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...     

大视场天文定位系统多星同步检测算法研究与实现

在对大视场天文定位系统多星同步检测中的星体目标和噪声特性进行分析的基础上,提出了采用图像平滑滤波、灰度拉伸及二值化、目标相关处理等较为实用的星体目标提取算法。实验结果表明,该图像处理算法效果良好。     

船舶视觉图像优化检测方法研究

对海域的船舶进行智能图像监控是一项很重要的技术,但该技术容易受到海上背景光线变化、遮挡阴影区域及小范围船舶聚集等因素的干扰,导致当前基于智能视觉的船舶检测在背景更换的阀值判断上存在较大缺陷。本文提出改进的基于智能图像处理的船舶快速检测方法,通过差分运算、阈值生成、二值化、去噪和形态学处理等操作对获取的智能图像进行预处理,依据经预处理后二值图像,引入异常比率的概念对所监控图像范围的船舶状态进行判断,以动态阈值和静态阈值的联系,判断是否需要更换背景的条件,实现高精度船舶图像检测。仿真实验结果表明,所提方法能够准确地对船舶图像进行检测,具有较高的检测精度。     

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。     

噪声干扰下船舶遥感图像的目标边缘检测方法

目前边缘检测方法根据图像极值点筛选图像边缘点,导致检测到的边缘图像不清晰,平均能量值偏低,提出噪声干扰下船舶遥感图像的目标边缘检测方法。采用频域Fourier变换去除图像噪声;选择Canny算子,设计目标边缘检测流程;平滑去噪图像,根据图像边缘梯度极大值点,筛选图像目标边缘点,分割图像目标和背景,实现目标边缘检测。实验结果表明,在1%和10%梯度下的校验噪声模拟的噪声干扰下船舶遥感图像中,研究方法相较此次实验选择的方法,检测到的目标边缘图像平均能量值高。     

动目标成像跟踪算法研究

从运动背景中检测与跟踪运动目标是计算机视觉研究领域的热点,困难之一是消除运动背景的影响.采用基于均匀稀疏采样仿射变换的参数模型块匹配算法将图像分成许多固定大小的像素块,通过将每一个像素块在下一帧的一定范围内搜索其最优匹配,由此产生的偏移矢量即为该像素块的运动矢量,对上一帧图像进行补偿与下一帧图像差分,用形态学运算图像处理,对图像目标进行识别跟踪.     

动目标成像跟踪算法研究

从运动背景中检测与跟踪运动目标是计算机视觉研究领域的热点，困难之一是消除运动背景的影响。采用基于均匀稀疏采样仿射变换的参数模型块匹配算法将图像分成许多固定大小的像素块，通过将每一个像素块在下一帧的一定范围内搜索其最优匹配，由此产生的偏移矢量即为该像素块的运动矢量，对上一帧图像进行补偿与下一帧图像差分，用形态学运算图像处理，对图像目标进行识别跟踪。     

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...     

一种基于OpenCV实现的运动目标检测算法的研究

序列图像中的运动目标检测是数字图像处理与识别以及计算机视觉领域研究的主要内容之一,在视觉监控系统、医学图像分析、工业检测以及军事等领域中都有应用。文章重点对运动目标检测的算法进行了讨论,通过分析和比较三种常用运动目标检测的算法,提出了一种使用改进的背景更新算法检测运动目标的方法,并利用Intel公司开发的OpenCV提供的函数库进行测试。结果表明利用该方法可以稳定地提取背景图像,抑制运动目标对背景的干扰,有效地提高了运动目标的检测概率。     

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。     

虚拟现实技术舰船高速航行图像目标检测算法

针对常规算法所得检测结果的中心位置偏差较大,导致检测精度低下的问题,提出虚拟现实技术舰船高速航行图像目标检测算法研究。参考人眼的视觉习惯,将采集到的图像灰度化处理,利用均值滤波法抑制噪声,改善图像质量,利用虚拟现实技术,计算目标点三维坐标值,定位图像目标,提取特征确定检测区域,调整融合系数,增强抗干扰能力,实现舰船高速航行图像目标检测。设计对照实验,与常规算法对比分析,实验结果表明,所提出的算法检测结果中心位置偏差明显减小,其检测精度远优于常规算法。     

基于灰度共生矩阵的舰船噪声特征提取方法研究

灰度共生矩阵（GLCM）可以描述图像各基元灰度的空间分布和结构特征,而舰船辐射噪声二维谱图中也含有许多目标的固有信息。利用灰度共生矩阵对舰船辐射噪声二维谱图的图像进行纹理研究,求取能量、熵、惯性矩等几个典型特征量,并通过实验室仿真和对实际舰船辐射噪声分析计算,其具有明显的差异,可以作为目标分类和识别的重要特征信息。     

图像处理技术在航海导航系统中的应用

常规的图像处理技术生成的水下地形图存在对比度误差,导致选择的航行线路不是最优,因此研究新式图像处理技术在航海导航系统中的应用。该技术通过灰度阈值法去除图像背景,实现对图像的二值化处理。识别单连通区域,利用边缘检测算子计算偏差,根据得出目标物的边界值,分割二值图像。提取分割图像中水面上与水面下的地形特征,设置该海域图像的对比度,以此反映此处地形的起伏状态,实现图像处理技术在航海导航系统中的应用。实验结果表明,与常规图像处理技术相比,本文导航系统生成的图像对比度更高,反映出的海域地形更加精准。应用这一技术,航海导航系统生成的路径最优。     

基于频域残差及局部协方差的红外弱小目标检测

在复杂背景及强噪声干扰的场景中,红外小目标因其尺寸小、信号弱、缺乏文理特征等特点,极易湮没在背景和噪声中,导致检测虚警率高、算法复杂、计算量大等问题。为此,本文提出一种基于频域残差及局部协方差的红外弱小目标检测方法。首先,通过频域残差计算红外图像的显著图,以获得目标可能存在的区域。然后,在此区域内利用局部协方差检测方法做识别。最后,通过自适应阈值分割得到真实目标。对不同复杂背景的红外图像进行小目标检测实验,结果表明,与传统检测算法相比,该算法在不同场景下都能有效抑制背景和噪声,准确检测目标,且满足实时性要求。     

海空背景下基于双目视觉的目标测距新方法

结合海空背景特点和双目视觉测量需求,提出一种基于海天线的双目图像校准方法。采用Sobel算子对图像进行边缘检测并作二值化处理,利用Hough变换算法提取和定位海天线,根据参数空间返回的参数值对图像进行旋转和平移变换。试验结果表明:运用该方法能有效实现双目图像对的行对准。在此基础上,基于双目视差测距原理完成海面目标距离的测量,测距结果表明:对于500 m远的目标,相对测距误差5%,能够满足一定场合的应用需求。     

基于边缘强度的指纹图像二值化方法

提出了一种合理有效的指纹图像二值化方法,先利用Kirsch算子得到指纹图像的方向场,然后对指纹图像进行方向中值滤波,最后通过图像的边缘强度设计局部自适应阈值对指纹图像进行分割,从而得到二值化图像。在自适应阈值的计算上,文中还提出了一种如何选择最佳图像分块大小的方法。实验结果表明,该方法不但处理效果好,而且运算速度快,满足了处理要求。     

复杂背景下海天线的连通域检测法

海天线的检测对于划分海空背景、识别红外舰船目标具有重要作用.本文提出一种基于线段表连通域原理的海天线检测方法.首先去除原始红外图像的强水纹干扰和背景干扰,再通过梯度运算和最大值滤波找出海天线的位置.最后基于线段表连通域原理对二值化后的图像进行检测,以提取海天线的非线性边缘信息.实验表明,该方法的检测精度高,而且当海天线上存在舰船时,不会对舰船轮廓产生影响,克服了Hough变换法只能检测出直线的缺点,具有较强的实用性.     

复杂背景下海天线的连通域检测法

海天线的检测对于划分海空背景、识别红外舰船目标具有重要作用。本文提出一种基于线段表连通域原理的海天线检测方法。首先去除原始红外图像的强水纹干扰和背景干扰,再通过梯度运算和最大值滤波找出海天线的位置。最后基于线段表连通域原理对二值化后的图像进行检测,以提取海天线的非线性边缘信息。实验表明,该方法的检测精度高,而且当海天线上存在舰船时,不会对舰船轮廓产生影响,克服了Hough变换法只能检测出直线的缺点,具有较强的实用性。     

基于视觉传达技术的船舶图像中弱小目标检测方法

为及时发现和跟踪小型渔船、救生艇等弱小目标,提高海上救援和应急响应的效率和准确性,研究基于视觉传达技术的船舶图像中弱小目标检测方法。通过中值滤波算法去除船舶图像中的噪声,改善船舶图像质量,将去噪后的船舶图像应用于基于门限直方图均衡的船舶图像增强方法中,在该方法处理下,增强船舶图像对比度;之后利用视觉传达技术,对船舶图像中的弱小目标亮度进行调整,并根据亮度调整结果分割目标边缘,从而实现弱小目标检测。经实验验证,该方法可在保证图像边缘清晰的情况下实现图像去噪与增强,提高了船舶图像质量,同时该方法具有较高的背景抑制因子与信杂比率增益,在检测过程中可有效分割弱小目标与背景,实现良好的弱小目标检测。     

一种基于Top-hat算子的小目标图像预处理方法

针对微弱二维离散信号的检测,即图象中弱小目标的检测,本文介绍了一种基于数学形态学滤波的小目标图像预处理方法,Top-hat算子是在数学形态学开运算、闭运算基础上推导出来的一种算子,Top-hat算子可以检测到图像中的高频分量,而滤去图像中灰值变化相对较为平稳的地方,利用Top-hat算子可以对一幅单帧图像进行滤波,去掉小目标图像中的大面积背景,实验证明,该方法起到了比较好的效果。