基于Chan-Vese模型的海面油膜分割应用

考虑到采用高空间辨率的光学图像开展海面油膜的监测由于海面风、浪、流等环境因素的影响,采集到的视频图像普遍存在成像光照不均匀、低对比度、低信噪比等问题,采用自适应高斯滤波进行图像噪声去除,基于一种局部图像对比度增强算法进行去雾和对比对增强处理,通过颜色空间转换配合Chan-Vese模型进行图像分割,使得海面油膜图像处理取得了良好效果。     

一种去噪声的轮廓提取算法

轮廓是物体的一个重要特征,轮廓提取的好坏对后续的目标定位、特征提取、识别和分类有着重要的影响.文中在现有方法的基础上,提出了一种新的轮廓提取方法.首先,在经典Otsu算法基础上,结合图像的熵给出了一种图像分割阈值选取方法;然后通过划分单元块,统计非零像素个数,去除噪声块,合并单元块,再次去除噪声块获得目标区域;最后采用4-邻域方法提取目标区域的轮廓.实验结果显示,改进的算法能够有效分割出目标,设计的目标轮廓提取方法能够有效去除噪声的影响,获得封闭的、单像素宽度的外轮廓线,为后续的图像处理和目标识别奠定了良好的基础.     

基于模式识别的图像中多目标自动分割和分类研究

为了提升多目标自动分割和分类效果,设计了基于模式识别的图像中多目标自动分割和分类方法。利用分水岭算法提取图像中多目标过分割区域;通过模式识别中改进模糊C均值聚类算法,聚类处理提取的多目标过分割区域,得到多目标自动分割结果;在模式识别中的卷积神经网络内,输入自动分割结果,输出多目标自动分类结果。实验证明：该方法可有效获取多目标过分割区域,得到多目标自动分割结果;在不同图像分辨率时,该方法自动分割的划分系数较大、划分熵较小,即自动分割效果较佳;该方法具备多目标自动分类的可行性,且自动分类精度较高。     

基于图像检测的船舶特征分割与提取优化算法

船舶图像特征分割和提取算法是图像检测领域中的基础工作。由于船舶航运环境和船舶自身结构组成相对复杂,船舶图像的全自动分割方法在图像检测过程中经常出现边缘模糊、准确性低等问题。因此提出基于图像检测的船舶特征分割与提取优化算法,结合免疫算法获取更多图像特征信息,达到快速、准确的对船舶图像特征进行提取和分割的目的。为验证算法的准确性进行仿真实验,结合船舶区域图像对图像边界特征进行提取和分割,并与传统方法进行比较。实验结果证明基于图像检测的船舶特征分割与提取优化算法可以有效达到特征融合、全局最优、算法效率高等优良特性,使图像具有更强的实用性。     

Moreau包络和深度恢复的舰船图像分解方法

传统舰船图像分解方法无法有效对图像超像素稀疏部分进行有效像素深度的恢复,导致分解图像缺失底层像素信息,噪声分解图像失真。为了解决上述问题,提出Moreau包络和深度恢复的舰船图像分解方法。首先通过引入Moreau包络算法,对图像分解区域进行超像素层的重构计算;然后利用稀疏深度恢复算法,对重构的超像素层待分解像素信息进行深度恢复优化。最后,通过像素点之间信息的关联特性,与神经网络学习特性,完成对恢复区域构成图像的分解。通过与传统神经网络分解方法的实例对比表明,提出方法分解后的图像输出效果,优于传统分解方法,更适合舰船图像分解的应用场景。     

视觉传达技术的雾天舰船图像恢复研究

由于使用基于空间角度恢复方法、基于变换领域恢复方法受到大量像素影响,特征点提取结果不精准,会导致图像恢复效果较差。为了解决该问题,提出视觉传达技术的雾天舰船图像恢复研究。剪裁提取目标区域,计算像素间隔,得到图像的物理坐标。以此坐标为基础进行三维图像面的重建。通过信息交互,确定重建面的同体元坐标点,完成三维重建。基于重建结果,调整局部区域亮度,区分明暗原色,结合视觉传达技术,设计了雾天舰船图像恢复流程,避免了边缘提取不连续的问题。由实验结果可知,该方法特征点提取结果与图像比例下实际值一致,误差为0,图像恢复效果较好。     

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。     

复杂背景下前景目标提取算法研究

为实现复杂场景下前景目标的提取,本文依次对静态背景、动态背景以及摄像头抖动3种条件下的视频进行分析。针对静态背景视频,采用二帧差法提取前景目标,并使用OTSU算法提高结果辨识度。针对动态背景视频,建立高斯混合模型,根据背景像素和前景像素所占比重的不同,选取合适的分割阈值,实现前景目标的提取。针对摄像头抖动的情况,基于光流法建立图像运动场,根据背景像素和前景像素运动状态的不同,成功提取出前景目标。     

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。     

通信网络应用下海面舰船目标实时检测方法

当前进行海面目标检测时需要借助遥感图像的分析,受到检测环境和遥感图像传输速率的限制,导致检测精度和效率较低。为优化上述存在的缺陷,将研究通信网络应用下海面舰船目标实时检测方法,以提升海面目标的实时检测效果。在对海面目标图像进行预处理和海天线提取等操作后,确定待检测目标的类型。利用基于神经网络的脉冲超宽带探测目标的具体参数,实现目标实时检测。实例验证结果显示,在不同场景下,研究的检测方法均保持90%以上的正确率,且检测耗时相对较少。     

基于模糊数学模型的舰船红外成像目标智能识别方法

利用传统基于SVM和基于神经网络的方法对舰船红外成像目标进行智能识别,识别距离较短,导致识别范围受限。针对上述问题,提出基于模糊数学模型的舰船红外成像目标智能识别方法。该方法分为3步:1)对舰船红外图像进行预处理,包括图像滤波、图像增强、图像分割;2)利用基于几何特性方法提取处理后的图像特征;3)以图像特征作为模糊数学模型特征因子,构建模糊集合,并利用贴近度原则对被识别对象进行归属判决,完成目标识别。结果表明:与基于SVM和基于神经网络的方法相比,利用本方法进行舰船红外成像目标智能识别,识别距离延长10 m和20 m,识别范围扩大。     

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。     

改进ViBe算法及其在运动船舶目标检测中的应用

为了抑制ViBe算法在海面动态背景视频下“鬼影”区域对船舶运动目标检测的影响,提高监控视频中船舶运动目标识别的准确率,提出一种改进的ViBe算法。首先,背景模型用连续帧初始化,以减少“鬼影”的影响;然后,使用自适应阈值和闪烁级别来减少海面杂波,同时采用像素点对比消除“鬼影”,提取运动目标前景,获取完整的运动目标区域。最后,对输入视频进行高斯金字塔多尺度分解,并采用改进的ViBe算法检测低分辨率视频中的移动船舶,完整提取了海上移动船舶。实验结果表明,所改进的算法消除了“鬼影”区域,减少了海面杂波的干扰,检测率为92.5%,单帧视频图像检测时间控制在97 ms以内,可准确、快速地检测和提取海面船舶运动目标。     

海空背景下基于双目视觉的目标测距新方法

结合海空背景特点和双目视觉测量需求,提出一种基于海天线的双目图像校准方法。采用Sobel算子对图像进行边缘检测并作二值化处理,利用Hough变换算法提取和定位海天线,根据参数空间返回的参数值对图像进行旋转和平移变换。试验结果表明:运用该方法能有效实现双目图像对的行对准。在此基础上,基于双目视差测距原理完成海面目标距离的测量,测距结果表明:对于500 m远的目标,相对测距误差5%,能够满足一定场合的应用需求。     

基于残差回归网络的复杂背景下海界线检测

海界线对基于视觉的海面目标检测、识别、航行避障具有重要的意义,在复杂的海空或者海陆背景环境中,云层、波浪反射及嘈杂的海面、陆地信息等都会给海界线的提取造成严重的干扰。该文提出一种基于残差回归网络的海界线提取算法,首先采用残差回归网络进行全图回归获得逐像素的海界线概率图,再通过OTSU算法对概率图进行阈值分割,初步提取海界点,然后采用meanshift聚类方法进行干扰点的排除,最后采用最小二乘算法,提取出海界线的位置。该算法在大部分复杂的海空或者海陆背景中,均能快速、精确地检测到海界线的位置,其克服了传统的基于梯度或者纹理等低级特征的海界线提取算法在复杂背景下抗干扰能力差的特点,并且能提取曲线形式的海界线,时间复杂度与传统方法并无太大差距,具有实际使用价值。     

基于神经网络和多特征的船舶图像自动分割算法

当前图像分割算法存在分割错误率高、分割速度无法满足实际应用要求的缺陷,为了提高图像分割的精度和速度,设计了基于神经网络和多特征的图像自动分割算法。首先分析当前国内外图像分割算法的研究进展,找到引起当前图像分割局限性的因素,然后从图像中提取描述不同目标特征,并选择部分最有效特征组合成为图像分割的特征集合,最后采用神经网络对图像的不同区域进行建模和分类,实现图像分割,并与其他图像分割算法进行优越性对比测试。结果表明,神经网络和多特征的图像分割错误率低,图像分割精度超过95%,图像分割平均值时间要少于对比图像分割算法,图像分割速度更快。     

基于纹理分类与局部分水岭的肝脏轮廓提取

腹部CT图像中肝脏区域提取是医学图像分割中的难点之一。本文基于多尺度分析的思想,提出将肝脏区域的粗分割与肝脏轮廓精细定位相结合的方法解决肝脏分割的算法复杂性和分割精度的矛盾。试验结果表明本文提出的算法除具有较高的分割精度和较低的计算复杂性之外,还适用于不同层次的腹部CT(Computed Tomography)图像中肝脏区域的提取,为肝脏的三维重建和疾病诊断奠定了基础。     

空天协同的海上溢油监测案例分析

为获得准确全面的海洋溢油监测结果,提高海上溢油应急处置能力,应用和分析卫星和航空机载手段协同观测的溢油监测方法。以蓬莱19-3平台溢油事故为例,使用环境卫星CCD数据经最小噪声分离变换(MNF)处理后得到疑似油膜区域,利用航空高光谱数据识别油膜区域并基于面向对象分割方法提取溢油信息,通过现场获得的照片和视频等现场信息对溢油提取信息进行验证。2种手段的监测结果具有较高的一致性,多手段协同方式应用在海洋溢油监测上具有必要性和可行性。     

应用区域生长的无人船红外图像精确分割方法

为了更准确地掌握无人船航行动态,提出应用区域生长的无人船红外图像精确分割方法。对无人船红外图像特征进行有效提取与识别,采集应用区域生背景图像特征数值,有效提高图像边缘背景灰度和分辨率,将区域生长法与图像轮廓灰度信息相结合,进行无人船红外图像精确分割处理,保证分割结果精准合理。最后通过实验检测证实,应用区域生长的无人船红外图像精确分割方法在实际应用过程中具有更高的抗扰性和准确性。     

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。