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。     

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。     

偏微分方程在船体液压定位装置中的应用

船体液压定位装置是应用于石油勘探、海洋风力发电船等特殊作业船舶上的重要装置。受到作业性质的要求,液压定位装置内液压推动力与齿轮转动距离差需要小于0.01 mm。传统液压定位装置采用的算法无法实现对液压推动齿轮状态图像的高精度计算,导致船舶作业位置点定位过程较长,影响船舶作业进程。因此,提出偏微分方程在船体液压定位装置中的应用。通过偏微分方程对液压定位装置内液压与齿轮作业状态图像进行高精度分割计算,实现毫米级的图像切割放大;在此基础上,对放大后的液压与齿轮图想象中液压动力量进行唯一性高精度计算,实现精准控制定位量的效果。最后,通过对比实验对研究方法进行验证,结合对比数据结果证明研究方法具有精准控制定位量的效果。     

基于偏微分方程的舰船图像增强研究

舰船图像在采集和传输过程中,受到多种因素的干扰,导致图像细节信息丢失严重,使得图像亮度低,图像质量下降,为了解决该难题,提高图像视觉效果和图像质量,设计了基于偏微分方程的舰船图像增强方法。首先对当前舰船图像增强研究结果进行分析,提出采用小波分析对原始舰船图像进行处理,识别出舰船图像中的噪声,并设置合理的阈值抑制噪声的作用,然后采用偏微分方程模型对舰船图像进行非线性增强变换,突出舰船图像中的细节信息,改善舰船图像的清晰度,最后进行舰船图像增强的仿真测试,结果表明本文方法可以明显增强舰船增强图像亮度,使图像细节信息增加,舰船图像增强结果的评价指标全部优于对比方法的舰船图像增强结果,是一种有效的舰船图像增强方法。     

Hough变换的舰船图像自动分割

随船舶航行距离的延长,现有图像分割方法由于分割错误率过高的问题,易导致分割精度与分割速度值的持续下降,基于此提出Hough变换理论支持下的舰船图像自动分割方法。利用图像特征提取值,选择适宜的图像处理区域,实现Hough变换的舰船图像目标检测。在此基础上,对舰船图像进行预处理,通过设定分割阈值的方式,计算得到准确的粗分割系数,实现Hough变换舰船图像自动分割方法的顺利应用。对比实验结果表明,与现有图像分割方法相比,Hough变换分割方法的实际分割错误率数值水平更低,可有效解决因船舶航行距离延长而出现的分割精度值与分割速度值持续下降的问题。     

基于神经网络的红外图像舰船统计特征分析

目前研究的红外图像舰船统计特征分析方法全面性较差,准确性较低。为了提高舰船统计特征提取的准确度和精度,本文借鉴神经网络工作原理,进一步对红外图像识别到的舰船目标进行统计特征提取,实现预期设计的效果。本文首先了解舰船红外成像的工作原理,然后利用图像滤波、图像增强技术以及图像分割操作对舰船图像数据进行预处理分析,利用特征目标模糊分类识别方法初步实现红外图像舰船统计特征的识别,然后调用神经网络技术,完善红外图像舰船统计特征提取流程。实验表明,设计方法具有很好的全面性和准确性,实现研究目标,可以投入使用。     

基于FPGA的夜间舰船图像增强算法

为解决传统船舶图像增强算法应用于夜间拍摄时存在图像分辨率较低的不足,提出了基于FPGA的夜间舰船图像增强算法。引入FPGA对夜间图像的灰度调节方式进行改进,依托夜间图像的滤波处理计算以及锐化计算,完成了提出的基于FPGA的夜间舰船图像增强算法设计。实验数据表明,针对夜间拍摄图像,提出的夜间船舶图像增强算法较传统船舶图像增强算法,图像分辨率提高24.64%,适合对船舶夜间图像进行分析计算。     

模糊聚类算法在船舶图像分割中的应用

传统船舶图像分割方法存在分割误差大,抗噪声干扰能力差、分割效率低等缺陷,为了解决传统船舶图像分割方法存在的不足,设计了基于模糊聚类算法的船舶图像分割方法。首先对当前船舶图像分割研究进展进行分析,指出不同传统船舶图像分割方法存在的局限性,然后对船舶图像进行去噪处理,提高船舶图像质量,改善抗噪声干扰能力,最后引入模糊聚类算法进行船舶图像分割,并采用多幅标准船舶图像与传统船舶图像分割方法进行对比测试。测试结果表明,本文方法可以对船舶图像进行高精度的准确分割,能够保留船舶图像边缘的重要信息,船舶图像分割速度可以满足实际应用的要求,获得了比传统船舶图像分割方法更优的结果,具有更加广泛的应用范围。     

快速行驶船舶的图像采集和增强研究

传统的图像采集和增强方法受到外部环境因素的影响,导致采集的信息不完整,并导致后期图像增强效果较差,为此设计一个快速行驶船舶的图像采集和增强方法。首先对图像采集的背景估计,然后对图像的相邻帧补偿,并对图像边缘预检测。最后采用图像场增强算法对图像增强处理,实现快速行驶背景下舰船图像的采集与增强。实验结果表明,此次研究的方法检测后,取得的图像边缘更加连续,具有较好的图像增强效果,满足图像采集和增强方法的设计需求。     

基于计算机大数据的船舶视频图像类型辨识分析

传统船舶视频图像类型识别算法在图像类型识别计算过程中,存在视频图像高频尺度空间像素子带系数计算精度较低,导致图像画面差异辨识度降低,无法高精度对比图像特征参量的问题。因此,提出计算机大数据船舶视频图像类型辩识分析。通过神经网络算法,建立视频图像特征的神经网络模型;根据特征模型推导建立辨识模型。在辨识模型的基础上,通过导入大数据高频子带尺度算法,对图像特征尺度空间内的高频子带系数进行优化计算,从而提升视频图像类型的辨识精度。通过实验数据对比表明:提出的视频图像辨识算法,能够有效改善图像类型识别环境,提升图像类型辨识精度,解决了传统辨识算法辨识精度低的问题。     

船舶管路高温泄漏检测及自动识别技术

通过分析船舶的热源管路,并针对这些管路进行红外线热成像扫描,将采集到的图像进行预处理,然后采用分水岭算法对处理后的高热图像实行分割和高温区域识别,再将其与红外热像图进行配准。实验结果证明,利用红外热成像技术可以实现船舶管路高温泄漏的有效检测,并且精度和检测准确率高。     

基于红外图像的船舶特征识别方法

传统船舶特征识别结果准确性较低,且相关人员不能根据此结果,快速完成船舶图像复原。为解决此问题,设计基于红外图像的船舶特征识别方法。通过ROI低分辨率红外图像提取、图像特征相邻方向指示2个步骤,完成基于低分辨率红外图像的船舶特征识别。通过ROI高分辨率红外图像提取、图像增强预处理2个步骤,完成基于高分辨率红外图像的船舶特征识别。设计对比实验结果表明,基于红外图像的船舶特征识别方法,与传统方法相比,能够保证特征识别结果的准确性,为快速完成船舶图像复原操作提供可能。     

基于视觉传达技术的船舶图像匹配研究

为准确实现船舶图像匹配,提出基于视觉传达技术的船舶图像匹配方法.考虑人眼的激励感知与抑制感知状态,在脉冲耦合神经网络内添设侧抑制信号等感知函数,实现低对比度的船舶图像增强处理;采用基于灰度差值直方图的特征提取方法判断增强后船舶图像边缘的粗细程度,提取船舶图像边缘特征;选取斯皮尔曼等级相关系数确定原始船舶图像与待匹配船舶...     

基于图像的小范围船舶交叉碰撞风险预测

船舶交叉碰撞十分危险,为了提高小范围船舶交叉碰撞风险预测精度,提出了基于图像的小范围船舶交叉碰撞风险预测方法。首先采集船舶航行的图像,并对图像进行增强处理,提高图像质量,然后从图像中提取小范围船舶交叉碰撞风险预测的特征,最后小波神经网络根据样本数据建立小范围船舶交叉碰撞风险预测模型,并进行了小范围船舶交叉碰撞风险预测测试,本文方法可以对船舶交叉碰撞风险变化趋势进行准确的刻画,得到了高精度的小范围船舶交叉碰撞风险预测结果,预测结果可以指导船舶工作人员提供有价值的参考意见。     

合成孔径雷达图像增强的正则化方法研究

SAR图像在成像过程中分辨率会受到杂波的影响下降,不利于后续算法的进行,而正则化算法通过先验知识能够实现图像的重建。本文研究合成孔径雷达观测模型,并将正则化算法应用于SAR图像增强。最后进行实验对比。本文所采用的算法在迭代最优解求解的过程中比Cetin算法用时少,并且图像增强后的平均3db主瓣宽度比增强前小,由此说明本文算法的有效性。     

基于人眼视觉特性的舰船图像增强方法

传统舰船图像增强方法没有考虑人眼视觉特征,导致图像人眼视觉识别率较低,对此提出新型舰船图像增强方法。通过对舰船图像数据的标准化和白化操作,完成舰船图像人眼视觉化处理,提取处理图像数据的颜色特征和纹理特征,消除干扰项,提高图像特征维,根据图像H值,将升维后的图像数据,转换到RGB色彩空间中,合成图像色度、饱和度和强度,实现图像增强。实验数据表明,与传统图像增强方式相比,利用新设计的舰船图像增强方法,图像人眼视觉识别度提高27%,具有应用优势性。     

基于神经网络的船舶航拍图像融合研究

航拍图像融合是船舶图像研究领域中的一个重要研究方向,针对当前船舶航拍图像融合过程复杂,计算量大,融合精度低等缺陷,提出了基于神经网络的船舶航拍图像融合方法。首先分析船舶航拍图像融合原理,并对船舶航拍图像进行分解,得到低频和高频的船舶航拍图像分量,然后采用神经网络对船舶航拍图像的高频分量进行处理,并用加权平均法对船舶航拍图像的低频分量进行处理,最后通过逆变换对船舶航拍图像融合,并进行了仿真实验。实验结果表明,神经网络可以获得高精度的船舶航拍图像融合结果,船舶航拍图像融合时间短,相对于其他船舶航拍图像融合方法,神经网络的船舶航拍图像融合结果更胜一筹。     

DSP平台的舰船图像增强系统

针对船舶航行图像对比清晰度较低的问题,设计基于DSP平台的舰船图像增强系统。按照DSP处理框架的执行需求,连接图像采集模块及信息增强电路,完成新型图像增强系统的硬件运行环境搭建。在此基础上,根据舰船图像的信息管理模式,计算具体的函数增强公式,完成系统的软件运行环境搭建,联合相关硬件设备结构,实现DSP平台舰船图像增强系统的顺利应用。对比实验结果表明,与FPGA图像处理系统相比,应用增强型系统后,雾化度指标数值明显降低,船舶航行图像对比清晰度过低的问题得到有效解决。     

基于光学遥感图像的船舶目标检测技术研究

首先分析基于光学遥感图像的船舶目标检测流程,然后利用Top-Hat算法进行目标图像增强,并设计检测系统结构元尺寸自适应选择算法,以此来克服光学遥感图像的不均匀性和局部背景的粗糙性。最后进行不同海况的船舶目标检测试验。试验结果表明,本文算法虽然在实现过程中较阈值分割算法要复杂,但其适用范围更广,并且能够有效提高复杂海况下船舶目标检测的准确率。     

无人船运行轨迹图像细化分割方法

为了提高对无人船运行轨迹的规划和识别能力,需要对运行轨迹图像进行细化分割,提出一种基于块匹配和边缘轮廓特征分割的无人船运行轨迹图像的细化分割方法。对采集的无人船运行轨迹灰度图像进行模板分块处理,对分块图像进行二值化分离,采用小波分解方法进行图像的边缘轮廓特征分解和尺度融合,结合统计特征重构方法进行运行轨迹的自适应信息增强,以增强后的轨迹图像为模板进行轮廓套索,实现轨迹图像的边缘轮廓特征提取,在分块图像中以边缘轮廓特征为基准线,实现无人船运行轨迹图像的细化分割。仿真结果表明,该方法进行无人船运行轨迹图像分割的特征分辨力较好,分割精度较高,挺高了图像的输出辨识能力。