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。     

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。     

一种被动声纳目标识别数据融合方法的研究

文章首先对目标噪声信号采用五种不同的方法提取特征矢量,然后采用基于自适应遗传BP算法的神经网络分别对五种特征矢量并发地进行分类,再采用遗传算法对分类器组合过程中的多参数进行优化,最后由五种分类结果最优组合产生最终的分类结果。实验结果表明该系统具有很好的分类效果。     

海上拍摄图像的清晰化算法研究

海上拍摄的图像易受到雾气与海面光影的影响,导致图像对比度低、可读性差,对后续图像分析造成了不利影响。论文提出了一种清晰化算法,改进了暗通道去雾方法中大气透射率的估计方法,利用引导滤波优化透射率,进而求解大气散射物理模型实现去雾。针对去雾后图像亮度较低,对比度差,不利于后续的图像分析问题,对去雾后图像进行gamma校正,增强对比度,改善可读性。将算法应用于典型图像,与经典算法相比,所提算法效果显著,实现了去雾功能,有效增强了目标对比度,图像自然且无失真情况,为进一步的图像分析打下了良好的基础。     

基于对象的多波束背散射图像底质分类

针对传统多波束背散射图像底质分类中基于角响应特征分类分辨率低、基于像素统计性特征分类抗噪性低的问题,提出一种基于对象的多波束背散射图像底质分类方法。首先,采用通用背散射处理流程形成辐射畸变改正后的地理编码背散射图;然后,利用简单线性迭代聚类算法（SLIC）对背散射图像进行分割,获得内部均一、边界清晰的对象块;最后,对每个对象块提取其统计性特征,构建特征向量,并以K-means++为分类器实现底质类别划分。该方法提高了底质分类的可靠性,取得了86.96%的分类精度。     

基于相关运动矢量外推的视频通信错误掩盖算法

针对视频通信中因数据传输错误引起的视频质量急剧下降的问题,提出一种基于相关运动矢量外推的错误掩盖算法。对于受损图像块,首先将前续图像块、前续相邻图像块映射到三维坐标系,并构造经过前续相邻图像块的一阶平面集,然后计算前续图像块与一阶平面集的距离,选取使得距离最短的一阶平面所代表的前续相邻图像块为相关最强前续相邻图像块,最后将相关最强前续相邻图像块外推到当前帧,通过外推图像块与受损图像块重叠区域加权估算受损运动矢量,并采用边界匹配算法对运动矢量进行优化,进而恢复受损图像块。仿真结果表明,对于不同视频序列,该算法同传统错误掩盖算法相比PSNR值提高了0.5～2.7dB,同时解码视频质量也获得了较好的主观视觉效果。     

基于深度自编码网络的舰船辐射噪声分类识别

针对水下被动声呐目标分类识别问题,借签深度学习网络在图像、语音等领域的成功运用,提出一种基于深度自编码网络的舰船辐射噪声分类识别方法。首先使用Welch功率谱估计方法获得舰船辐射噪声的功率谱特征,然后对原始训练样本集结构优化得到新训练样本集,并构建训练深度自编码网络。依据总体正确识别概率和各类目标正确识别概率对网络参数进行优化设置,实现对舰船辐射噪声的分类识别。经过大量海上实录舰船辐射噪声的分类识别实验,验证了该方法的可行性和实用性。对比BP神经网络分类器,具有更高的正确分类识别概率。     

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。     

基于搜索法的矢量控制系统效率优化与仿真

研究了在矢量控制系统中嵌入的基于搜索法的效率优化控制器.提出了使输入功率最小的黄金分割算法.通过对整个控制系统的仿真,验证了此方法的可行性,并有良好的效率优化效果.     

基于压缩感知理论的船舶数字图像水印算法

在船舶数字图像加密传输系统中,需要进行图像水印处理,提高船舶图像的抗攻击能力,针对传统的小波编码方法进行图像水印加密抗噪能力不好的问题,提出一种基于压缩感知理论的船舶图像水印算法。对提取的船舶图像采用Radon尺度变换方法进行边缘轮廓特征提取,对提取的边缘轮廓曲线采用Schwartz变换进行低频系数分解,提取船舶图像的低频压缩感知系数并与图像的高频系数进行模糊匹配,采用压缩感知理论进行图像量化编码,实现图像的水印提取。仿真结果表明,采用该方法进行船舶数字图像水印处理,提高了归一化相关系数和PSNR值,从而提高了图像的抗攻击能力。