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。     

基于人工神经网络的船舶舱室噪声抑制算法

常规船舶舱室噪声抑制算法在受到外部多因素干扰时,存在抑制计算精度较低的不足,为此提出基于人工神经网络的船舶舱室噪声抑制算法。基于噪声抑制算法框架设计,引入人工神经网络处理机制,实现噪声抑制算法规则的构建;依托噪声抑制变量参数的选取,代入船舶舱室噪声抑制算法程序,实现基于人工神经网络的船舶舱室噪声抑制计算。试验数据表明,提出的抑制算法较常规抑制算法,计算精度提升16.62%,适合不同环境下的船舶舱室噪声抑制计算。     

低照度的舰船图像增强研究

传统舰船图像低照度增强算法多为单一增强算法,因此在对图像动态范围处理上存在一定误差,导致动态范围外的图像色域噪点处理效果不佳,图像整体增强效果无法达到舰船图像应用要求。为了获得低照度下舰船图像的最佳增强效果,提出低照度的舰船图像增强研究。首先,对低照度图像建立Retinex模型,获得低照度图像增强的理论基础数据;接着将Retinex模型参量引入低照度舰船图像,建立图像光照基础模型,根据光照基础模型获得的各图层光照分布状态,对其亮度进行调整,滤除图层噪点;然后,通过神经网络算法,对增强图像图层进行重建计算,完成低照度舰船图像增强计算。最后,通过对比实验数据,证明提出方法能够提升低照度舰船图像增强处理效果。     

DIALux在船舶舱室照明设计中的应用

针对船舶照明系统灯具布置设计中存在的不足,提出以DIAlux软件为船舶照明设计辅助工具的思路。以有照度入级要求的某型海工船的厨房和居住舱室为对象,在DIAlux软件中进行舱室3D模型,设置相关参数进行照度计算,进行以厨房照度为研究对象的灯具优化分析和依舱室照度为研究对象的计算精度分析,取得良好的灯具布置效果,为船舶照明灯具设计提供参考依据。     

基于机器视觉技术的船舶航行危险区域自动识别方法

提出基于机器视觉技术的船舶航行危险区域自动识别方法,最大程度规避船舶航行风险。利用机器视觉技术获取船舶航行图像数据,并结合像素平滑滤波和帧间差分法去除原始船舶航行图像所含噪声。采用二阶高斯-马尔科夫机场算法对去噪后船舶航行图像的显著性区域候选节点作信息弥散处理,获取船舶航行图像显著图,通过均值偏移算法处理船舶航行显著图像的特征空间,获得多个分割区域后,在显著图中求解各区域的显著性均值,通过与阈值作比较,实现船舶航行危险区域识别。实验结果表明：该方法可有效提升船舶航行图像的视觉效果;生成的显著图细节完整;可实现不同危险区域的识别,识别效果突出。     

基于视觉传达的大型船舶航行图像融合研究

图像融合是图像识别的重要环节,为提升船舶航行图像识别精度,提出了基于视觉传达的大型船舶航行图像融合算法。通过离散滤波获取图像高频部分并盲估计模糊核,依照模糊核,通过总变分正则化法对图像实施非盲去卷积处理,获取去模糊后的图像;针对去模糊处理过程导致图像亮度发生变化的问题,采用伽马校正算法调整图像亮度,提升图像视觉传达效果。针对校正后的图像,对比2幅待融合图像的熵值,获取熵值较大图像的残余分量,通过基于方向滤波的二维局部均值分解法,将残余分量和熵值较小的待融合图像分解成低频子带与高频子带并分别融合,通过逆变换运算得到融合图像。实验结果显示该方法可有效提升大型船舶航行图像的细节清晰度,令图像的视觉传达效果增强,并显著提升图像识别精度。     

基于视觉传达优化的低清晰度船舶图像复原研究

针对图像复原易出现复原图像颜色视觉特征失真问题,提出基于视觉传达优化的低清晰度船舶图像复原方法。该方法通过帧扫描方法,提取低清晰度船舶图像视觉传达信息的像素二维特征;使用基于最大后验概率的高分辨率船舶图像重组方法,将所提取低清晰度船舶图像视觉传达信息的像素二维特征,进行高分辨率特征重组,并引入基于视觉颜色模型的视觉传达效果优化复原方法,优化高分辨率特征重组后复原图像的颜色视觉传达效果。实验数据验证：该方法对低清晰度海域通行船舶监控图像复原处理后,图像视觉传达效果得到明显提升,且复原后船舶图像峰值信噪比、结构相似性指数接近1,图像特征失真小;复原后图像颜色特征显著性指数最大值达1.0,颜色特征细节显著性得以改善。     

虚拟现实技术舰船舱室空间场景语义标注算法

传统的舰船舱室空间场景语义标注算法的标注精度偏低。为此,在虚拟现实技术的支持下,设计一种新的舰船舱室空间场景语义标注算法。通过图像预处理去除舰船舱室空间图像中的噪声点和畸变,然后采用SURF方法对特征点检测和匹配,通过拼接并融合图像生成全景图。基于此,采用MRF语义标注算法查询图像像素特征,并估测与其近邻像素特征间的距离,再通过计算像素的似然估计得到舰船舱室的语义标注结果。实验结果表明,与传统的语义标注算法相比,采用本文算法后,每类别的语义标注精度至少提升5.24%,每像素的语义标注精度至少提升6.12%。由此可见,本文算法具有更高的语义标注精度。     

基于机器视觉技术的舰船行驶轨迹自动检测算法

由于传统的舰船行驶轨迹自动检测得到的目标图像局部视觉对比度低,弱小目标占据像素少,导致检测结果精度下降,无法为相关技术人员提供有效的参考价值,为此提出基于机器视觉技术的舰船行驶轨迹自动检测算法研究。利用所采集图像帧与帧之间的关联性,采集其灰度变化情况,获取有效信息,提取灰度矩阵特征,选择目标层次中的相邻帧,获得短时轨迹,计算得出灰度坐标,使所得轨迹光滑连续,分析单帧检测结果,完成基于机器视觉技术的舰船行驶轨迹自动检测算法研究。设计对照实验,验证所提出算法的应用效果,实验结果表明,在应用机器视觉技术后,检测得到的图像局部视觉对比度有着显著提高,能够证实所提出算法的行驶轨迹检测性能优于传统算法。     

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。     

利用视觉图像的吃水线检测报警系统研究

传统船舶吃水线检测报警系统多采用液体感应检测方式,来实现船舶吃水线位置的实时检测报警。但此种方法受到天气环境与水文状态因素的影响较大,经常出现船舶吃水线检测报警位置与实际吃水线位置误差较大的问题。因此,本文提出利用视觉图像的吃水线检测报警系统的研究。通过创建基于视觉检测技术的检测硬件平台,实现对船舶吃水线视觉图像检测数据的采集;同时引入多维度水线特征识别算法,对采集的水线位置图像数据进行多维度特征分析计算,得到准确的船舶吃水线位置图像,解决报警准确度低的问题。最后利用仿真实验方式,对比证明设计系统的可行性与有效性。     

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。     

基于遥感图像的船舶航迹追踪算法研究

为了克服当前船舶航迹追踪算法存在的精度低、耗时长等不足,设计了基于遥感图像的船舶航迹追踪算法。首先采集船舶航迹的遥感图像,并得到船舶初始航迹,然后采用均值漂移算法和卡尔曼滤波算法对船舶航迹进行估计,达到船舶航迹追踪目的,最后进行船舶航迹追踪有效性测试,结果表明,本文算法解决了当前船舶航迹追踪算法存在的难题,获得了十分理想的船舶航迹追踪结果。     

基于图像检测的船舶特征提取算法优化

传统船舶特征提取算法,无法完全对船舶特征进行提取,存在精度不够、无法有效提取特征点等问题。为有效解决此问题,提出基于图像检测的船舶特征提取优化算法。计算不同波段下船舶图像的灰度值,依据灰度值结合霍夫曼及分裂排序编码构建船舶图像特征提取示意图;设计基于图像的船舶特征点检测提取模型,确定图像中船舶特征点相关性。依据相关性进行船舶特征点的有效提取,并利用图像特征提取,完成船舶特征提取的优化算法,设计对比实验结果表明,改进后方法与传统方法相比,大幅提高船舶特征提取的准确性。     

低照度三维船舶图像的重建方法研究

随着现代化的发展,船舶行业图像数据应用量日益增加,对三维船舶图像重建技术的要求也越来越高。但现阶段低照度三维船舶图像重建过程中仍存在分辨率低、介质分布不适应等问题。为有效解决上述问题,在深入分析现阶段三维图像重建方法的基础上提出结合ECT技术的新型低照度三维船舶图像的重建方法,从而达到高效、准确实现三维船舶图像重建技术的目标。为验证系统的准确性和实用性,进行相关仿真实验,根据图像需求采用电极对检测模式,通过传感器将三维船舶重建图像进行次对和检测,实验结果表明,基于ECT技术的三维船舶重建系统方法可以更加准确真实的对图像进行重建,相对比传统的图像重建方法,该系统灵敏度和精准度得到有效的改善和提高,证实了该方法的可行性。     

机器视觉视角下船舶无线通信系统定位技术

针对传统基于视觉显著性和卷积神经网络定位技术、基于深度学习的输送带标记定位技术受到噪声信号影响,而导致定位精准度低的问题,提出机器视觉视角下船舶无线通信系统定位技术。根据机器视觉视角定位原理,计算实际延时,获取总节点数量。分析在真实环境下存在的干扰情况,构建信号损耗模型,计算从节点处接收端采集信号强度。分析图像噪声特性,处理带标记输送带图像,使用卡尔曼滤波去噪方式剔除噪声数据,完成无线通信系统定位。由实验结果可知,该系统定位精准度最高为98%,能够对船舶无线通信系统精准定位。     

船舶舱室火灾图像实时去烟算法研究

烟雾会降低能见度,为船舶火灾消防带来极大不便。研究图像实时去烟算法,并应用到视频监控或消防设备中,为消防行动提供视觉支持,对提高行动效率具有重大意义。本文提出一种图像实时去烟算法,在分析了船舶舱室火灾图像特点的基础上,基于传统Retinex理论,引入滚动导向滤波代替高斯滤波,取消对数计算,并结合图像金字塔设计了多尺度处理,通过对比度拉伸优化视觉效果。主、客观评价的结果表明,该算法去烟效果良好,优于直方图均衡化、多尺度Retinex、暗通道先验3种经典图像清晰化算法,且对640×480×3像素RGB图像的处理时间仅为95 ms。     

船舶机舱视觉监测系统畸变图像校正方法

为满足船舶机舱视觉监测系统能够通过摄像机对机舱内的仪表读数进行准确识别,需要对摄像机所采集到的畸变图像进行校正.利用空间直线的成像特性,建立机舱图像的畸变测度目标函数,通过人工蜂群算法优化得到畸变模型参数,进而完成机舱图像的畸变校正.实际实验结果表明:基于人工蜂群算法的畸变校正方法能够对机舱视觉监测系统的畸变图像进行有效校正.     

基于嵌入式系统的舱室图像采集

嵌入式系统具有体积小,功耗低,可靠性高等特点,非常适合船舶领域的使用。本文介绍了基于ARM7芯片的船舶舱室图像采集方案,通过在一个低端的嵌入式处理器系统中加入CMOS数字图像传感器,并编写硬件描述语言程序、嵌入式处理器程序,实现了图像采集的功能,利用该系统可以实现对舱室环境的实时监控。     

基于机器视觉的大规模船舶航行数据自适应识别方法

传统船舶航行数据识别方法,存在瞬态识别数据规模局限性大,超规模阈值下的数据识别准确率过低的问题。在当前船舶航行数据处理规模下,无法高效准确完成船舶航行数据的处理任务。为了在根源解决上述问题,引入机器视觉技术,提出基于机器视觉的大规模船舶航行数据自适应识别方法。首先基于机器视觉技术,对航行数据的识别标准进行定义,同时完成对相关不符识别量进行修正;接着对全局航行数据对应的轨迹信息进行机器视觉结构处理;最后完成对数据的自适应识别计算。通过与传统方法的多组航行数据模拟测试发现,采用提出识别方法的航行数据识别结果,相较传统识别方法具有识别速度快、准确率高、数据规模自适应性强的特点。