特征子空间抽取的大规模舰船遥感图像集检索研究

传统遥感图像集检索方法主要是通过图像单点像素特征匹配方式实现的,这样虽然可以实现图像信息的匹配,但是对于大规模图像集的检索效率较低,无法完成大规模遥感图像检索任务,因此研究一种基于特征子空间抽取的大规模舰船遥感图像集检索方法。首先利用特征子空间抽取方式对大规模遥感图像集特征空间的特征核进行分析;然后根据分析结果对图像特征空间进行自适应分解;接着将特征数据与检索信息进行融合,完成图像集的检索任务;最后通过实验证明了本文研究的检索方法的有效性。     

基于遥感图像的舰船目标定位研究

针对在海面上对舰船目标定位受距离限制而导致定位精度差的问题,研究遥感图像的舰船目标定位方法。利用Self-Snake模型在不损耗图像边缘信息的前提下对图像滤波,并进行边缘映射。将边缘映射的梯度作为旋转矩形检测时的特征,检测遥感图像中的舰船目标。根据特征匹配的原理对检测出的目标进行匹配,进一步确定目标所在矩形框位置,完成对遥感图像的舰船目标定位研究。设计与传统定位方法的对比实验,证明了研究的遥感图像舰船目标定位方法的定位重叠度更接近于1,即相比传统方法,本文的定位方法性能更优越。     

基于遥感图像的舰船运行信息提取方法

舰船运行过程体系复杂,通过对舰船运行信息提取,实现对舰船的实时状态监测,提出基于遥感图像的舰船运行信息提取方法。采用遥感探测方法进行舰船运行的图像采集,对采集的舰船遥感图像进行级联小波降噪处理,采用模板匹配方法进行舰船运行遥感图像的分块融合,实现运行状态特征量的图像反馈识别。根据对遥感图像的边缘轮廓检测结果进行舰船运行状态的实时监测和信息提取,提高舰船运行状态的可视化量化分析能力。仿真结果表明,采用该方法进行舰船运行信息提取能准确检测到舰船的运行特征信息,输出图像的信噪比较高,舰船运行状态的视觉监测性能较好。     

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。     

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。     

基于全景视觉的舰船图像局部特征点检测

传统舰船图像局部特征点检测方法,存在特征点稳定度低、局部图像特征噪点多等弊端。为解决上述问题,引入全景视觉理论,建立基于全景视觉的舰船图像局部特征点检测方法。通过复合式全景视觉架构搭建、双目参量标准2个步骤,完成全景视觉检测环境的搭建。通过舰船图像局部特征点稳定度的确定、重复读和匹配度的确定、特征为数分析3个步骤,完成基于全景视觉舰船图像局部特征点检测方法的搭建。设计对比实验结果表明,新型检测方法与传统方法相比,显著提升特征点稳定度,减少局部图像特征噪点数量。     

全景视觉舰船图像局部特征点检测

针对传统的舰船图像局部特征点检测技术在检测特征点时,因重复抓取造成检测结果中噪点比例过高,影响有效信息读取的问题,因此设计全景视觉舰船图像局部特征点检测技术。在对舰船图像预处理后,计算稳定度和匹配度2个舰船图像局部特征点的检测参数。将计算得到的检测参数作为高斯金字塔的参数,使用高斯尺度空间法检测舰船图像特征点,完成全景视觉舰船局部特征点检测技术的设计。设计与传统的舰船图像局部特征点检测技术的对比实验,结果表明全景视觉舰船局部特征点检测技术能够有效减少特征点检测后的噪点数,检测效果更佳。     

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。     

SIFT算法研究及在目标识别中的应用

随着卫星技术的快速发展,遥感成像的清晰度在不断提高,海上舰船成像分辨率的增大为利用舰船的局部特征进行识别奠定了基础。本文研究SIFT特征提取算法的原理及应用,并对经典SIFT匹配算法进行介绍。针对经典匹配算法在进行SIFT特征匹配时的问题,通过计算图像尺度比的近似值用以改变图像的初始尺度,重新提取特征点,并进行二次特征匹配。最后,通过实验仿真证明,本文算法能有效提取高分辨率舰船卫星图像的稳定特征点,提高匹配算法的性能。     

双目视觉下多尺度舰船图像轮廓特征点提取算法

为清晰分辨船舶航行图像的边缘特征信息,提出双目视觉原理下的多尺度舰船图像轮廓特征点提取算法。依照图像信息的测距处理方案,匹配必要的视觉性像素,完成基于双目视觉的舰船图像特征点标注处置。在此基础上,根据多尺度成像坐标原理,判定舰船图像的灰度信息,再通过计算轮廓特征系数的方式,实现双目视觉下多尺度舰船图像轮廓特征点提取算法的应用。对比实验结果表明,与SIFT算法相比,应用新型特征点提取算法后,QDI系数指标出现明显提升的变化趋势,船舶航行图像的边缘特征信息得到清晰化分辨。     

基于遥感图像的舰船目标检测及特征提取技术

首先运用OSTU算法对舰船目标图像的陆域和海域空间分离,进而提出一种基于云干扰背景的高斯分布混合统计模型进行虚假目标的过滤。在实现舰船目标(ROI)检测的基础上,又根据舰船图像的特征提取形态特征和尾迹特征等,精确实现对舰船目标鉴别。数据表明,通过以上步骤的技术处理,能够很好地实现对遥感图像的舰船目标进行虚假过滤和快速的舰船特征提取。     

复杂光照条件下舰船遥感图像特征匹配模型构建

传统的特征匹配模型存在实际匹配时误匹配消除数量过小,导致特征点正确匹配数量过少的问题,针对这一不足,构建一种复杂光照条件下舰船遥感图像特征模型。首先提取复杂光照条件下遥感图像的稳定特征点,排序稳定的匹配特征点,设置一个匹配窗函数为整个匹配区域提供匹配兴趣值,消除误匹配,完成特征模型的构建。构建仿真实验环境,测定在50个投票值数量下,传统匹配模型与构建的匹配模型的正确匹配特征点数量,结果表明:文中构建的匹配模型得到的正确匹配数量为48,正确匹配数量更多。     

云计算环境下模糊舰船图像局部特征提取方法研究

为弥补SIFT算法在匹配精度上存在的不足,设计云计算环境下的模糊舰船图像局部特征提取方法。在云计算服务框架中,实现矢量描述子的分类操作,完成云计算环境下的舰船图像节点匹配处理。在此基础上,按照舰船图像的局部特征构造需求,建立模糊图像的稀疏数据库,再根据必要特征提取量的计算结果,实现新型模糊舰船图像局部特征提取方法的顺利应用。对比实验结果表明,与SIFT算法相比,应用新型局部特征提取方法后,舰船图像模糊匹配精度最大值接近75%,传统提取遗留问题得到妥善解决。     

舰船通信网络的数据状态识别方法

传统数据状态识别方法降噪效果不佳,导致离散点匹配出错,影响数据状态识别效果,因此提出全新的舰船通信网络的数据状态识别方法。通过转换噪声信号的时域和频域特征,处理通信网络空间噪声;利用离群点检测模型,匹配网络通信数据;获取识别任务关键因素,识别舰船通信网络的数据状态。实验结果:与传统方法相比,所提出方法的离散点匹配结果更准确,同时该方法可以正确识别出通信网络中的数据状态。     

高精度舰船图像拼接算法研究

为了解决当前图像拼接重叠区域多的问题,提出高精度的舰船图像拼接算法研究。在图像拼接之前,需先提取图像特征,采用Harris角点局部特征检测算法,在尺度空间寻找位置、尺度和变量特征,以此设计尺度空间极值点检测流程,避免外界噪声干扰。根据每个关键点特征计算图像尺度变化比例、图像旋转角度和不同图像间平移距离,确定不同图像特征点位置关系,以此实现图像参数自动辨识。采用surf角点检测算子检测图像重叠区域角点,在允许尺度空间多层图像处理下,无需对图像进行二次抽样处理。通过构建Hessian矩阵判别式,判断特征点是否为极点,利用二阶标准高斯函数,判别特征点。利用相应波为信息计算偏航角,确定变换参数,完成图像拼接。由实验结果可知,该算法图像拼接重叠区域较少,拼接精准度较高,为舰船稳定运行奠定基础。     

基于VR技术的舰船航行环境快速重构研究

由于点云数据匹配数量不足,导致重构的三维图像与实际图像之间存在较大位置误差。针对上述问题,进行基于VR技术的舰船航行环境快速重构研究。研究以VR技术为依托,利用VR技术中的核心计算机完成4个步骤。首先对前端VR成像设备采集到的二维点云图像进行预处理,包括点云去噪和精简;然后进行摄像机标定,确定摄像机数学模型,从而得出三维空间中物体的几何信息;再以得到的几何信息为基础,进行点云特征点检测与点云匹配;最后利用VR技术中的VTK软件实现自动重构。结果表明,与2种传统重构方法相比,本方法应用后,点云匹配数量更多,重构的三维图像与实际图像之间的位置误差更小,证明了本方法的重构性能。     

多波段舰船图像目标局部特征识别方法

针对传统的多波段舰船图像局部特征识别方法存在的识别速度慢的缺点,提出一种多波段舰船图像目标局部特征识别方法。通过检测关键点和特征匹配,提取多波段舰船图像目标的局部特征;利用多分类器组合,通过线性分类器和非线性分类器对局部特征开展训练和识别。通过对比实验,与传统的多波段舰船图像局部特征识别方法作比较。实验结果表明,提出的多波段舰船图像局部特征识别方法具有更快的识别速度。     

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。     

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。     

基于大数据理论的舰船图像分类

当前舰船图像以海量的形式存在,传统分类算法的工作时间长、舰船图像分类的实时性差,为了快速、高精度的实现舰船图像分类,设计了基于大数据理论的舰船图像分类算法。首先对舰船图像分类的研究现状进行分析,采集舰船图像,建立舰船图像分类的特征库,然后对待分类舰船图像,采用大数据理论和机器学习算法进行特征匹配,将舰船图像分类相应的类别中,最后进行舰船图像分类的模拟测试。结果表明,本文算法可以短时间内实现舰船图像分类,舰船图像分类的误差远远小于实际应用的控制范围,而且舰船图像分类的整体效果要优于传统的舰船图像分类算法。