Grabcut算法在无人机影像船舶目标识别的应用

近年来,基于无人机的海上探测与侦察技术获得了迅速发展,利用无人机进行海上船舶目标的识别已经成为一项热点研究,基于图像的目标识别也是其中的重点和难点。传统的图像分割包括边缘检测、聚类分割等,本文结合Grabcut算法和卷积神经网络技术,开发一种新型船舶影响目标识别技术,在提高图像目标识别效率的基础上也提高了目标识别的精度,具有实际应用价值。     

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。     

基于支持向量机的高分辨率遥感影像的舰船目标识别研究

舰船目标识别技术是海上监测和作战的关键技术,能否快速而准确对海上目标进行识别,关系到海上作战的胜负。近年来,基于计算机图像识别和处理的舰船目标识别技术发展迅速,SAR图像处理技术在海洋遥感探测领域获得了广泛的应用。随着遥感技术的发展,海上舰船的遥感图像分辨率越来越高,相应的数据含量也呈指数式增加。因此,研究高分辨遥感图像的舰船目标识别技术具有重要意义。本文主要针对基于支持向量机的高分辨率遥感影像,对舰船目标识别过程的图像分割技术、目标检测算法和样本采集等进行详细介绍和研究,该研究提高了舰船目标识别技术的准确性和可靠性,具有重要的实际应用价值。     

数据挖掘在无人船舶目标图像识别中的应用

为了缩短无人船舶目标图像的识别时间,提高目标图像的质量,提出了数据挖掘在无人船舶目标图像识别中的应用。利用数据挖掘技术确定无人船舶目标图像的阈值,根据目标图像的阈值误差分割了目标图像,采用图像边缘点提取公式将图像边缘点连接成线,提取出目标图像的外轮廓,完成无人船舶目标图像的预处理;通过目标图像识别算法的改进设计,得到了目标图像的识别流程,实现了数据挖掘在无人船舶目标图像的识别中的应用研究。仿真实验结果表明,数据挖掘在无人船舶目标图像识别方法与基于航拍技术的目标图像识别方法相比,目标图像的识别时间缩短了35.1%。     

基于声呐图像处理的船用水下目标识别技术研究

水下目标自动识别技术不论在军事领域还是商业领域都具有广泛的应用,具体包括水下军事目标的监测、渔业资源勘测、海底地形勘探等。声呐信号处理是船舶水下目标探测的关键环节,可以分为声呐系统回声信号处理和声呐图像处理2种,本文主要研究的是声呐图像处理类型。本文充分利用基于小波变换的图像滤波技术、图像分割技术、特征提取技术等,改善了船用水下目标识别技术的工作效率和工作精度。     

噪化图像的形态学分割方法

对严重噪化的图像，提出一个形态学分割方法，先通过灰度骨架变换方法和最大内接块的概念将图像中的颗粒噪声，目标表面及有噪背景分离开，移去变化背景及颗粒噪声，使图像得以增强，为了成功地识别和分离不需要的成分，用灰度形态开形成一个尺寸鉴定算法，最后在增强图像上应用全局阀值化从背景中获得目标。     

火灾视频探测中火焰识别算法研究

为将火焰与大部分干扰源加以区别,对火灾视频探测技术中的火焰识别算法进行研究.针对经过目标分割后的图像,提取图像的面积变化、圆形度、边缘尖角等特征,再经过计算,将满足火焰特征的目标判别为火焰.经过测试,所采用的火焰识别算法可以准确识别火焰的存在,并能有效区分干扰源.     

连续干扰下船舶障碍物自动识别技术

针对传统识别技术依靠人工完成而导致识别精准度低的问题,提出了连续干扰下船舶障碍物自动识别技术研究。使用激光雷达设备获取实时采集图像数据,并对其处理,根据处理流程,分析船舶障碍物几何特征。使用自适应滤波滤除图像中噪点,分割目标亮度区域和背景噪声区域,滤除背景噪声,构建自适应滤波模型。在分割自适应滤波图像基础上,将信息转换为数据形式,使用栅格化处理方式,将网格划分为有障碍点网格和无障碍点网格,由此设计识别流程。引入障碍物不确定速度障碍区域,设计避障方案。通过实验结果可知,该技术与实际信号幅度最大误差为0.05 dB,可忽略不计,且最高识别精准度为0.97,具有精准识别效果。     

基于分形理论和二次分割的图像裂缝特征提取方法与应用

在役跨海桥梁、港口工程等的服役环境恶劣，多数情况下采集到的裂缝图像背景复杂、噪声干扰较多。为了克服现有技术存在的不足，提出一种基于分形理论和二次分割的图像裂缝特征提取方法。该方法采用分形参数作为裂缝图像的特征参数，能优先抑制裂缝图像中产生干扰过多的问题，有效克服灰度不均匀、噪声块多和背景复杂的干扰因素，同时基于二次分割理论，结合两种不同的算法特点，利用粗分割排除干扰区域，利用细分割对目标区域内裂缝精准分割，实现混凝土结构裂缝目标准确有效的提取，具有更好的分割效果。     

车牌字符自动识别技术分析

本文阐述了从复杂背景中分离出车牌照图像,经过图像预处理及有效的车牌照区域定位算法进行车牌分割,通过最新的数字图像处理和识别技术对车牌字符分割与识别,分析了实现车牌自动识别的多种方法。     

C3I系统中基于颜色特征的战场图像快速检索

针对C^3I系统中战场目标图像的检索问题，给出一种基于颜色特征内容的检索方法。对于战场图像采用FISI颜色模型，计算H分量的颜色直方图，通过直方图匹配，计算直方图的相似距离，进而检索出相似图像。通过一个简单的基于颜色特征的战场图像检索原型表明上述方法切实有效。     

LFM-Costas编码信号在水下目标识别中的应用

在水声对抗中,为了有效对抗假目标和准确判别目标尺度,提出了一种具有较高时-频联合分辨力和抗混响能力的LFM-Costas编码信号形式。并在浅海混响信道模型和目标多亮点模型基础上研究了LFM-Costas编码信号的目标尺度判别性能。通过仿真和海上试验,表明LFM-Costas编码信号在混响背景下能准确判别目标尺度,具有一定的工程应用价值。     

一种基于纹理特征的战场目标图像挖掘方法

指挥信息系统中一种基于纹理特征的战场目标图像挖掘方法。该方法首先采用灰度共生矩阵模型,计算战场目标图像纹理特征,通过纹理匹配,计算纹理的相似距离,进而挖掘出相关图像。利用该方法编程实现了一个的基于纹理特征的战场图像挖掘原型系统,且有效可行。     

Parzen窗估计在潜艇目标强度统计建模的应用

研究潜艇目标强度的统计特性对水中兵器的仿真和试验分析具有重要意义.本文针对直方图统计模型的精度受区间划分影响较大,提出将Parzen窗估计方法用于潜艇目标强度的统计建模,建立潜艇典型舷角下的目标强度分布模型,并对统计特性进行分析.对Benchmark潜艇模型进行仿真计算,结果表明,采用Parzen窗估计法建立的潜艇目标强度统计模型符合潜艇的物理结构特性,能够更加准确和有效地对潜艇目标强度的统计特性进行预报.     

基于光流和水平集模型的运动目标自动跟踪方法

在分析直升机在天空飞行序列图像特点的基础上，提出了基于光流和水平集模型的运动目标自动跟踪方法。该方法通过对图像进行高通滤波预处理，获得运动目标的特征图像，用特征图像来求解运动目标的光流，用光流对运动区域进行分割，获得运动区域的中心和半径，以该中心和半径的圆作为初始水平集曲线，以光流速度作为曲线演化的外力修改Chan and Vese模型，用改进后的模型对图像进行分割。实验证明，用本文方法能够快速、准确地自动跟踪运动目标。     

基于光流和水平集模型的运动目标自动跟踪方法

在分析直升机在天空飞行序列图像特点的基础上,提出了基于光流和水平集模型的运动目标自动跟踪方法。该方法通过对图像进行高通滤波预处理,获得运动目标的特征图像,用特征图像来求解运动目标的光流,用光流对运动区域进行分割,获得运动区域的中心和半径,以该中心和半径的圆作为初始水平集曲线,以光流速度作为曲线演化的外力修改Chan and Vese模型,用改进后的模型对图像进行分割。实验证明,用本文方法能够快速、准确地自动跟踪运动目标。     

Classification of underwater target echoes based on auditory perception characteristics

In underwater target detection, the bottom reverberation has some of the same properties as the target echo, which has a great impact on the performance. It is essential to study the difference between target echo and reverberation. In this paper, based on the unique advantage of human listening ability on objects distinction, the Gammatone filter is taken as the auditory model. In addition, time-frequency perception features and auditory spectral features are extracted for active sonar target echo and bottom reverberation separation. The features of the experimental data have good concentration characteristics in the same class and have a large amount of differences between different classes, which shows that this method can effectively distinguish between the target echo and reverberation.     

基于听觉感知特征的水下目标回波分类(英文)

In underwater target detection, the bottom reverberation has some of the same properties as the target echo, which has a great impact on the performance. It is essential to study the difference between target echo and reverberation. In this paper based on the unique advantage of human listening ability on objects distinction, the Gammatone filter is taken as the auditory model. In addition, time-frequency perception features and auditory spectra features are extracted for active sonar target echo and bottom reverberation separation. The features of the experimental data have good concentration characteristics in the same class and have a large amount of differences between different classes, which shows that this method can effectively distinguish between the target echo and reverberation.     

Segmentation of complex objects'' sonar images using parameter-fixed MRF model

The effective method of the recognition of underwater complex objects in sonar image is to segment sonar image into target, shadow and sea-bottom reverberation regions and then extract the edge of the object. Because of the time-varying and space-varying characters of underwater acoustics environment, the sonar images have poor quality and serious speckle noise, so traditional image segmentation is unable to achieve precise segmentation. In the paper, the image segmentation process based on MRF (Markov random field) model is studied, and a practical method of estimating model parameters is proposed. Through analyzing the impact of chosen model parameters, a sonar imagery segmentation algorithm based on fixed parameters' MRF model is proposed. Both of the segmentation effect and the low computing load are gained. By applying the algorithm to the synthesized texture image and actual side-scan sonar image, the algorithm can be achieved with precise segmentation result.     

淤泥质海底航道边坡失稳程度评估与预测

淤泥质海底航道边坡稳定性对于航道安全运行至关重要。由于航道边坡失稳滑塌具有不确定性,无法对其失稳程度进行预测评估,严重影响过往船只安全和航道管理维护。基于工程试验模拟的方式获取航道边坡失稳滑塌全周期声纹图像,通过分析声纹图像能量变化将其失稳过程划分为:非常稳定、稳定、不稳定、极不稳定、滑塌5个阶段。基于Gabor变换提取各阶段声纹图像特征,利用离散余弦变换进行特征降维,将降维后的声纹图像特征输入Fisher函数中构建失稳程度评估预测模型。结果表明:将待评估声纹图像样本特征输入到预测模型中,识别正确率达到90%。因此,基于Gabor特征构建Fisher模型进行淤泥质海底航道边坡失稳程度评估预测是可行的,对研究航道边坡稳定性具有重要意义。