基于顶点成分分析的高光谱图像端元提取算法

在基于几何学的端元提取这类算法中,VCA以其全自动和端元提取速度快的特点而受到广泛的关注,但它仅利用了高光谱图像的光谱信息,易受异常像元影响,且抗噪性能较差.论文根据高光谱图像中地物在空间上具有成片分布的特点,提出利用空间信息来改进VCA算法端元提取的质量.该约束使VCA算法逐次选择的纯像元位于空间一致区域,并将该区域的均值作为端元.仿真数据和实测数据上实验结果表明,改进的VCA算法有效克服了异常像元的影响,并提高了端元提取的精度.     

基于分段可调的船舶高光谱图像压缩方法

传统高光谱图像压缩方法在船舶图像处理中不能进行分段处理,并且无法实现分段调频,为此设计基于分段可调的船舶高光谱图像压缩方法。对高光谱图像进行波频分块,求取极值保证划分波段的完整性,通过条件提取方式进行高光谱图像的预处理;选取优化参考谱带,为多元化图像压缩提供参考标准,计算光谱图像压缩量,实现分段可调光谱图像压缩。试验数据结果表明,设计的光谱图像压缩方法能够实现分段可调式图像压缩。     

舰船图像高精度压缩研究

为了提高舰船图像的识别能力和传输能力,需要进行舰船图像的高精度压缩处理,提出一种改进向量量化算法的舰船图像高精度压缩方法。对舰船图像采用LGB算法进行量化编码,对编码后的舰船图像进行向量量化误差补偿,结合小波降噪方法进行舰船图像的降噪处理,采用误差补偿编码的方法对舰船图像的噪点进行信息增强处理,提高舰船图像的识别能力,结合邻近像素点的结构重组方法,实现舰船图像的高精度压缩。仿真结果表明,采用该方法进行舰船图像高精度压缩,提高了对舰船图像的识别能力,图像压缩后的输出峰值信噪比较高,说明压缩的精度较高,性能较好。     

低空高光谱探测技术

介绍了低空高光谱探测的原理和特点,对高光谱探测设备工作模式进行了分析对比,重点研究了凝视式高光谱探测技术在低空探测中的应用,并对其分光成像原理、声光可调滤光器（AOTF）的使用、光谱图像配准的基本方法以及光谱图像合成的基本方法进行了探讨。     

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。     

基于机器学习的多光谱舰船图像异常目标检测方法

针对现有舰船异常目标检测方法,出现高相似度异常目标辨识度低的问题。提出基于机器学习的多光谱舰船图像异常目标检测方法,基于机器学习技术,对现有图像分析算法进行优化改进,通过采用多光谱AI协同CRD算法对图像构成原子进行划类提取,明确目标图像边缘。在此基础上,利用精准图源RX处理算法,精准确认图像内异常目标特征,完成提出的方法设计。对比实验证明,提出的基于机器学习的多光谱舰船图像异常目标检测方法,能够准确识别恶劣环境下的图像目标异常,具备高精度识别高相似度图像内的异常目标的要求,并且在处理速度、运算稳定性与后期学习能力上都优于传统舰船图像异常目标检测方法。     

一种新的图像处理实验设计方法

数字图像处理的应用范围越来越广泛,其处理过程分为多步,每个步骤中有多种图像处理方法可以选择.数字图像处理中每步图像处理算法的选择是保证图像处理质量的关键,焊接机器人视觉跟踪系统中图像处理方法的选择直接影响到焊接的效率与质量.通过研究图像处理方法选择的实验设计方案,采用数理统计中正交实验的方法将各种图像处理方法结合起来.正交实验的方法在图像处理过程中的运用为图像处理方法的选择以及几种图像处理方法的组合提供了理论依据,并且采用这种方法可以通过最少的工作量找到最佳的图像处理方案,体现了理论与实践的结合.     

基于神经网络的船舶航拍图像融合研究

航拍图像融合是船舶图像研究领域中的一个重要研究方向,针对当前船舶航拍图像融合过程复杂,计算量大,融合精度低等缺陷,提出了基于神经网络的船舶航拍图像融合方法。首先分析船舶航拍图像融合原理,并对船舶航拍图像进行分解,得到低频和高频的船舶航拍图像分量,然后采用神经网络对船舶航拍图像的高频分量进行处理,并用加权平均法对船舶航拍图像的低频分量进行处理,最后通过逆变换对船舶航拍图像融合,并进行了仿真实验。实验结果表明,神经网络可以获得高精度的船舶航拍图像融合结果,船舶航拍图像融合时间短,相对于其他船舶航拍图像融合方法,神经网络的船舶航拍图像融合结果更胜一筹。     

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。     

基于星地同测的长江口水文数据建模研究

为探索实现长江口水文、地形和生态的大范围、高频次、抗恶劣海况的高精度遥感监测技术,利用高分五号卫星,进行了星地同步监测方案试验,获取了建模所需高光谱大数据。采用函数拟合等数据建模方法,逐步建立了含沙量等水体参数的高光谱影像反演模型,并给出含沙量浓度反演模型的输出效果,最后指出后续深化研究方向。     

基于区域颜色校正的遥感图像融合方法

针对利用常规方法对多光谱图像与全色图像融合过程中出现的颜色失真问题,提出了一种基于区域颜色校正的遥感图像融合方法。该方法首先利用模糊C-均值(FCM)聚类算法在多特征形成的特征空间上对图像进行区域分割,然后利用常规方法融合多光谱图像与全色图像,并采用小波变换对融合图像进行区域上的颜色校正,从而得到最终的融合图像。通过与IHS、BT和PCA几种常规融合方法的比较与分析验证了本文提出的方法具有良好的融合特性。     

一种基于遗传算法和小波分解的刚性图像配准方法

为了实现快速、高精度的自动图像配准,提出了基于遗传算法和小波分解的图像配准方法。此方法在小波分解的基础上,以互信息为相似性测度利用遗传算法为搜索算法对图像进行一次配准,然后以特定步长在小范围内对配准参数进行修正,对图像进行二次配准。该方法实验结果表明该方法具有较快的速度且显著的改善了配准精度。     

基于安卓平台的舰船图像拼接研究

拼接方法是改善舰船图像质量的一种重要技术,拼接好坏直接影响舰船图像的实际应用价值,针对当前舰船图像拼接过程中存在的速度慢、精度低等缺陷,设计了基于安卓平台的舰船图像拼接方法。首先对舰船图像拼接相关方法进行分析,分析它们的局限性,然后采集舰船图像,采用小波变换对图像进行处理,得到不同尺度的子带系数,对于不同子带系数采用不同的配准,实现舰船图像拼接,最后设计了舰船图像的安卓平台,并对其有效性进行了仿真测试。结果表明,本文方法可以对舰船图像进行完整的拼接,拼接后的舰船图像可以更好描述所要表达的信息,提高了舰船图像拼接质量,舰船图像拼接效率比较高,其舰船图像拼接效果明显优于对比方法,为舰船图像拼接问题解决提供了一种新的思路。     

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。     

基于智能视觉的船体焊接坏点识别方法

传统的船体焊接坏点识别方法会受周围因素的影响,无法得出准确的识别结果,为了解决这个问题,提出基于智能视觉的船体焊接坏点识别方法。利用智能视觉技术采集船体焊接图像,并对图像进行二值化处理,得到经过去燥处理的船体焊接图像,在完成上述步骤后,利用智能视觉船体焊接坏点识别模型对船体焊接坏点结构进行故障识别,为确保识别结果的准确性,应用映射计算法对其进行进一步处理。由此,完成基于智能视觉的船体焊接坏点识别方法的设计。在实验中,随机选取800张船体焊接坏点结构图像,分别对这2种方法进行实验分析,实验结果表明,所提方法的准确性更高,更适合推广使用。     

一种基于图像处理的舰载无人机识别定位方法

舰载无人机的自主降落问题越来越受到重视,图像处理方法以其高精度、低成本的优势受到青睐。首先研究在图像中无人机提取算法,用最大类间方差法对提取后图像进行处理,然后基于霍夫直线检测算法,通过对处理后图像进行霍夫直线变换将图像空间的点变换到霍夫空间,从而找出图像空间的直线,进一步标示无人机位置。最后,通过试飞无人机实地测试检验该算法的准确性及稳定性。结果表明,该检测方法准确度高,速度快,在2～10 m范围内均有良好的检测精度,验证了基于图像处理识别定位无人机的可行性,为舰载无人机精准降落奠定了技术基础。     

海洋水线面视觉图像特征自动化识别系统设计

传统海洋水线面图像识别系统在使用过程中,受到自身硬件参数限制,无法对高精度特征图像边缘进行自动识别计算,导致图像识别率与识别效率降低;同时,传统识别系统中的算法对线扫步长参数优化存在匹配量失常的问题,从而导致传统海洋水线面图像特征识别系统识别率差,计算识别效率低。因此,提出海洋水线面视觉图像特征自动化识别系统设计,首先,创建高精度视觉图像采集阵列;通过引入高精度摄像模块、图像采集卡与图像处理芯片等元件,完成水线面视觉图像高清采集与预处理硬件的设计;接着,通过在硬件主控中引入边缘残像特征识别算法,对图像边缘特征进行像素点识别;同时提出设计中在系统软件设计中引入自动化识别算法,配合特征识别计算,实现水线面视觉图像的自动化识别效果;最后,通过设计的仿真实验,证明设计系统具有识别精度高,识别速度快、稳定向好的特点。     

基于嵌入式系统的舰船图像拼接技术

常规舰船图像拼接技术无法实现多环境的图像拼接,为此设计基于嵌入式系统的舰船图像拼接技术,对采集的舰船图像进行降噪处理后,利用均值法划分特征领域,通过特征领域构建尺度空间,利用尺度空间法则对图像特征进行配准处理,通过嵌入式系统中的换算函数对图像进行连接强化,实现舰船图像技术拼接。将设计的技术与常规3种图像拼接技术进行对比,在不同实验环境下,本文方法图像拼接能力明显好于3种传统方法。     

大数据环境下舰船尾迹破碎图像高精度识别技术

针对原有方法在对舰船尾迹破碎图像进行识别的过程中,受破碎图像特征残缺的影响,存在大量难以检测的角点,在图像破碎度为40%～60%时存在特征抽样拟合率较低的问题,提出一种大数据环境下舰船尾迹破碎图像高精度识别技术。在大数据环境下,通过SUSAN角点检测算法这种大数据算法对舰船尾迹破碎图像进行角点检测。构建图像特征检测模型,利用构建模型对舰船尾迹破碎图像角点处实施特征检测,获取舰船尾迹破碎图像特征。通过构建舰船尾迹破碎图像高精度识别模型实现舰船尾迹破碎图像高精度识别。为了证明大数据环境下舰船尾迹破碎图像高精度识别技术实现了特征抽样拟合率的提升,将原有技术作为对比实验技术进行该技术与原有技术的特征抽样拟合率对比实验,实验结果证明该技术实现了特征抽样拟合率的提升,更适用于舰船尾迹破碎图像的识别。     

智能视频监控中舰船假目标图像检测算法

传统舰船假目标图像检测算法存在检测精准度低的缺陷,为此提出智能视频监控中舰船假目标图像检测算法研究。将智能视频监控中采集的图像采用灰度化处理得到灰度图像,利用直方图均衡化处理灰度图像,提升图像的质量。采用滤波处理方法将得到的图像进行去噪,完成图像的预处理,为图像检测做准备。采用小波变换方法对上述得到的图像进行特征提取,将得到的图像特征输入到图像检测模型中,与真目标图像特征进行逐一比较,输出假目标图像,实现了对舰船假目标图像的检测。实验结果表明,提出的舰船假目标图像检测算法检测精准度比传统算法高出21.8%,说明提出的舰船假目标图像检测算法具备极高的有效性。