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。     

基于视觉传达的模糊舰船图像优化

以提升模糊舰船图像视觉传达效果,获取更多的舰船图像内部信息为目的,研究基于视觉传达的模糊舰船图像优化方法。采用基于视觉传达的模糊舰船图像去模糊处理方法,根据模糊舰船图像模型,分别确定彩色模糊舰船图像3个RGB色彩通道的模糊核,并将确定的模糊核应用到基于细稀疏表示的去模糊模型中,对舰船图像去模糊处理。依照人类视觉对色彩度的具体感知水平,采用六角椎体模型对去模糊化后的舰船图像进行视觉传达效果优化,重建去模糊后舰船图像颜色模型空间内的明度参数。实验结果显示,所研究方法能够有效实现舰船图像去模糊处理,处理后图像与清晰舰船图像相比结构相似度均达到0.89以上,信息熵值均在9.1以上。     

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。     

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。     

雾天环境下的舰船图像增强算法研究

为了提高雾天环境下的舰船图像质量,提出一种形态滤波算法和小波变换的雾天环境下舰船图像增强算法。首先采集雾天环境下的舰船图像,并对图像进行形态滤波操作,去掉舰船图像中的噪声,将舰船图像的重要信息保留下来,然后采用小波变换对2幅舰船图像分别进行分解,并对它们进行融合和增强,消除雾天环境对舰船图像的干扰,得到更加清晰的舰船图像,最后与其他算法进行舰船图像增强仿真实验,仿真实验表明本文算法的舰船图像信噪比要高于对比算法,可以对雾天环境中的不利因素进行有效的抑制,得到的舰船图像的视觉效果十分理想,解决了当前雾天环境下舰船图像增强中的难题。     

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。     

基于模糊聚类与灰色关联的舰船装备技术状态评估方法

针对舰船装备维修管理中的技术状态评估需求,给出等效装备概念,构建基于模糊聚类分析的等效装备模型,并结合灰色关联评估理论,提出一种基于模糊聚类与灰色关联的舰船装备技术状态评估新方法,细化了相应的算法流程及实施步骤,从而解决舰船装备维修前后技术状态的分类与辨识问题。大量实例应用分析表明:该方法具备较好的实用性,在实际舰船装备维修工程及其信息管理系统中具有很好的推广应用前景。     

基于模糊层次数值型数据库发现一般化模糊关联规则

关联规则发现是数据挖掘研究领域中的重要内容之一,而以自然语言描述的模糊关联规则更符合人类的思维方式,在决策中占据重要作用。基于属性间通常还存着更高层次的抽象,即呈现出层次结构尤其是模糊层次结构这一事实,通过把经典的模糊理论与关联规则发现算法相结合,提出了在模糊层次结构下从数值型数据库中挖掘一般化模糊关联规则的相应算法。     

基于改进粒子群算法的散焦舰船图像模糊参数估计

针对散焦舰船图像模糊问题,采用传统参数估计方法受到噪声影响,导致估计误差较大,为了避免该问题,提出改进粒子群算法。分析散焦舰船模糊图像退化模型,得到退化后图像计算公式。根据该公式初始化粒子群,通过跟踪极值来判断最新位置,并对运行速度进行控制。采用改进后的例子算法构建半径为r的圆,并分析圆弧形状和散焦频谱特征,通过计算幅值可得到散焦模糊参数的估计。由实验结果可知,该方法最高估计精准度可达到0.985 2,具有较强抗噪性能。     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合，提出一种求解多传感器多目标跟踪数据关联问题的方法。该方法的目的是实现多传感器观测数据的模糊聚类，使源于不同目标的观测数据能正确划分到该目标中去。仿真结果表明，该算法可以实现数据与目标的正确关联，克服传统硬判断的一些缺点。     

模糊关联规则在西甲联赛中的运用

针对数据挖掘中的“尖锐边界”问题,阐述了模糊关联规则挖掘技术,提出了在模糊关联规则的挖掘中将事务属性模糊集中的元素作为单一属性来处理的方法,给出了模糊关联规则挖掘的算法。最后以西班牙足球甲级联赛分析为例,描述了模糊关联规则挖掘的具体应用。     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合,提出一种求解多传感器多目标跟踪数据关联问题的方法.该方法的目的是实现多传感器观测数据的模糊聚类,使源于不同目标的观测数据能正确划分到该目标中去.仿真结果表明,该算法可以实现数据与目标的正确关联,克服传统硬判断的一些缺点.     

多尺度特征提取的复杂舰船图像分割研究

图像分割质量直接关系到后续图像识别的准确性和运算量。为实现舰船图像高质量、高效率分割,研究一种基于多尺度特征提取的复杂舰船图像分割方法。该方法针对复杂舰船图像实施灰度化、滤波2种预处理。利用直方图均衡化法提高图像对比度,更加突出目标特征。通过高斯金字塔对图像实施多尺度分解,并提取每一级尺度图像的4种特征,归一化处理后得到特征矢量。利用均值漂移算法实现过分割,利用图论方法实现再分割,完成分割方法研究。结果表明：与阈值法、区域法和边缘法相比,本文方法应用下,Dice相似系数更大,分割重叠误差更小,说明本文方法分割性能更高,实现更为精确化和详细化的图像分割。     

关联数据分析的船舶航行图像目标检测系统

海上目标检测技术被广泛应用于军事领域的敌船监测、目标侦察等场景,提高海上航行图像的目标检测质量有重要意义。本文的核心是基于关联数据分析技术,对船舶航行图像进行分析和处理。采用一种灰色关联算法,分别针对船舶航行图像的海陆分离、图像平滑处理、图像增强等步骤进行详细介绍,通过软件和硬件开发,搭建了基于Windows 10平台的船舶航行图像目标检测系统,有一定的实际应用价值。     

模糊关联挖掘算法在船舶操纵运动模型中的应用

首先将获取到的连续数据运用模糊C均值聚类算法离散化;然后将离散化的数据进行模糊关联挖掘;最后利用船舶中Z型实验时间序列验证船舶操纵模型的可靠性。实验结果表明,在存在环境干扰的情况下,预测航向偏差曲线更平滑,更能反映船舶操纵运动情况。     

舰船总体布置方案多目标模糊决策

应用模糊数学理论，通过对总体布置方案的决策村分析，建立了舰艇总布置方案多目标模糊决策的数学模型，提出了权系数的确定方法，并进行了实例计算。