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。     

多准则粒子滤波下的无人艇航行轨迹虚拟重构

通过对无人艇航行轨迹虚拟重构,提高对无人艇的目标跟踪调度能力,提出基于多准则粒子滤波下的无人艇航行轨迹虚拟重构方法。采用融合双模态特征检测方法实现对无人艇航行轨迹的图像检测,结合视觉分割和分块特征匹配实现对无人艇航行轨迹重构过程中的显著性检测,采用多准则粒子滤波方法进行寻优迭代,根据深度学习和粒子滤波增强结果,实现无人艇航行轨迹虚拟重构和模态跟踪识别。测试表明,采用该方法进行无人艇航行轨迹虚拟重构的视觉增强能力较好,期望值和实际值拟合性能较好。     

基于遥感图像的舰船运行信息提取方法

舰船运行过程体系复杂,通过对舰船运行信息提取,实现对舰船的实时状态监测,提出基于遥感图像的舰船运行信息提取方法。采用遥感探测方法进行舰船运行的图像采集,对采集的舰船遥感图像进行级联小波降噪处理,采用模板匹配方法进行舰船运行遥感图像的分块融合,实现运行状态特征量的图像反馈识别。根据对遥感图像的边缘轮廓检测结果进行舰船运行状态的实时监测和信息提取,提高舰船运行状态的可视化量化分析能力。仿真结果表明,采用该方法进行舰船运行信息提取能准确检测到舰船的运行特征信息,输出图像的信噪比较高,舰船运行状态的视觉监测性能较好。     

VR技术在船舶舱室三维图像重建中的应用

为了实现对船舱舱室的三维视景重构,提出基于VR技术的舱室三维图像重建技术,采用锐化模板匹配动态增强技术和帧点扫描技术,实现对船舱室的三维立体图像扫描和特征提取,结合像素匹配模型和滤波抑制方法,实现三维图像的不规则点滤波和修正处理。通过光场边缘轮廓检测和模板分块融合匹配,结合VR视景重建技术,实现对舱室的三维图像重建。仿真结果表明,采用该方法进行舱室三维图像重建,有效解决舱物理结构复杂导致的结构不规则和空间表达能力不好的问题,具有很好的视景重构性能。     

基于时空域滤波的雾天舰船图像视觉传达方法

为提升雾天舰船图像视觉传达质量,提出基于时空域滤波的雾天舰船图像视觉传达方法。中值滤波算法分解雾天舰船图像,获取基础层与细节层雾天舰船图像;利用时空域滤波算法确定舰船图像需增强区域,并对其进行图像增强;以加权融合方式到增强后雾天舰船图像;提取增强后雾天舰船图像的边缘轮廓特征,依据量化融合方式处理提取的边缘轮廓特征,输出雾天舰船图像视觉传达结果。实验证明,该方法可有效分解雾天舰船图像,并增强图像,有效完成现雾天舰船图像视觉传达,提升图像边缘强度与彩色熵,即图像视觉传达效果较优。     

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。     

多变光照下的无人船图像模糊纹理光点定位识别

采用当前方法对无人船图像进行识别时,没有对无人船图像进行预处理,导致识别效果差、识别效率低、识别率低。为此,提出多变光照下的无人船图像模糊纹理光点定位识别方法。首先,以Lambertian模型为基础,构建LTV模型,利用该模型对多变光照归一化,提高整体的识别效果;然后,通过K-L变换原理对无人船图像实行降维处理,在计算繁琐度降低的同时提高所提方法的识别率。最后,利用小波变换法对图像进行积分投影,提取图像中的无人船区域,并对提取后的无人船区域进行梯度增加,丰富局部特征,通过CS-LBP算子提取无人船图像的纹理特征,实现无人船图像模糊纹理光点定位识别。实验对比结果表明,所提方法的识别效果更好、识别效率更高。     

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。     

数据挖掘在无人船舶目标图像识别中的应用

为了缩短无人船舶目标图像的识别时间,提高目标图像的质量,提出了数据挖掘在无人船舶目标图像识别中的应用。利用数据挖掘技术确定无人船舶目标图像的阈值,根据目标图像的阈值误差分割了目标图像,采用图像边缘点提取公式将图像边缘点连接成线,提取出目标图像的外轮廓,完成无人船舶目标图像的预处理;通过目标图像识别算法的改进设计,得到了目标图像的识别流程,实现了数据挖掘在无人船舶目标图像的识别中的应用研究。仿真实验结果表明,数据挖掘在无人船舶目标图像识别方法与基于航拍技术的目标图像识别方法相比,目标图像的识别时间缩短了35.1%。     

遗传算法和活动轮廓波模型的船舶图像分割研究

针对传统的边缘检测法、聚类分割法存在分割边界不完整而导致分割结果不理想问题,提出遗传算法和活动轮廓波模型的船舶图像分割研究。构建能量函数,引导轮廓线朝着目标边缘方向移动。结合遗传算法中交叉和变异操作,优化活动轮廓波模型参数,避免出现水平集正则项不能及时更新问题。在新的轮廓波模型中增加水平集正则项,构建水平集函数演化方程,获取窄带内像素数据对应的水平集函数,分割边缘。对数据结构初始化处理,标记像素链表,设计船舶图像详细分割流程。由实验结果可知,该方法分割图像特征匹配最高精准度为0.98,分割后的图像与原始图像清晰度一致,且细节保留完整。     

基于模板库的自动图像对象分割方法研究

针对现实世界中外观不一,而形态上有模式可循的对象,提出了一种基于模板库的自动对象分割方法。采用模板描述对象形态,构建模板库作为对象的先验知识,将未知的匹配模板视为隐变量,采用由按位编码方式组成的复合模板与图像特征进行匹配确定隐变量的取值空间;然后,对隐变量求积分得到图像中对象的边缘概率。最后,求解边缘概率所对应的能量函数,实现基于模板库的自动对象分割。实验结果验证了论文方法的正确性和有效性。     

人机交互船体可视图像轮廓点获取方法研究

由于传统的可视图像轮廓点获取技术精准度低的情况,设计一种基于人机交互的船体可视图像轮廓点获取方法,根据图像形态学的定义,检测图像的边缘形态,采用结构图像元素定义,对图像边缘进行细化,在检测图像的基础上,定义船体检测到的轮廓模型为平面内的一条参数曲线,利用最小二乘法得到各点的左右斜率,确定角点,以此实现对船体可视图像轮廓点的获取。并设计仿真实验对该方法进行检验,实验结果表明,此方法在进行船体可视图像轮廓点获取上,精准度较传统方法高,具备实际应用意义。     

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。     

深度卷积网络的舰船图像自动分割研究

当前舰船图像自动分割方法存在"过分割"或者"欠分割"现象,使得舰船图像自动分割误差大。为了提高舰船图像自动分割精度,提出了基于深度卷积网络的舰船图像自动分割方法。对当前舰船图像自动分割的研究现状进行分析,找到引起舰船图像分割误差的原因。采用活动轮廓模型对舰船图像进行粗分割,并找到其中的舰船图像错误分割区域。最后,采用深度卷积网络对舰船图像的错误分割结果进行校正,实现舰船图像进行精细分割,并与活动轮廓模型的舰船图像自动分割方法进行了对比实验。结果表明,相对于活动轮廓模型,深度卷积网络的舰船图像分割精度更高,降低了舰船图像的误分割率,验证了本文舰船图像自动分割方法的优越性。     

边缘检测算子在车牌区域检测中的改进

针对车牌图像分割提取这一问题,在传统边缘检测算子基础上,根据模板排列规律,建立矩阵变换关系,提出一种改进算法。经实验证明,将改进算法应用在复杂环境所拍摄的车牌图像处理中,较好的平滑了噪声,边缘检测轮廓清晰,处理时间显著缩短。通过实例,给出了采用改进的算法对车牌图像进行边缘提取的效果。     

考虑运动模式的无人船航迹实时跟踪控制算法

因无人船航迹数据数量级较大,导致现有航迹跟踪算法的跟踪控制误差较大,难以满足现今航运业的需求。故设计了考虑运动模式的无人船航迹实时跟踪控制算法。首先定义无人船运动模式,并根据运动模式相关定义构建无人船航迹描述模型。以此为基础,依据运动模式将无人船轨迹划分为3个集合,提取相应运动模式下的轨迹特征属性,然后计算无人船航迹与期望航迹之间误差,再利用滑模控制器进行误差补偿,实现了无人船航迹的实时跟踪控制。实验结果显示:与现有算法相比较,本文算法横向位置误差降低了1.04 m,航向角误差降低了8.29°,舵角误差降低了8.86°,充分说明本文算法的控制性能更佳。     

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.     

基于北斗/INS的移动型水质监测系统设计与实现

移动型水质监测系统由无人巡航船和陆面监控平台组成。无人巡航船利用"北斗一号"传输水质信息,利用"北斗二号"和惯性导航系统输出的导航信息。无人巡航船可实现自主移动、采集水质信息和发送信息;陆面监控平台可接收水质信息,该信息能在以Lab VIEW为环境开发的上位机软件上显示、存储和查询。对系统进行了测试,3个通信试验的平均丢包率分别为2.42%、2.5%和2.3%,通信丢包率低,无人巡航船运行轨迹和预设轨迹基本重合,能准确巡迹。     

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。     

基于区域模糊直方图的图像检索

将图像分割算法和模糊理论相结合,提出了基于区域模糊直方图的图像检索方法。用快速聚类算法对图像进行区域分块,以各区域的视觉特征为基础,建立图像模糊直方图并进行图像检索。在1000幅通用图像库上的实验表明,该方法可以得到比较满意的检索结果。