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。     

噪声消除和彩色增强的舰船图像优化研究

传统舰船图像优化算法在优化过程中,图像的优化系数普遍倾向于一种优化机制,导致图像在色彩与噪声处理上无法达到平衡统一,直接导致优化输出图像的噪声消除区域在高阈值色彩增强下,图像边缘锐利度动态范围过高,边缘细节信息损失严重,不利于图像的信息保存与分析。为了解决优化过程中色彩增强与噪声消除的同步问题,提出噪声消除和彩色增强的舰船图像优化研究。首先,将图像像素点转化为几何结构特征点,将平面二维空间结构转化为三维几何结构空间,拓宽像素特征点的优化维度;接着在几何空间下,完成对噪声特征点的消除计算;在效果噪声的基础上,完成噪声位置像素的色彩补偿,通过缺失位置像素色彩补偿,达到提升全局像素色彩对比系数,统一输出色彩阈值,抑制噪声边缘色彩动态范围的效果。通过与传统优化算法的对比表明,提出优化算法处理后的图像,色彩域噪声处理效果更加自然,图像细节信息保留更多。     

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。     

基于多媒体技术的舰船轨迹虚拟重构技术

对舰船轨迹的虚拟重构主要包括了对舰船模型和舰船尾流的三维视景仿真重构,为了提高舰船轨迹虚拟重构的逼真度,在多媒体视觉下,提出一种基于Vega prime和Multigen Creator建模的舰船轨迹虚拟重构技术,对获取的舰船船体数据和尾流数据进行数据加载和信息编译,在虚拟场景中根据场景状态信息和渲染指令进行海洋场景、舰船模型和尾流气泡模型的绘制。采用不规则三角网分割方法实现分区域三维重构和图像处理,实现舰船轨迹虚拟重构优化。仿真结果表明,采用该方法进行舰船轨迹虚拟重构和视景仿真的逼真性较好,图像渲染能力较强,具有较好的视觉效果。     

大数据背景下的舰船图像特征识别研究

传统舰船图像特征识别方法仅能对图像大范围特征像素信息进行识别,而对图像细微像素特征识别效果,远远达不到实际应用要求。导致大量细节特征舰船图像,无法准确完成特征的识别处理,影响整体应用效果。为了解决细节特征信息识别问题,提出大数据背景下的舰船图像特征识别研究。利用大数据计算能力,对图像特征结构分布进行特征模型建立;根据特征分布特点,利用大数据算法,确定细节图像区域构成像素点特征。最后根据特征信息,分散检索全局目标图像像素信息,完成识别输出过程。通过与传统图像识别方法的10张图像359 035万个像素点的识别测试表明,提出方法能够在最短的时间内,完成预设细节图像特征点的识别任务,且识别准确率达到98.72%以上。     

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。     

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。     

三维动态舰船图像颜色特征自动提取及应用研究

以提升舰船颜色特征的应用技术水平,研究三维动态舰船图像颜色特征自动提取和应用方法。通过相机采集三维动态舰船图像颜色特征后,先使用PCA算法获取三维动态舰船图像的颜色特征子空间,再通过K-means聚类算法得到三维动态舰船图像颜色特征,以该颜色特征作为基础,分别利用支持向量机算法和二阶常速模型实现舰船目标识别和航迹跟踪。实验结果表明,该方法可有效提取三维动态舰船图像颜色特征的R、G、B分量,提取舰船图像颜色特征能力较强。将提取到的三维动态舰船图像颜色特征,应用到舰船目标识别和航迹跟踪,可有效识别舰船和跟踪舰船航迹,应用效果较为显著。     

基于虚拟现实的船舶三维图像重建方法

通过对船舶三维图像重建处理,提高船舶动态检测识别能力,提出基于虚拟现实的船舶三维图像重建方法。根据船舶图像的空间位置概率分布,构建船舶三维图像的分类子网特征图模型,采用虚拟现实的三维重组技术实现对船舶三维图像重建过程中的纹理渲染和实体建模。在船舶三维图模型的Face Tools中选择虚拟现实重构的面类型,通过颜色、透明度和光照效果的动态渲染实现对船舶三维图像重建。实验表明该方法对船舶三维图像重建的视觉表达能力较好,重建的精密度水平较高。     

改进Retinex的红外舰船图像增强算法

传统Retinex的红外舰船图像增强算法能改善图像的视觉效果,但受环境影响因素大,对复杂红外图像处理效果不明显,为此提出改进Retinex的红外舰船图像增强算法。根据灰度映射特殊函数关系,改进Retinex灰度图像增益关系,改善环境参数变化造成的图像阴影;采用傅里叶频域函数实现逆变增强,通过巴特沃斯频域函数去除低频分量,完成频域图像增强算法改进,从而解决复杂红外图像处理不清问题。实验数据表明,该设计算法比传统算法的分辨力高出63.9%,且能够识别更加复杂的图像信息,消除恶劣环境影响。     

基于卷积神经网络的舰船图像增强算法

为了改善舰船图像增强效果,提出基于卷积神经网络的舰船图像增强算法,首先采用同态滤波器对原始舰船图像进行预处理,有效压缩舰船图像的动态范围,丰富舰船图像的细节信息,然后引入卷积神经网络对舰船图像色彩进行校正处理和补偿,解决舰船图像偏色问题,最后进行舰船图像增强仿真模拟实验。结果表明,卷积神经网络可以提高舰船图像的对比度,凸显了舰船图像细节,舰船图像的视觉效果优,舰船图像的增强结果要优于对比算法,同时降低了舰船图像增强的时间复杂度,舰船图像增强效率得以提升。     

低照度的舰船图像增强研究

传统舰船图像低照度增强算法多为单一增强算法,因此在对图像动态范围处理上存在一定误差,导致动态范围外的图像色域噪点处理效果不佳,图像整体增强效果无法达到舰船图像应用要求。为了获得低照度下舰船图像的最佳增强效果,提出低照度的舰船图像增强研究。首先,对低照度图像建立Retinex模型,获得低照度图像增强的理论基础数据;接着将Retinex模型参量引入低照度舰船图像,建立图像光照基础模型,根据光照基础模型获得的各图层光照分布状态,对其亮度进行调整,滤除图层噪点;然后,通过神经网络算法,对增强图像图层进行重建计算,完成低照度舰船图像增强计算。最后,通过对比实验数据,证明提出方法能够提升低照度舰船图像增强处理效果。     

关联反馈和多特征的舰船图像检索系统

传统舰船图像检索系统受到检索特征图块精度与反馈精度的影响,在检索准确性方面存在较大误差,导致系统整体检索任务完成率降低。通过对检索过程的数据分析,提出关联反馈和多特征的舰船图像检索系统。系统采用JFGS图云信息关联硬件+关联反馈算法+多特征图块特征检索算法的立体式设计方案。通过硬件设计完成对算法所需数据变量信息的创建与获取;通过算法设计实现软件层面的图像信息反馈阈值优化与图块特征检索精度提升,从而提出系统对图像检索的准确度。通过对比实验对设计系统检索结果进行验证,根据数据得出有效性结论。     

船舶轮廓图像三维重构技术研究

传统三维造型技术所得的三维坐标精准度差,为了解决这个问题,提出一种新的船舶轮廓图像三维重构技术。先提取船舶轮廓线,在处理船舶轮廓图像数据,以实现重构的完整性,在此基础上,采用零均值归一化算法,匹配船舶轮廓图像特征点,在建立粗匹配关系后,获取船舶轮廓三维点坐标,实现船舶轮廓图像三维重构,由此,完成船舶轮廓图像三维重构技术的设计。最后,在数据库中随机选取7组立体匹配对应图像点,对比2种方法的精准度,实验结果表明,所提方法精准度更高。     

虚拟现实技术舰船舱室空间场景语义标注算法

传统的舰船舱室空间场景语义标注算法的标注精度偏低。为此,在虚拟现实技术的支持下,设计一种新的舰船舱室空间场景语义标注算法。通过图像预处理去除舰船舱室空间图像中的噪声点和畸变,然后采用SURF方法对特征点检测和匹配,通过拼接并融合图像生成全景图。基于此,采用MRF语义标注算法查询图像像素特征,并估测与其近邻像素特征间的距离,再通过计算像素的似然估计得到舰船舱室的语义标注结果。实验结果表明,与传统的语义标注算法相比,采用本文算法后,每类别的语义标注精度至少提升5.24%,每像素的语义标注精度至少提升6.12%。由此可见,本文算法具有更高的语义标注精度。     

舰船机舱三维虚拟漫游及远程操纵系统

舰船机舱模拟器的创建是一项较为复杂的工作,在虚拟现实技术尚未普及推广前,创建一个机舱模拟器耗资巨大。而虚拟现实技术的出现,为机舱设备三维模型的构建提供了技术支撑,通过相关系统的建立,可使用户在虚拟的环境当中,对舰船机舱内的设备进行操纵,进而获得与真实世界中基本相同的体验。由于系统便于修改,所以能够满足舰船上各种设备更新换代的需要,这样不会因为设备更新而重建,可以节约成本。由此可见,对舰船机舱三维虚拟漫游及远程操纵系统设计开发显得尤为必要。     

基于视觉传达技术的低分辨率舰船图像优化

对于低分辨率舰船图像的优化,常规的优化方法缺少对目标图像的色彩补偿,导致优化方法的抗噪声性能不足。为了解决这一问题,提出视觉传达技术的低分辨率舰船图像优化研究。利用视觉传达技术处理原始舰船图像,增强图像彩色像素细节。在此基础上,建立目标图像的运动公式,通过计算得到图像的变化规律,实现优化前后的图像配准和重建,实现低分辨率舰船图像的优化。实验结果表明,在图像规格逐渐增大的情况下,设计的图像优化方法峰值信噪比始终高于30 dB,并且在像素对准实验中噪点分布均匀,对图像质量影响较小,该方法的整体抗噪声性能得到了增强。     

特征匹配的舰船图像识别算法

针对传统的舰船图像识别算法的鲁棒性较差的问题,研究特征匹配的舰船图像识别算法。对待识别的舰船图像做降噪和边缘强化处理,建立高斯金字塔使用SIFT方法提取预处理后的图像中的特征,并对提取的特征进行匹配。在神经网络中对匹配后特征对过滤,对过滤后的匹配特征对分类处理完成对舰船图像的识别。通过与传统图像识别算法的对比实验,证明了研究的特征匹配的舰船图像识别算法具有更佳的鲁棒性。     

Moreau包络和深度恢复的舰船图像分解方法

传统舰船图像分解方法无法有效对图像超像素稀疏部分进行有效像素深度的恢复,导致分解图像缺失底层像素信息,噪声分解图像失真。为了解决上述问题,提出Moreau包络和深度恢复的舰船图像分解方法。首先通过引入Moreau包络算法,对图像分解区域进行超像素层的重构计算;然后利用稀疏深度恢复算法,对重构的超像素层待分解像素信息进行深度恢复优化。最后,通过像素点之间信息的关联特性,与神经网络学习特性,完成对恢复区域构成图像的分解。通过与传统神经网络分解方法的实例对比表明,提出方法分解后的图像输出效果,优于传统分解方法,更适合舰船图像分解的应用场景。     

海警舰船抛起锚虚拟仿真系统设计

以3DS max为平台,对锚设备进行建模与渲染。采用虚拟现实技术设计舰船驾驶室及舱室漫游,抛锚虚拟仿真,起锚虚拟仿真模块。通过运动跟踪技术,三维虚拟现实显示系统开展海警舰船抛起锚虚拟仿真系统实践教学,既提高了学员训练的积极性,又节约了大量的实装训练费用。