舰船尾迹图像的对比度特征提取方法

根据舰船尾迹图像尾迹区与海水背景区存在明显对照的特性,提出用对比度参数作为尾迹图像质量评价指标,进而表征舰船尾迹光学信号特征强度.为有效评价尾迹图像质量,在改进对比度基本计算模型的基础上,充分考虑人的视觉特性,引入尾迹区与海水背景区的加权因子进行组合评价,将主观与客观评价方法有机结合起来,并通过专门研制的海上特征提取实验装置进行对比度特征提取实验分析.结果表明,对比度参数能较好地反映人眼对尾迹图像实际质量的主观视觉感受,更能体现尾迹图像处理应用的本质,且能定量可靠地描述舰船尾迹光学信号特征强度的变化规律.     

舰船尾迹多维信息抗干扰智能搜索方法研究

传统舰船尾迹搜索方法在多维信息处理上,由于算法计算因素单一,无法对多维信息内无效数据做准确筛选运算,导致舰船尾迹图像搜索运算受到无效数据干扰源影响,出现搜索映射率低、误差大的问题。针对此问题,提出舰船尾迹多维信息抗干扰智能搜索方法研究。首先,通过对多维信息内舰船尾迹图像进行锁定。其次,引入多尺度特征融合算法对尾迹图像内干扰源进行滤除处理,接着,引入空间特征匹配算法对处理后的尾迹图像做搜索特征匹配计算,完成智能搜索过程。最后,通过对比实验证明,提出的舰船尾迹多维信息抗干扰智能搜索方法,能够有效解决传统搜索方法存在的映射率低、误差大的问题。     

基于傅里叶变换的SAR图像舰船尾迹检测

为利用精准的舰船尾迹检测结果,为航速航向信息反演等应用提供基础,提出基于傅里叶变换的SAR图像舰船尾迹检测方法。利用分数阶傅里叶变换方法,通过线性积分变换以及平面旋转两部分,变换舰船尾迹SAR图像,将其划分为高频子带与低频子带。利用Radon变换方法,累加SAR图像低频子带内直线像素点的灰度值,获取像素点与舰船尾迹线的几何对应关系,搜索Radon变换域中的峰值点位置,获取最终的SAR图像舰船尾迹线检测结果。实验结果表明,该方法可以有效检测SAR图像中的卡尔文尾迹、布拉格尾迹等不同类型的舰船尾迹,具有优越的舰船尾迹检测效果。     

舰船尾迹图像去噪处理方法研究

针对现有去噪处理方法获得的舰船尾迹图像质量较差,边缘信息模糊等缺点,提出一种基于MCA与特定滤波器相结合的舰船尾迹图像去噪处理方法,对舰船尾迹成像模型和相干斑噪声模型以及统计特性进行了分析和计算;采用MCA对舰船尾迹结构成分与水面复杂背景纹理成分进行有效分离,分别选择双正小波变换和剪切波变换构建舰船尾迹纹理字典和结构成分字典,将舰船尾迹图像形态成分分离过程转化成最优化问题进行求解,去除了干扰;采用同态滤波对去噪处理后的舰船尾迹图像进行增强,并设计了高通滤波器来替代同态滤波函数中的滤波器,实现了舰船尾迹图像的中低频成分抑制和高频部分增强。实验结果表明,所提方法对舰船尾迹图像的去噪处理效果最好,得到的图像边缘清晰度更高,纹理特征也更加显著,且细节信息得到了增强。     

大数据环境下舰船尾迹破碎图像高精度识别技术

针对原有方法在对舰船尾迹破碎图像进行识别的过程中,受破碎图像特征残缺的影响,存在大量难以检测的角点,在图像破碎度为40%～60%时存在特征抽样拟合率较低的问题,提出一种大数据环境下舰船尾迹破碎图像高精度识别技术。在大数据环境下,通过SUSAN角点检测算法这种大数据算法对舰船尾迹破碎图像进行角点检测。构建图像特征检测模型,利用构建模型对舰船尾迹破碎图像角点处实施特征检测,获取舰船尾迹破碎图像特征。通过构建舰船尾迹破碎图像高精度识别模型实现舰船尾迹破碎图像高精度识别。为了证明大数据环境下舰船尾迹破碎图像高精度识别技术实现了特征抽样拟合率的提升,将原有技术作为对比实验技术进行该技术与原有技术的特征抽样拟合率对比实验,实验结果证明该技术实现了特征抽样拟合率的提升,更适用于舰船尾迹破碎图像的识别。     

基于三维自适应预测的舰船尾迹图像快速无损压缩算法

为了获得更高质量的舰船尾迹行进图像,提出基于三维自适应预测的舰船尾迹图像快速无损压缩算法。根据三维自适应预测原理,设定波段顺序条件,确定尾迹节点的实际精度数值,完成基于三维自适应原理的舰船尾迹预测。在此基础上,利用已选取的压缩指标,对各级节点实施无损编码,再通过计算压缩比例,实现舰船尾迹图像快速无损压缩算法。对比实验结果表明,与BMP图像处理手段相比,应用快速无损压缩算法后,图像压缩清晰度极值达到88%,舰船尾迹行进图像的质量水平得到有效提升。     

舰船尾迹SAR图像特征的谱分析研究

图像纹理在频率空间的分布具有规律性,可以通过对图像进行频谱分析来提取纹理特征。根据SAR成像机理对舰船尾迹SAR图像进行了仿真研究,采用周相谱法对图像的二维功率谱作一维变换处理,提出基于归一化能量谱的图像谱特征分析方法,并给出了不同探测参数下尾迹SAR图像谱特征的仿真图。结果表明,该方法可有效地消除海面背景的影响,实现舰船尾迹特征检测的定量分析。     

加权k-均值在舰船尾迹识别中的应用研究

首先描述加权k-均值的原理;然后利用对舰船尾迹原始进行分块,并且以此提高尾迹的对比度,对分块后子图像进行归一化Hough变换;最后基于加权k-均值进行舰船尾迹识别。实验结果表明本文算法识别率高,识别时间短。     

舰船尾迹光学信号异常特征贝叶斯识别方法

为了提升舰船尾迹光学信号异常特征识别效果,提出舰船尾迹光学信号异常特征贝叶斯识别方法。针对合成孔径雷达系统采集的舰船尾迹SAR图像中舰船尾迹与海杂波边界区分不清晰的情况,使用图像分割和归一化的Hough变换检测方法实现舰船尾迹图像增强;依据气泡运输方程提取舰船尾迹直方图,根据直方图内峰值点密集程度,提取舰船尾迹光学信号特征,将该特征作为输入,使用贝叶斯分类模型输出舰船尾迹光学信号异常特征识别结果。实验结果表明：该方法可有效增强舰船尾迹SAR图像,也可有效提取舰船尾迹直方图,并准确提取舰船尾迹光学信号特征和识别其中的异常特征。     

海洋遥感图像舰船尾迹检测研究

针对传统小波变换的不足,提出利用方向小波进行遥感图像舰船尾迹检测算法。在理论分析的基础上,对模拟船舶尾迹进行不同方向的尾迹区分,方向性明显。最后通过传统小波变换和方向小波变换对比的仿真实验验证,本文所采用的算法更加接近真实的尾迹,且尾迹平滑、清晰,能够体现尾迹的纹理和方向。     

舰船尾迹建模与电磁散射研究

船舶在行进过程中,由于螺旋桨和船体的作用,水体会产生随机的尾迹波浪,这些波浪的存在会直接影响到船舶的航行安全,对舰船的隐蔽性造成潜在的威胁,因此本文主要研究了在电磁散射条件下的舰船尾迹模型,从而为其控制参数的优化提供解决方案。文中首先对舰船的一般性尾迹进行数学建模,然后对尾迹数据进行离散化的处理,从而方便从不同的角度对尾迹的形态进行研究,接着通过提取尾迹的电磁散射特征,建立尾迹散射的优化模型,最后通过实验数值的模拟,进一步优化控制矩阵的散射参数。     

光学遥感图像舰船目标检测算法研究

针对航天图像舰船目标快速检测问题,本文提出了一种复杂海洋背景中舰船目标的快速提取,舰船尾迹的检测及目标检测算法。根据人类视觉注意机制,把梯度作为视觉注意前期的简单特征,然后以开尔文尾迹为主要依据,以区域灰度方差表示纹理粗糙度,进行舰船尾迹识别,最后分析舰船检测的原则和主要特征,提出舰船目标检测流程,并进行目标检测实验,实现准确的尾迹识别和目标检测。     

基于图像检测的船舶特征提取算法优化

传统船舶特征提取算法,无法完全对船舶特征进行提取,存在精度不够、无法有效提取特征点等问题。为有效解决此问题,提出基于图像检测的船舶特征提取优化算法。计算不同波段下船舶图像的灰度值,依据灰度值结合霍夫曼及分裂排序编码构建船舶图像特征提取示意图;设计基于图像的船舶特征点检测提取模型,确定图像中船舶特征点相关性。依据相关性进行船舶特征点的有效提取,并利用图像特征提取,完成船舶特征提取的优化算法,设计对比实验结果表明,改进后方法与传统方法相比,大幅提高船舶特征提取的准确性。     

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...     

基于标准化灰度霍夫SAR图像的舰船尾流探测算法变换研究

目前,合成孔径雷达(SAR)图像技术在舰船检测和监视等方面的应用越来越广泛,特别是在舰船目标识别方面。当运用SAR图像技术进行舰船尾迹检测时,面临的主要问题是缺乏自适应的检测算法和检测系统,导致舰船尾迹检测的项目稀少,获取的目标信息单一,既无法发挥SAR图像技术的优点,又无法准确有效地进行舰船尾迹检测。本文详细分析了影响尾迹产生的因素,在Hough变换的基础上,进行了SAR图像技术在舰船尾迹检测中的研究。     

Radon算法在合成孔径雷达图像舰船尾迹检测中的应用

舰船尾迹检测是一项较为重要的内容,通常采用合成孔径雷达获取尾迹图像,对图像进行检测。由于受到海面环境的影响,使得图像中存在较大的噪声干扰,对检测结果的准确性造成影响。为解决这一问题,可对Radon算法进行合理应用。Radon变换的优点较多,从而使其在合成孔径雷达图像舰船尾迹检测中得到广泛应用,Radon变换也存在局限性,为此需要通过对图像的预处理,来弥补缺陷,提升检测结果的准确性。经过验证,采用相应的措施后,Radon变换能够使合成孔径雷达图像舰船尾迹检测更加准确。     

船舶多目标图像特征并行提取算法

一片海域中包含多个船舶目标,同时提取多个目标过程极其复杂。传统的船舶多目标图像特征并行提取算法提取出来图像特征清晰度很差。为解决此问题,研究了一种新的船舶多目标图像特征并行提取算法,介绍了船舶图像多目标特征提取架构图,重点分析颜色特征提取过程、纹理特征提取过程和形状特征提取过程。特征并行提取流程共分为初始分析、目标特征识别、图像特征确认、描述显示4个步骤,通过计算目标船舶所在位置,分析灰度值,提取船舶特征。利用与传统算法的对比实验验证了该算法的可行性。实验结果表明,给出的算法提取的目标图像清晰度更高。     

基于Hough变换的舰船尾迹检测研究

提出一种采用小波变换和Hough变换结合的对SAR图像中舰船尾迹检测的算法。该方法首先对SAR图像进行预处理,降低相干斑噪声的影响;然后采用小波变换对SAR图像进行多尺度分解,并利用归一化Hough变换对不同尺度的子图像进行处理,检测图像中的直线,再将多个尺度的直线检测结果结合起来考虑,剔除错误判断,选定准确的舰船尾迹检测直线。最后通过实验对本文算法进行验证,结果表明该方法能够有效检测舰船尾迹。     

基于局部脊波变换的SAR图像舰船尾迹检测方法

分析舰船尾迹的分类及SAR图像特征,提出一种结合局部Radon变换与脊波变换的检测尾迹的方法,即将图像分成若干个小窗口,在小窗口内进行局部的脊波变换。该方法克服了全局脊波变换的局限,使尾迹能够在较复杂的海况检测出由断续线段组成的尾迹。     

基于图像处理的舰船光学尾迹监测系统设计

随着科学技术的不断发展和进步,舰船光学尾迹的侦察可以变得更加精确,而通过图像处理技术可以在船舶高速航行的过程中,从不同视角进行场景的连续成像,快速辨识舰船尾迹的变化特征,从而提高整个监测系统的识别能力。本文重点对舰船光学尾迹图像信息采集工作模式和采集技术展开讨论,并对图像处理单元信息采集系统的数据处理与算法进行优化,提高了尾迹图像的监测范围,同时也大大改善了信号传输的速度,降低了外部带来的干扰。