改进神经网络的船舶红外图像边缘检测方法

研究改进神经网络的船舶红外图像边缘检测方法,提升边缘检测抗噪声干扰能力。采用块匹配的主成分分析方法对船舶红外图像实施去噪处理后,经梯度算子将降噪后船舶红外图像转换为二值图像;以BP神经网络为基础,通过附加动量法-自适应学习速率调整BP神经网络权值,提高网络训练鲁棒性;将转换后舰船二值图像作为改进神经网络的输入,在实施网络训练后得出输出值,依据输出值和设置阈值的对比结果,获取船舶红外图像边缘点,实现船舶红外图像边缘检测。实验结果表明：该方法降噪后船舶红外图像的PSNR值全部高于40 dB,降噪效果较好;可有效提取船舶红外图像边缘特征且边缘检测结果清晰、连贯,能够达到船舶红外图像边缘检测标准。     

船舶视觉系统目标图像边缘检测方法

船舶视觉系统是船舶航行的重要辅助部分,视觉系统的工作效果很大程度上取决于边缘检测方法的准确性。常见的图像边缘检测方法通过像素梯度变化检测目标边缘,在对复杂图像处理时容易受到噪声干扰,导致检测精度和效率较低。为解决上述问题,提出船舶视觉系统目标图像边缘检测方法。对图像进行背景区域与目标区域的划分,提取目标所在区域。选择图像边缘的Harr和HOG特征后,利用蚁群算法检测图像边缘。对比仿真实验结果表明,研究的边缘检测方法检测准确率均高于85%,并且检测效率均高于对比方法,具有明显的应用优势。     

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%。     

强风浪下基于遥感图像的海上船舶定位方法

为了提高海上船舶的强风浪下定位性能,提出基于遥感图像特征提取的强风浪下海上船舶定位方法。采用遥感探测方法进行船舶图像采集,对采集的强风浪下海上船舶遥感图像进行降噪处理,采用多尺度小波分解方法进行船舶遥感图像的块分割,实现对船舶遥感图像的边缘轮廓特征提取,根据船舶遥感图像的边缘轮廓特征进行海上船舶跟踪定位,实现强风浪下海上船舶遥感图像的融合跟踪和定位识别。仿真结果表明,采用该方法进行海上船舶定位的准确度较高,输出图像的质量较好,提高了船舶定位识别的鲁棒性。     

基于视觉传达技术的船舶图像中弱小目标检测方法

为及时发现和跟踪小型渔船、救生艇等弱小目标,提高海上救援和应急响应的效率和准确性,研究基于视觉传达技术的船舶图像中弱小目标检测方法。通过中值滤波算法去除船舶图像中的噪声,改善船舶图像质量,将去噪后的船舶图像应用于基于门限直方图均衡的船舶图像增强方法中,在该方法处理下,增强船舶图像对比度;之后利用视觉传达技术,对船舶图像中的弱小目标亮度进行调整,并根据亮度调整结果分割目标边缘,从而实现弱小目标检测。经实验验证,该方法可在保证图像边缘清晰的情况下实现图像去噪与增强,提高了船舶图像质量,同时该方法具有较高的背景抑制因子与信杂比率增益,在检测过程中可有效分割弱小目标与背景,实现良好的弱小目标检测。     

舰船遥感图像检测小波分析研究

本文以舰船遥感图像为具体分析对象,针对舰船图像中存在的噪声干扰和目标边缘检测问题,引入小波分析作为解决方法,通过对使用小波进行图像去噪及目标边缘检测原理的分析,采用db N小波函数为对舰船图像信号进行分解,以自适应阈值法实现高频信号去噪处理,并对降噪后的图像选择合适的平滑函数进行舰船目标边缘提取,结果表明,小波分析能够很好地实现舰船遥感图像去噪,而舰船目标对于边缘提取,虽然效果较好,但仍有进一步优化改进的空间。     

基于遥感图像的船舶目标识别技术

遥感卫星探测是进行海上舰船目标探测与识别的主要途径,受限于海上气象条件,比如海雾、阳光反射等,海上船舶的遥感图像往往存在大量噪声。为了提高船舶遥感图像的目标识别精度,本文针对船舶遥感图像的图像处理技术进行系统研究,主要包括船舶遥感图像的特征分析,遥感图像的噪声过滤与增强,对于改善遥感图像的目标识别效率有重要的意义。     

基于光学遥感图像的船舶目标检测技术研究

首先分析基于光学遥感图像的船舶目标检测流程,然后利用Top-Hat算法进行目标图像增强,并设计检测系统结构元尺寸自适应选择算法,以此来克服光学遥感图像的不均匀性和局部背景的粗糙性。最后进行不同海况的船舶目标检测试验。试验结果表明,本文算法虽然在实现过程中较阈值分割算法要复杂,但其适用范围更广,并且能够有效提高复杂海况下船舶目标检测的准确率。     

基于船舶卫星遥感图像的目标特征算法

在现代海洋运输及海上军事业务中,对船舶目标的有效定位及跟踪是保证海洋运输安全的有效方法之一。现有的海上目标检测跟踪系统中,有基于雷达目标检测﹑水声目标检测及卫星遥感图像的目标检测方法。由于海上环境的复杂性及目标物的快速移动性,基于遥感图像的目标检测成为最重要的方法之一。本文分析现有船舶目标物的特征参数,提出船舶卫星遥感图像快速有效的船舶目标特征值提取算法,最后给出了基于此算法的数据库设计。     

SAR图像技术在船舶目标检测和参数提取中的应用

SAR技术飞速发展,大量的船载SAR系统已经运用到了船舶目标检测和参数提取中。本文在传统的船舶目标检测的基础上进行改进,提出基于分解理论的极化SAR图像船舶目标检测,并在检测过程中利用边缘检测模板和Freeman分解理论提取边缘信息,解决边缘模糊的问题。本文还提取船舶目标的运动参数。最后进行仿真实验,实验结果表明本文具有可行性和一致性。     

统计学习在海上遥感图像背景去噪的算法研究

针对传统的海上遥感图像背景去噪算法中由于噪声分解遗漏情况造成的图像梯度值低的问题,提出统计学习在海上遥感图像背景去噪的算法研究。利用统计学习中的高斯概率分布模型建立遥感图像背景噪声模型,计算每个像素点灰度值的均值,并一一对比,统计图像中噪声分布特征并分离噪声,依据噪声分布特征设计滤波器对,将滤波器对应用在小波变换滤波器中,利用滤波器分解图像中的噪声,经过逆变换重构图像,实现海上遥感图像背景去噪。实验结果表明,与传统的图像背景去噪算法相比,应用统计学习的海上遥感图像背景去噪的算法平均梯度值更高,说明该算法适合应用在海上遥感图像背景去噪中。     

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。     

舰船遥感图像的目标识别研究

本文根据遥感图像的目标识别要求,从舰船的目标识别要点出发,首先介绍舰船遥感图像的识别流程,针对舰船遥感图像在摄取中存在一定云块和复杂海况的噪声干扰问题,提出一种基于多级视觉感知算法去除海面背景干扰,获取舰船目标;考虑到获取到的舰船目标存在一定的虚假识别,本文引入基于SVM分类器方法有效的过滤掉虚假舰船目标,并在最后对舰船目标的分类识别结果进行了分析。     

边缘提取在涂胶缺陷检测中的方法研究

船舶发动机盖外板与内板之间常涂覆一层防震密封胶,但具体涂胶形态难以观测,常用机器视觉手段获取产品涂胶图片。针对涂胶区域分割和检测精度低,效率慢的问题,提出一种新的边缘提取算法获取涂胶区域。为了避免传统Canny边缘检测方法易受噪声干扰的缺点,采用具有保边特性的加权最小二乘法滤波器对图像滤波去燥,增加45°和135°两个方向计算图像梯度,利用改进后的Canny算法获取边缘,对获取到的边缘点用区域生长方式将涂胶区域提取出来,最后将提取到的涂胶区域与标准涂胶区域进行配准和减影,得到减影结果即为涂胶缺陷。试验仿真表明：本算法能够很好的提取到胶水区域,并且获取胶水缺陷。     

模糊聚类算法在船舶图像分割中的应用

传统船舶图像分割方法存在分割误差大,抗噪声干扰能力差、分割效率低等缺陷,为了解决传统船舶图像分割方法存在的不足,设计了基于模糊聚类算法的船舶图像分割方法。首先对当前船舶图像分割研究进展进行分析,指出不同传统船舶图像分割方法存在的局限性,然后对船舶图像进行去噪处理,提高船舶图像质量,改善抗噪声干扰能力,最后引入模糊聚类算法进行船舶图像分割,并采用多幅标准船舶图像与传统船舶图像分割方法进行对比测试。测试结果表明,本文方法可以对船舶图像进行高精度的准确分割,能够保留船舶图像边缘的重要信息,船舶图像分割速度可以满足实际应用的要求,获得了比传统船舶图像分割方法更优的结果,具有更加广泛的应用范围。     

云平台和分布式处理系统的船舶图像分类

在云平台和分布式处理系统中进行船舶图像分类,提高船舶的调度和识别能力,提出一种基于Harris角点检测和BP神经网络的船舶图像分类算法,在云平台和分布式系统下进行船舶图像采集,对采集的船舶图像进行二值化降噪处理,采用Harris角点检测技术提取船舶的分类标识性特征量,将提取的特征量输入到BP神经网络分类器中,实现云平台环境下的船舶图像分类。仿真结果表明,采用该方法进行船舶图像分类的准确性较高,抗类间干扰性较强。     

高分辨率遥感船舶图像细粒度检测方法

船舶图像细粒度检测是高分辨遥感图像分析的难题,受船舶尺寸、陆地背景、光照、风浪等因素影响,易降低图像检测的准确性.为克服船舶目标识别的影响因素,针对不同类型和型号的船舶目标检测建起特征提取算法模型,提升最终的识别精度.本文提出一种基于深度学习的船舶图像细粒度检测方法,将深度学习算法应用到高分辨率遥感图像中,借助算法训练...     

基于图像融合与处理技术的舰船目标检测

舰船目标检测在国民经济、国家安全和环境保护等诸多方面有非常重要的地位。本文首先获取原始的光学遥感图像,进行预处理去除噪声等不良因素的干扰;其次进行目标增强,利用CRC自适应控制的结构元素尺寸,便于感兴趣的视觉焦点提取,运用自适应滤波器提取出划定的感兴趣区域的特征信息,利用图像信息融合检测出舰船目标;最后通过实验进行验证本文设计的算法,与传统舰船目标检测相比,提高了检测率,即使存在噪音等不利因素也能有效地检测出目标,并且降低了漏检率和虚警率。     

主动形状模型中的一种基于概率主成分分析的对应点搜索方法

主动形状模型是一种以迭代的方式形变以匹配新图像中的目标实例的统计形状模型,它的关键是如何搜索形状模型标记点的对应点.本文提出一种新颖的采用概率主成分分析的主动形状模型的对应点搜索方法.该方法是一种基于灰度图像的对应点搜索算法,不需要对原图像进行边缘提取.在江面船舶目标的主动形状跟踪实验中,采用该方法能较准确地搜索到对应点.     

涂胶缺陷检测中的边缘提取方法

针对涂胶区域分割不够准确影响检测精度的问题,提出一种新的边缘提取算法来获取涂胶区域.为避免出现传统Canny边缘检测方法存在的易受噪声干扰的缺点,采用具有保边特性的加权最小二乘法滤波器对图像进行滤波去噪,增加45°方向和135.方向图像梯度计算,利用改进的Canny算法获取边缘,针对获取的边缘点,使用区域生长方式将涂胶区域提取出来;对提取的涂胶区域与标准涂胶区域进行配准和减影,得到的减影结果即为涂胶缺陷.仿真试验结果表明,该算法能很好地提取到胶水区域,并获取胶水缺陷.