基于PLC的船舶视频监控图像模糊细节增强系统

传统的图像模糊细节增强系统抗干扰性能差,对图像模糊细节的处理效果不佳,为此设计基于PLC的船舶视频监控图像模糊细节增强系统。该系统利用PLC替换传统系统中的控制器、继电器,减少传输途中、处理过程中的干扰数据量。结合Togle算子和Top-hat算子,锐化处理图像模糊轮廓;利用RGB计算通道像素,使用白平衡算法校正模糊图像纹理;设置交叉列阵,根据列阵记忆宽度二值化增强模糊细节,实现对系统软件的设计。实验测试表明,与传统模糊细节增强系统相比,基于PLC的增强系统峰值信噪比更高,对模糊细节的增强效果更好。     

高斯模糊下舰船图像自适应细节增强方法

高斯模糊下传统舰船图像自适应细节层次感会降低,图像细节刻画不明显,为此提出舰船图像自适应细节增强方法。设计自适应UM细节图像增强方法,确定自适应增益系数,对细节层次感进行区域规划,设计自适应拉低对比度区域增强机制,提升图像细节刻画能力;通过图像扩张对细节板块化颜色校正,保证呈现方式具备明显的色彩对比,对图像进行灰度计算,实现图像自适应细节增强。实验结果表明,设计方法能够增加图像自适应细节的层次感以及细节表现力。     

船载嵌入式网络视频监控图像模糊细节增强系统

船载嵌入式网络的普及应用,为船舶及其航行环境视频监控提供了有力支撑,为船舶航行决策制定提供了大量的图像数据。由于天气环境、设备振动等多种因素的影响,致使图像细节缺失,制约着视频监控图像的应用,提出船载嵌入式网络视频监控图像模糊细节增强系统设计。通过动态范围拉伸模式预处理视频监控图像,以此为基础,基于模糊集理论计算视频监控图像细节模糊熵,利用遗传算法确定最佳模糊参数,计算扩散系数,将其与视频监控图像模糊梯度场进行结合,应用变分法求解修正隶属度函数,通过逆变换将视频监控图像从模糊域转换到灰度域,即可获得细节增强后的船载嵌入式网络视频监控图像。实验数据显示,应用设计系统获得的增强视频监控图像信息熵最大值为9.45,充分证实了设计系统细节增强效果更佳。     

模糊增强的Canny算法在船舶红外图像分割中的应用

航运业快速发展,水上交通密度和船舶速度不断提高,对船舶运营和管理提出了更严格的要求。红外成像系统具有探测能力强、灵敏度高、隐蔽性好等优势,被广泛应用于船舶航行安全、船舶避碰、船舶管理等领域。本文研究船舶红外图像分割算法,提出基于模糊增强的Canny算法的船舶红外图像边缘提取算法。     

面向舰船监控的视频模糊可视化图像阴影精准设计及消除方法

为解决舰船监控图像存在模糊阴影面积过大的问题,提出面向舰船监控的视频模糊可视化图像阴影消除方法。通过估算监控场景深度关系的方式将原始的模糊图像复原,完成舰船监控视频的去雾处理;在此基础上,分割图像中的可视化节点,再按照阴影覆盖面积的数值水平计算精准消除参数,实现面向舰船监控的视频模糊可视化图像阴影消除。仿真实验结果表明,与K-means聚类算法相比,应用所提方法后,舰船监控图像模糊区域的边长值明显缩短,原始视频中模糊阴影面积过大的问题得到有效解决。     

舰船远程监控平台模糊视频高动态图像拼接研究

为提高船舶目标检测中图像拼接质量,本次针对传统拼接方法存在的问题:无法同时实现拼接图像画质以及结构相似度的双向目标,研究了一种新的舰船远程监控平台模糊视频高动态图像拼接方法。该方法主要分为三步骤,首先对待拼接的模糊视频高动态图像进行处理,包括图像去噪、图像分割、图像畸形矫正,然后在此基础上利用基于特征信息方法进行图像配准,主要包括图像特征提取、图像匹配等,最后采用直接平均算法实现图像融合,完成图像拼接。结果表明:与传统图像拼接方法相比,本方法操作下,图像峰值信噪比分别提高1.8 d B和2 d B,结构相似度分别提高10.8%和8.2%,证明了本方法的有效性和优越性。     

舰船网络视频图像无损压缩传输优化方法

针对舰船网络视频图像在无损压缩传输过程中受到无损压缩系数的影响,以缩短舰船网络视频图像的无损压缩传输延时为目的,提出了舰船网络视频图像无损压缩传输优化方法研究。采用彩色分块处理技术分块处理对舰船网络视频图像,提高舰船网络视频图像的传输速度,将舰船网络视频图像的无损压缩任务分配给其他节点,解决舰船网络视频图像在能量受限节点处的无损压缩传输能力的不足,提取了网络视频图像无损压缩传输准确性,通过舰船网络视频图像无损压缩传输优化流程设计,实现了舰船网络视频图像无损压缩的传输优化。实验测试结果表明,提出的舰船网络视频图像无损压缩传输优化方法当无损压缩系数为50%、舰船网络视频的大小为1 024×20时,舰船网络视频图像的无损压缩传输延时最短。     

船舶噪声视频图像的去噪锐化方法

传统视频图像降噪处理普遍采用小波滤波算法完成降噪计算,虽然像素通道内的噪声被有效去除,但是滤波过程中有效像素的损耗导致图像通道的收敛性降低,不利于后期图像的锐化处理。为了解决此问题,提出船舶噪声视频图像的去噪锐化方法。为了避免去噪过程中对正常像素的损伤,本文提出的方法采用拉氏去噪算子去噪算法,完成噪声像素点的去除计算。通过梯度锐化并行算法在去噪算法的基础上,完成对图像像素的锐化计算。对比实验表明,提出的去噪锐化方法比传统去噪锐化方法,提升图像整体去噪锐化效果好,实用性更强。     

船舶视频监控图像的多特征集成研究

传统视频监控图像多特征集成技术对舰船图像集成后清晰度较差,并伴随一定的图像阴影,为此提出船舶视频监控图像多特征集成技术。根据舰船图像的底层视觉特征进行图像自动标注,为特征提取提供定义数据,对图像进行序列选定,避免集成图像生成阴影;使用空间分布特性进行图像视觉特征表达,使用纹理特征方式实现船舶监控图像多特征集成。试验数据表明,设计的图像多特征集成技术能够完成船舶图像的高清特征集成。     

船舶三维图像绘制纹理细节增强方法研究

船舶结构件三维建模是船舶设计与开发过程中的关键环节。在概念设计阶段,为了提高船舶三维模型的逼真程度,往往需要采用三维渲染技术提升模型的外观特性。其中,纹理映射是一种应用较广、效果良好的三维渲染手段。本文介绍纹理映射技术的原理与发展现状,结合GPU图像处理技术进行舰船三维图像绘制纹理细节的增强方法研究。     

基于计算机网络的船舶视频图像模糊细节增强算法

为了提高船舶视频图像的质量,针对图像模糊问题,设计了基于计算机网络的船舶视频图像模糊细节增强算法。首先分析引起船舶视频图像模糊的因素,并提出采用无线传感器网络对船舶视频图像进行采集和传输,然后对船舶视频图像进行增强处理,丰富船舶视频图像细节信息,改善船舶视频图像视觉效果,最后实现了船舶视频图像模糊细节增强实验,结果表明,本文算法对船舶视频图像进行增强处理后,图像更加自然,并采用定量分析指标对船舶视频图像质量进行评价,获得比其他算法更优的船舶视频图像模糊细节增强效果。     

自适应直方图均衡处理下船舶视频监控图像去雾算法

由于现有船舶视频监控图像去雾算法没有物理模型的支持,会损失图像中部分信息,存在着去雾时间复杂度较高的问题,为此提出自适应直方图均衡处理下船舶视频监控图像去雾算法研究。估算图像透射率以及全局大气光强,将有雾图像转换为直方图,均衡化处理直方图灰度级,使像素点均匀分布在整个灰度级上,实现船舶视频监控图像的去雾。仿真对比测试结果表明:与现有代表算法相比较,提出算法滤波窗口尺寸合理性高、亮度系数小,表明提出算法的去雾时间复杂度低,适合大力推广使用。     

基于视频图像处理的舰船运行状态监测技术

传统的舰船运行状态监测技术响应时间长,不能实现实时监测,监测效果差。为了解决上述问题,研究一种新的舰船运行状态监测技术,引入视频图像处理技术,首先对舰船运行状态信息进行采集,然后通过提取的视频图像特征处理舰船运行状态信息,最后输出舰船运行状态信息结果。为检测该技术工作效果,与传统监测技术进行对比,结果表明,研究的监测技术响应时间短,效果好,具有广阔的市场应用空间。     

夜间低照度船舶监控视频图像均衡化增强方法

在夜间低照度环境下,传统船舶监控视频图像增强方法存在图像暗部及高光等区域识别异常的问题,导致对比度系数与照度参量调节均衡度异常,整体效果无法满足实际应用要求,因此根据夜间低照度环境特征,提出夜间低照度船舶监控视频图像均衡化增强方法。首先,对夜间低照度船舶监控视频图像对比度进行补偿;然后,对低照度图像的照度值进行判定,并完成图像高光区域的确认;最后,通过S曲线函数对低照度区域进行照度值的均衡调节。通过对比实验证明,提出方法能够显著改善低照度视频图像显示效果,实际应用效果更好。     

图像边界检测区域对比度模糊增强算法在轮廓提取中的运用

分析了图像边界检测的区域对比度模糊增强算法的特点,通过实验验证了该算法的正确性和可行性,并指出了算法的一些不足之处和待改进的地方,提出了一种适用轮廓提取的新广义算子。     

有效保留图像细节的自适应图像消噪方法

采用小波图像降噪方法容易去除图像的边缘细节特征,导致关键信息丢失,提出一种有效保留图像细节的自适应图像消噪方法。采用局部二值拟合方法对图像进行二值化处理,提取图像的边缘轮廓特征并进行多尺度分割,采用局部区域梯度模特征匹配方法调整邻域的大小,对图像进行全局分割,从而有效保留了图像的细节特征,在此基础上利用变尺度的小波降噪方法实现图像自适应降噪。仿真结果表明,采用该方法进行图像消噪能有效保留图像细节特征,图像消噪输出的峰值信噪比较高,说明图像质量较好,性能优越。     

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。