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。     

基于视觉传达优化的低清晰度船舶图像复原研究

针对图像复原易出现复原图像颜色视觉特征失真问题,提出基于视觉传达优化的低清晰度船舶图像复原方法。该方法通过帧扫描方法,提取低清晰度船舶图像视觉传达信息的像素二维特征;使用基于最大后验概率的高分辨率船舶图像重组方法,将所提取低清晰度船舶图像视觉传达信息的像素二维特征,进行高分辨率特征重组,并引入基于视觉颜色模型的视觉传达效果优化复原方法,优化高分辨率特征重组后复原图像的颜色视觉传达效果。实验数据验证：该方法对低清晰度海域通行船舶监控图像复原处理后,图像视觉传达效果得到明显提升,且复原后船舶图像峰值信噪比、结构相似性指数接近1,图像特征失真小;复原后图像颜色特征显著性指数最大值达1.0,颜色特征细节显著性得以改善。     

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。     

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。     

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。     

基于视觉传达技术的低分辨率舰船图像优化

现有图像优化方法存在噪声校正模型不完善的问题,导致优化方法覆盖率较低,设计一种基于视觉传达技术的低分辨率舰船图像优化方法。通过拟合尺度函数,检测低分辨率舰船图像关键点,构建非均匀噪声校正模型,抑制图像的突变灰度,利用视觉传达技术设置优化模式,判断图像像素的边界融合程度。实验结果:此次设计的图像优化方法覆盖率均值为93.28%,另外2种优化方法的覆盖率均值分别为:89.36%、88.54%,证明融合了视觉传达技术的图像优化方法使用价值更高。     

串行视觉通信下舰船失真图像颜色校正方法分析

以提升串行视觉通信下的舰船图像质量为目标,研究串行视觉通信下舰船失真图像颜色校正方法。采用多线程通信技术,通过写线程、读线程以及监测线程的多线程合作,完成舰船图像的串行视觉通信。依据自适应颜色阈值,划分待传输的舰船失真图像为多个层次,针对各层次的舰船图像设置不同尺度的细节函数,依据细节函数提取舰船失真图像的颜色特征信息。依据所提取的颜色特征,划分舰船失真图像的亮区域与暗区域。利用统计特征匹配方法以及直方图匹配方法,分别完成亮区域与暗区域的颜色校正,合成完成颜色校正的暗区域与亮区域,获取舰船失真图像颜色校正结果。实验结果表明,该方法有效校正串行视觉通信下的舰船失真图像颜色,舰船失真图像的色度、饱和度、亮度改善效果明显。     

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。     

基于机器视觉技术的舰船行驶轨迹自动检测算法

由于传统的舰船行驶轨迹自动检测得到的目标图像局部视觉对比度低,弱小目标占据像素少,导致检测结果精度下降,无法为相关技术人员提供有效的参考价值,为此提出基于机器视觉技术的舰船行驶轨迹自动检测算法研究。利用所采集图像帧与帧之间的关联性,采集其灰度变化情况,获取有效信息,提取灰度矩阵特征,选择目标层次中的相邻帧,获得短时轨迹,计算得出灰度坐标,使所得轨迹光滑连续,分析单帧检测结果,完成基于机器视觉技术的舰船行驶轨迹自动检测算法研究。设计对照实验,验证所提出算法的应用效果,实验结果表明,在应用机器视觉技术后,检测得到的图像局部视觉对比度有着显著提高,能够证实所提出算法的行驶轨迹检测性能优于传统算法。     

基于改进视觉注意模型的舰船目标图像识别算法

以往使用基于局部Radon变换识别方法、基于SAR光学遥感图像识别方法受到复杂背景影响,使图像识别结果存在较多噪点和杂色,导致识别精准度较低,针对该问题,提出了基于改进视觉注意模型的舰船目标图像识别算法设计。构建改进视觉注意模型,初始分割阈值,采用中心周边算子,避免图像识别出现噪点。考虑双敌色效应,计算不同图像中心周边差异,避免图像识别出现杂色,提取舰船目标图像特征,再次阈值分割,识别出舰船目标图像。由实验结果可知,该算法识别效果好,最高识别效果为0.97,具有精准识别效果。     

基于智能图像视觉的船舱内部监控与识别

为了提高对舰船船舱内部监控管理能力,提出一种基于智能图像视觉的船舱内部监控识别方法。采用计算机视觉特征信息采集方法进行船舱内部图像原始信息采集,对采集的图像进行小波降噪处理,采用Harris角点检测方法进行船舱内部关键部位点的准确标定,结合图像子块连续遍历方法实现船舱内部异常像素特征搜索提取,实现船舱内部的智能视觉监控识别。仿真结果表明,采用该方法进行船舱内部监控,输出视觉图像的成像质量较好,对关键信息点的标定结果准确,对船舱内部异常像素的检索能力较强,具有较好的应用价值。     

基于视觉传达的舰船遥感图像复原研究

为可靠完成图像退化处理,提升图像视觉质量,提出基于视觉传达的舰船遥感图像复原方法。该方法采用多项式校正方法获取控制点舰船图像坐标和坐标变换结果,依据变换关系校正舰船遥感图像的几何畸变;通过傅里叶变换方法变换校正后图像,将其变换至频率域内,在该域中分析舰船遥感图像退化过程后,采用超复数频域变换模型实现舰船遥感图像复原,获取复原后图像结果。测试结果表明：能够有效完成图像几何畸变校正,校正后图像对应坐标位置精准性显著提升;空间频率结果均在0.92以上;复原后图像的颜色、目标和背景的对比度等均显著提升,满足人眼视觉标准。     

基于遥感图像的舰船毁伤效果评估方法研究

提出了一种基于遥感图像变化检测的舰船毁伤效果评估方法,主要包括图像预处理、舰船检测、毁伤前后目标区域提取、特征提取和分级评估五个部分。研究了目标区域提取和变化特征选取等问题,提取几何特征与纹理特征进行分级评估。基于视景仿真技术进行了舰船毁伤效果模拟,采用模拟的图像进行毁伤效果评估仿真实验。实验结果表明,该方法能有效地实现对海上舰船目标的毁伤效果评估。     

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。     

基于视觉传达技术的船体颜色模型

现有模型存在后续图像处理性能较差的问题,因此将视觉传达技术应用于船体颜色模型的设计中,设计了一种视觉传达技术的舰船船体颜色模型。对舰船船体设计图像进行图像分割,也就是将舰船船体设计图像划分成不同颜色的区域,便于计算机判断其图像颜色信息,提供设计船体颜色模型的依据。对实施图像分割后的船体设计图像进行预处理,具体步骤包括滤波处理、形态学处理、连通区域处理。基于视觉传达技术构建船体颜色模型。通过进行图像处理速率与图像转换速率的后续图像处理性能对比实验,证明该模型拥有更好的后续图像处理性能,有很大的实用意义。     

基于视觉传达技术的红外舰船图像多级融合方法

针对多光谱红外舰船图像质量差影响应用性的问题,提出基于视觉传达技术的红外舰船图像多级融合方法。利用多光谱红外热成像仪采集舰船图像数据,对红外舰船图像实施中值滤波处理,增强图像的视觉传达效果。通过非下采样变换方法,将红外舰船图像划分为高频方向子带与低频子带。依据高频子带融合方法和低频子带融合方法,分别融合红外舰船图像的高频方向子带与低频子带。对融合后的高频方向子带与低频子带实施非下采样逆变换处理,获取红外舰船图像的多级融合结果。实验结果表明,该方法可以实现不同光谱频段红外舰船图像的多级融合,融合后图像的互信息量、边缘信息保留量均高于0.7,有效提升红外舰船图像的应用性。     

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。     

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。     

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。     

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。