行船舶图像分类,提高船舶的调度和识别能力,提出一种基于Harris角点检测和BP神经网络的船舶图像分类算法,在云平台和分布式系统下进行船舶图像采集,对采集的船舶图像进行二值化降噪处理,采用Harris角点检测技术提取船舶的分类标识性特征量,将提取的特征量输入到BP神经网络分类器中,实现云平台环境下的船舶图像分类。仿真结果表明,采用该方法进行船舶图像分类的准确性较高,抗类间干扰性较强。