基于RGB统计颜色模型的火焰识别

火焰检测是识别复杂环境下火灾的重要方法,为提高火灾识别率,提出了一种基于RGB颜色空间统计模型的火焰识别算法,结合区域生长以及帧差法分割出疑似火焰区域后,侧重提取分析视频火焰的动态特征及分层特征,尤其是火焰闪烁特征,然后利用BP神经网络融合5个特征参量进行火灾的判决.实验结果表明:该方法在复杂场景下具有较好的鲁棒性,可有效识别火灾火焰,降低误报率.     

火灾视频探测中火焰识别算法研究

为将火焰与大部分干扰源加以区别,对火灾视频探测技术中的火焰识别算法进行研究.针对经过目标分割后的图像,提取图像的面积变化、圆形度、边缘尖角等特征,再经过计算,将满足火焰特征的目标判别为火焰.经过测试,所采用的火焰识别算法可以准确识别火焰的存在,并能有效区分干扰源.     

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。     

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。     

极端天气条件下舰船红外图像分割算法

针对雾霾、雨雪、雷电等极端条件下舰船红外图像分割准确率低、误检率高的问题,提出极端天气条件下舰船红外图像分割算法。在描述极端条件下舰船获取的红外图像特征,输入原始红外图像,采用高斯滤波器提升原始红外图像的信噪比,利用滑动窗口计算原始红外图像的局部标准差,通过四处二值化图像,以图像形态学为基础进行光伏列阵填充,根据图像轮廓调整光伏阵列区域,获取分割结果。实验结果表明,本文研究的舰船红外图像分割算法的准确率较高,误检率较低,具有较好的实际应用性能。     

大噪声环境下前视声呐图像目标识别方法研究

提出大噪声环境下前视声呐图像目标识别的研究方法,针对水下无人航行器(UUV)在近岸浅水区航行中由于前视声呐图像噪声较大,难以准确识别目标的问题,通过改进的中值滤波和Otus阈值检测算法,对前视声呐图像进行滤波和二值化.利用区域增长算法分割疑似目标区域图像,分别提取分割图像的长度、形状、方向、灰度均值和灰度能量中值等参数...     

基于红外视觉的船舶机舱火灾探测

介绍了基于红外视觉的船舶机舱火灾探测方法.首先将滑动时间窗内的若干帧红外火焰图像叠加到一个投影平面上,投影图像像素的灰度值反映了火焰的空间分布,采用投影矩来描述火焰的动态特征.然后,基于目标的投影矩特征,采用支持向量机来区分火焰和非火焰目标.实验中采用了两种火焰和两种疑似目标视频,实验结果表明,该方法具有较高的实时性和良好火焰探测效果.     

基于神经网络和多特征的船舶图像自动分割算法

当前图像分割算法存在分割错误率高、分割速度无法满足实际应用要求的缺陷,为了提高图像分割的精度和速度,设计了基于神经网络和多特征的图像自动分割算法。首先分析当前国内外图像分割算法的研究进展,找到引起当前图像分割局限性的因素,然后从图像中提取描述不同目标特征,并选择部分最有效特征组合成为图像分割的特征集合,最后采用神经网络对图像的不同区域进行建模和分类,实现图像分割,并与其他图像分割算法进行优越性对比测试。结果表明,神经网络和多特征的图像分割错误率低,图像分割精度超过95%,图像分割平均值时间要少于对比图像分割算法,图像分割速度更快。     

遥感图像中港口水域的检测方法

通过对港口水域自动检测问题的深入研究,提出一种基于熵的感兴趣区域自动提取算法.将水域和陆地背景分离,并对分割后的二值图像进行标记,最后提取出水域.     

红外高压线塔检测方法研究

无人飞行器在低空和超低空飞行时,高压线及高压线塔对飞行器的安全构成巨大的威胁,采用单目视觉系统获得的红外图像对高压线塔进行实时检测,可以保障无人飞行器自主导航.首先采用对比度受限的自适应直方图均衡(Contrast Limited Adaptive Histo gram Equalization,CLAHE)处理以提高红外图像质量,其次结合水平方向Sobel算子和Top-hat变换在增强高压线塔的灰度值的同时过滤掉地面中存在的比较宽的高亮区域,利用最大类间方差法(OTSU)进行二值分割.在分割后的图像中进行轮廓提取,利用高压线塔高度和长宽比较大的特征,滤掉小块或者长宽比过小的背景,然后使用穿线法进行最后的判定,在检测出的目标区域中提取骨架,对最小外接矩形获得的高压线塔顶点坐标进行修正.通过采集的高压线杆塔红外图像序列进行了仿真实验,实验结果证明了论文提出方法的有效性.     

基于神经网络的舰船红外图像特征提取和检索方法

传统方法针对舰船红外图像特征,形状特征量提取不够全面,导致目标舰船检索准确率较差。针对这一问题,提出神经网络的舰船红外图像特征提取和检索方法。预处理红外图像,利用脉冲耦合神经网络,捕捉灰度值相近的像素值,分割目标舰船,分别提取辐射特征、形状特征和不变量特征,将其输入支持向量机,进行训练,分类决策舰船特征,对比样本库实现检索。进行对比实验,结果表明,此次设计方法相比传统方法,确保了红外图像有效检索帧数,在此基础上,提高了目标舰船检索准确率,使检索结果更加可靠。     

基于超像素的海面油膜分割应用

为解决海面多噪声环境下油膜目标快速提取问题,兼顾分割效果和效率,提出基于区域特性的快速分割应用。采用超像素构建区域级语义图像,以像素区块特征形成新的相似度量单元,对超像素进行聚类分割,完成海面油膜的快速分割处理。结果显示,此方法可以有效地完成海面油膜目标的分割提取。基于超像素的分割技术能够兼顾图像区域特性和处理效率,具备抗噪能力优势,提高海面油膜分割算法精度。     

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。     

舰船可伸缩视频图像非显著特征自适应提取方法

针对目前舰船视频图像特征提取方法误差较大的问题,以SUSAN角点提取为核心,设计新型舰船可伸缩图像非显著特征自适应提取方法。利用高斯滤波对原始视频影像进行预处理,提取视频图像概略特征集,采用SUSAN特征集角点检测方法,对图像概略特征集进行角点检测,提出灰度差算法,更改角点灰度差阈值,实现视频图像非显著特征自适应提取。实验数据表明,该方法与传统方法相比,视频图像象元定位精确度提高17%,灰度点定位精确度提高了21%,可以明显提高视频图像特征自适应提取准确度,具有较好鲁棒性。     

双目视觉下红外遥感舰船图像三维重构设计研究

为提升舰船三维重构结果的细节丰富度,在双目视觉支持下提出红外遥感舰船图像三维重构设计方法。通过像素坐标系与世界坐标系的转换,融合可见光图像与红外遥感图像的点云信息。从可见光图像与红外遥感图像融合结果中提取舰船目标的质心、质心区域灰度以及舰船区域面积的特征点。利用半全局匹配算法,匹配提取特征点。依据匹配结果采用三角化曲面算法实现舰船图像三维重构。实验结果表明,该方法重构获取的舰船图像,细节丰富,未出现空洞或细节丢失情况。     

基于相关点运动规律的目标检测算法研究

利用相关点特征分析的目标识别算法,用于空袭目标的进一步确定及目标航迹的建立.根据红外焦平面热像仪的成像特点,利用MATLAB进行仿真,对红外图像提取的疑似目标点进行相关分析,结果显示该算法能够有效地压制蚊虫、飞鸟等相似干扰点带来的虚警.     

基于人工智能技术的舰船图像语义分割算法

随着对舰船研究的深入,原有的舰船图像语义分割结果已无法满足现有的研究要求。原有的舰船图像语义分割算法在图像预处理过程中较为粗糙,导致图像分割结果交叉联合度量值较低,图像分割损失值较大。因而,设计基于人工智能技术的舰船图像语义分割算法。引用人工智能技术中的卷积神经网络对图像预处理部分展开优化;对预处理后的图像进行多尺度拟合,获取图像特征;使用改进代价函数实现舰船图像语义分割。构建算例测试环节,通过与原有算法以及使用其他技术设计的分割算法进行对比可知,此算法的交叉联合度量值较高,图像分割损失值较低。由此可知,此方法的舰船图像语义分割能力较佳。     

基于纹理分类与局部分水岭的肝脏轮廓提取

腹部CT图像中肝脏区域提取是医学图像分割中的难点之一。本文基于多尺度分析的思想,提出将肝脏区域的粗分割与肝脏轮廓精细定位相结合的方法解决肝脏分割的算法复杂性和分割精度的矛盾。试验结果表明本文提出的算法除具有较高的分割精度和较低的计算复杂性之外,还适用于不同层次的腹部CT(Computed Tomography)图像中肝脏区域的提取,为肝脏的三维重建和疾病诊断奠定了基础。     

基于改进的 NCSPSO -AFSA 对 SVM参数的优化及其应用

为了找到支持向量机（SVM）最佳的分类参数,用以构建适合纹理图像分割的SVM分类器,文中是将基于小生境和交叉选择算子的粒子群算法（ NCSPSO）引入变异算子和族外竞争机制加以改进后与人工鱼群算法（ AFSA）混合,提出了一种改进的NCSPSO-AFSA混合算法优化支持向量机参数,并分别与AFSA算法,粒子群算法（PSO）,NCSPSO算法在图像分割准确率、参数寻优时间、图像分割时间等方面进行对比和分析,实验表明文中算法能够更好地获得适用于纹理图像分割的SVM参数,在缩短图像分割时间的同时提高了图像分割准确率,相比较其他算法,文中算法稳健性更好。将此方法应用于电镜及超声纹理图像分割中能较好地提取出目标区域,图像边缘部分的分类也很清晰。     

一种去噪声的轮廓提取算法

轮廓是物体的一个重要特征,轮廓提取的好坏对后续的目标定位、特征提取、识别和分类有着重要的影响.文中在现有方法的基础上,提出了一种新的轮廓提取方法.首先,在经典Otsu算法基础上,结合图像的熵给出了一种图像分割阈值选取方法;然后通过划分单元块,统计非零像素个数,去除噪声块,合并单元块,再次去除噪声块获得目标区域;最后采用4-邻域方法提取目标区域的轮廓.实验结果显示,改进的算法能够有效分割出目标,设计的目标轮廓提取方法能够有效去除噪声的影响,获得封闭的、单像素宽度的外轮廓线,为后续的图像处理和目标识别奠定了良好的基础.