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%。     

基于视觉传达的模糊舰船图像目标分类检测

模糊舰船图像的有效分类识别可提高对目标的准确打击和辨识能力,提出基于视觉传达和图像增强的模糊舰船图像目标分类检测模型。构建模糊舰船图像的多传感视觉采集模型,采用目标图像与背景图像差分分析方法实现对舰船图像的目标特征提取和聚类处理,根据视觉聚类传达和目标图像的特征点增强结果,结合模糊C均值聚类算法,实现对舰船目标图像的分类检测。测试得知,该方法进行舰船目标分类检测的聚类性较好,识别精度较高,视觉传达效果显著增强。     

自适应阈值法的舰船图像自动分割

图像分割是视觉检测领域中的重要环节。由于舰船环境和图像数据的复杂性,现阶段舰船图像自动分割技术中的抗光照性能差、精度低以及边缘模糊等问题仍普遍存在。如何有效完成对舰船图像进行自动分割成为一大难题。为了有效解决上述问题,对当前图像分割方法进行深入的研究和调查,提出通过自适应阈值法的舰船图像自动分割方法,在总结和分析了现有自适应阈值分割算法存在的优点和局限性后,给出了自适应阈值图像分割法的改进方案,以便从复杂的舰船图像背景中分离出目标区域,有效解决当前图像分割技术中光照不均匀、边缘模糊等问题。为验证方法有效性进行了仿真实验,实验结果证实该方法性能效果相对较好,充分满足对复杂舰船图像进行分割的设计目标。     

复杂背景下无人艇视频视觉目标图像识别算法

为精准跟踪海域环境中的各类舰船目标,生成连续性的视觉目标图像视频,提出复杂背景下的无人艇视频视觉目标图像识别算法。利用增强滤波处理无人艇图像中的数据信息,再通过特殊信息标记的方式,完成无人艇视频的图像数据集设计。在此基础上,改进原识别提取网络,借助边界框预测实值,完成待识别目标图像的特征提取,实现复杂背景下无人艇视频视觉目标图像识别算法的顺利应用。对比实验结果表明,与KCF目标跟踪算法相比,应用新型目标图像识别算法后,YOI船体识别参数增大至8.56,实现了对海域环境中各类舰船目标的精准跟踪,大幅促进了连续性视觉目标图像视频的生成。     

海上舰船目标的多尺度图像识别算法

常规图像识别算法存在图像尺度分割不明确的问题,导致识别算法的准确率较低,构建一种新的海上舰船目标的多尺度图像识别算法。采集图像信息,获取图像噪声类型,利用样本分散数据,降维图像线性投影,提取像素点位置,分割多尺度图像构建识别算法。实验结果表明,此次构建的多尺度图像识别算法,在3种不同的图像分辨率条件下,识别准确率分别比其他2种常规识别算法高出16.52%,18.17%,14.79%,证明此次构建的图像识别准确率更高,更适合应用在海上舰船目标图像识别的任务中。     

基于支持向量机的高分辨率遥感影像的舰船目标识别研究

舰船目标识别技术是海上监测和作战的关键技术,能否快速而准确对海上目标进行识别,关系到海上作战的胜负。近年来,基于计算机图像识别和处理的舰船目标识别技术发展迅速,SAR图像处理技术在海洋遥感探测领域获得了广泛的应用。随着遥感技术的发展,海上舰船的遥感图像分辨率越来越高,相应的数据含量也呈指数式增加。因此,研究高分辨遥感图像的舰船目标识别技术具有重要意义。本文主要针对基于支持向量机的高分辨率遥感影像,对舰船目标识别过程的图像分割技术、目标检测算法和样本采集等进行详细介绍和研究,该研究提高了舰船目标识别技术的准确性和可靠性,具有重要的实际应用价值。     

舰船遥感图像分割中阈值的自动选取算法

为了提高舰船遥感图像的分割效果,解决传统阈值选取算法存在的选取性能低的问题,提出舰船遥感图像分割中阈值的自动选取算法。利用安装的遥感设备采集舰船遥感图像,并以此作为研究样本构建相应的直方图,并通过预测实现分割阈值的自动选取。将设计的阈值自动选取算法应用到实际的舰船遥感图像分割工作中,相比于传统的阈值选取算法,应用设计方法得出的图像分割结果的AER值更小,即分割效果更理想。     

基于Web语义的舰船雷达目标识别系统设计

针对舰船雷达信号目标的识别方式简单、识别度低的情况,文中提出基于Web语义的舰船雷达回波自动识别系统。因为雷达信号目标特征信息点分散且繁杂,在语义Web网下取得雷达信号目标图像的数据特征,运用改进FastICA算法提取特征数据后,通过智能雷达回波视频图像识别系统,对舰船目标图像进行分析。实验证明,基于Web语义的舰船雷达目标识别系统,能使大量信息被系统充分利用,达到精确识别舰船雷达图像目标的目的。     

基于 Web语义的舰船雷达目标识别系统设计

针对舰船雷达信号目标的识别方式简单、识别度低的情况,文中提出基于 Web语义的舰船雷达回波自动识别系统。因为雷达信号目标特征信息点分散且繁杂,在语义 Web网下取得雷达信号目标图像的数据特征,运用改进 FastICA算法提取特征数据后,通过智能雷达回波视频图像识别系统,对舰船目标图像进行分析。实验证明,基于 Web语义的舰船雷达目标识别系统,能使大量信息被系统充分利用,达到精确识别舰船雷达图像目标的目的。     

基于视觉搜索的舰船跟踪方法研究与仿真

基于视觉图像处理方法实现对舰船目标的跟踪识别,提高对舰船目标的搜索和打击能力。传统方法采用舰船目标轮廓亮点检测方法实现对目标的视觉搜索,在图像模糊和背景干扰较强时,检测效果不好。本文提出一种基于相邻帧补偿和尺度不变特征变换的舰船视觉搜索跟踪算法。为提高舰船目标图像视觉特征采集的清晰度和稳定性,采用电子稳像技术对舰船视觉信息采集进行直方图均衡处理,采用尺度不变特征变换SIFT技术对舰船目标进行角点特征提取。采用相邻帧补偿技术进行背景干扰滤波,在相邻两帧之间求解舰船的运动参量,实现对舰船目标的视觉搜索和跟踪。仿真实验表明,采用该算法实现对舰船目标的视觉搜索跟踪,舰船视觉特征的稳像性能较好,对舰船目标的准确识别率较高,展示了较好的应用价值。     

改进神经网络的舰船图像语义分割算法

针对传统图像语义分割算法耗时较长的问题,提出改进神经网络的舰船图像语义分割算法研究。首先需要将原始图像预处理,利用阈值分割法,检测出灰度值差异,分离图像主体与背景,检测主要特征,获取全局信息,增强细节捕捉能力,强化图像目标的类别属性,采用多尺度池化的网格结构,融合图像特征,利用分类器将像素分类,将全连接层更换为卷积层,完成分割结果的优化,至此结束改进神经网络的舰船图像语义分割算法的研究。设计仿真实验,将所提出算法与其他2种传统算法对照分析,验证改进神经网络的应用效果,实验结果表明,将改进神经网络应用到舰船图像语义分割过程当中后,所耗时长稳定在75～95 ms之间,明显优于传统算法。     

改进SIFT算法的舰船图像拼接算法

舰船图像在拍摄过程中,由于各种因素的干扰,得到舰船图像不完整,难以描述舰船图像所要表达目标的信息,而当前舰船图像拼接算法存在拼接准确率低、拼接过程复杂等不足,为了获得理想的舰船图像拼接结果,提出基于改进SIFT算法的舰船图像拼接算法。首先提取待拼接舰船的图像,并对它们进行归一化、颜色增强、噪声滤波等操作,然后采用改进SIFT算法提取舰船图像拼接特征点,根据特征点进行两幅舰船图像的拼接操作,最后采用多种舰船图像进行了拼接测试实验,以验证改进SIFT算法的优越性。结果表明,改进SIFT算法避免了当前舰船图像拼接算法存在的局限性,不仅能够以高准确率实现舰船图像拼接,而且舰船图像拼接过程更加简单,加快了舰船图像拼接速度,取得了满意的舰船图像拼接结果。     

舰船遥感图像的目标识别研究

本文根据遥感图像的目标识别要求,从舰船的目标识别要点出发,首先介绍舰船遥感图像的识别流程,针对舰船遥感图像在摄取中存在一定云块和复杂海况的噪声干扰问题,提出一种基于多级视觉感知算法去除海面背景干扰,获取舰船目标;考虑到获取到的舰船目标存在一定的虚假识别,本文引入基于SVM分类器方法有效的过滤掉虚假舰船目标,并在最后对舰船目标的分类识别结果进行了分析。     

小波变换在舰船图像尺寸测量方法中的应用

分析小波阈值降噪和基于小波图像分割技术在舰船图像尺寸测量中的应用,在小波阈值降噪阶段,利用高斯小波对图像进行4层分解,逐层去除噪声的小幅值小波系数,达到去噪目的;在图像分割阶段,首先利用灰度直方图以及本文提出的像素邻域差值直方图构建二维直方图,然后对其进行最优一维投影;最后利用Haar小波对最优一维投影进行分解,求取图像最佳分割阈值。本文用提出的算法对舰船的主轴长度、主轴垂直方向长度、舰船面积以及周长4个尺度量进行测量。实验结果表明,小波变换在图像降噪和分割方面有诸多优势,而降噪和分割又是舰船尺寸测量的必须步骤,因此小波变换将在舰船图像尺寸测量中发挥越来越重要的作用。     

基于小波变换的舰船雷达图像去噪方法研究

在舰载雷达系统中,集成了非常复杂的信号处理算法和降噪算法,通过软硬件的配合,舰载雷达能够具备非常高效的图像识别能力。但在电子对抗战争中,普通的去噪算法并不能满足雷达图像去噪的性能要求,本文基于舰船雷达的实际工作需求,结合小波变换算法,从本质上对雷达的通信数据和图像数据进行优化,并建立雷达图像去噪模型,通过样本采样和模式学习,该小波去噪算法能够显著降低雷达信号中的背景噪声,大大提高了图像信号的识别能力。     

舰船图像高精度压缩研究

为了提高舰船图像的识别能力和传输能力,需要进行舰船图像的高精度压缩处理,提出一种改进向量量化算法的舰船图像高精度压缩方法。对舰船图像采用LGB算法进行量化编码,对编码后的舰船图像进行向量量化误差补偿,结合小波降噪方法进行舰船图像的降噪处理,采用误差补偿编码的方法对舰船图像的噪点进行信息增强处理,提高舰船图像的识别能力,结合邻近像素点的结构重组方法,实现舰船图像的高精度压缩。仿真结果表明,采用该方法进行舰船图像高精度压缩,提高了对舰船图像的识别能力,图像压缩后的输出峰值信噪比较高,说明压缩的精度较高,性能较好。     

基于改进Mask RCNN的散货船压载舱裂缝检测算法

针对散货船压载舱所存在不同类型结构裂缝检测需求，基于机器视觉相关技术，探索一种应用实例分割目标检测算法（Mask RCNN）深度学习模型的裂缝识别方法。在分析散货船压载舱裂缝的图像特征的基础上，构建了基于MaskRCNN的裂缝识别深度学习模型，通过引入轻量化自底向上路径增强机制和自身特征优化模块优化检测模型，然后制作了涵盖多种类型的裂缝数据集，基于训练结果实现散货船压载舱结构裂缝图像识别，并验证了改进的MaskRCNN模型在散货船压载舱结构裂缝图像识别技术中的优越性，为压载舱自动化高效检测提供有效支撑。     

基于模糊数学模型的舰船红外成像目标智能识别方法

利用传统基于SVM和基于神经网络的方法对舰船红外成像目标进行智能识别,识别距离较短,导致识别范围受限。针对上述问题,提出基于模糊数学模型的舰船红外成像目标智能识别方法。该方法分为3步:1)对舰船红外图像进行预处理,包括图像滤波、图像增强、图像分割;2)利用基于几何特性方法提取处理后的图像特征;3)以图像特征作为模糊数学模型特征因子,构建模糊集合,并利用贴近度原则对被识别对象进行归属判决,完成目标识别。结果表明:与基于SVM和基于神经网络的方法相比,利用本方法进行舰船红外成像目标智能识别,识别距离延长10 m和20 m,识别范围扩大。     

视觉传达技术的雾天舰船图像恢复研究

由于使用基于空间角度恢复方法、基于变换领域恢复方法受到大量像素影响,特征点提取结果不精准,会导致图像恢复效果较差。为了解决该问题,提出视觉传达技术的雾天舰船图像恢复研究。剪裁提取目标区域,计算像素间隔,得到图像的物理坐标。以此坐标为基础进行三维图像面的重建。通过信息交互,确定重建面的同体元坐标点,完成三维重建。基于重建结果,调整局部区域亮度,区分明暗原色,结合视觉传达技术,设计了雾天舰船图像恢复流程,避免了边缘提取不连续的问题。由实验结果可知,该方法特征点提取结果与图像比例下实际值一致,误差为0,图像恢复效果较好。     

聚类分析算法在舰船识别中的应用

为了缩短舰船识别时间,提高舰船识别的成功率,提出聚类分析算法在舰船识别中的应用。通过聚类分析算法计算出舰船图像的分辨率,获取舰船图像的横向分辨率,完成舰船目标形态特征的提取;采用聚类方程表达式,得到舰船能量函数,基于聚类分析算法,确定处理舰船图像的聚类模型,通过分析聚类系数值的大小,完成舰船图像的处理;最后通过舰船识别流程设计,实现基于聚类分析算法的舰船识别。实验结果表明,基于聚类分析算法的舰船识别技术可以提高舰船识别的成功率。