数字遥感舰船图像特征精确匹配方法分析

传统舰船图像特征匹配方法,无法对数字遥感图像进行高精度图像匹配,导致图像有效信息使用率降低。因此,提出数字遥感舰船图像特征精确匹配方法分析。首先,通过FAST算法对数字遥感图像进行匹配信息的高精度特征检测;接着,根据图像特征检测数据,对图像特征点进行描述;然后,通过描述的特征点信息,完成像素级别的特征相似度匹配计算,从而完成数字遥感舰船图像特征精确匹配。最后,采用仿真测试工具,对设计方法与传统方法进行数据实验,并根据实验对比结果,证明数字遥感舰船图像特征精确匹配方法的有效性。     

SIFT算法研究及在目标识别中的应用

随着卫星技术的快速发展,遥感成像的清晰度在不断提高,海上舰船成像分辨率的增大为利用舰船的局部特征进行识别奠定了基础。本文研究SIFT特征提取算法的原理及应用,并对经典SIFT匹配算法进行介绍。针对经典匹配算法在进行SIFT特征匹配时的问题,通过计算图像尺度比的近似值用以改变图像的初始尺度,重新提取特征点,并进行二次特征匹配。最后,通过实验仿真证明,本文算法能有效提取高分辨率舰船卫星图像的稳定特征点,提高匹配算法的性能。     

利用虚拟现实技术的舰船图像优化

传统舰船优化算法仅能对图像二维层面进行通道增强,在三维结构层面上无法实现图像的构成像素关系的分析优化,从而出现优化后的图像结构关系不够清晰、细节特征模糊的问题。基于上述图像三维层出现的问题。引入虚拟现实技术,提出虚拟现实技术的舰船图像优化研究。利用虚拟现实技术,在图像的虚拟三维空间,提取图像三维结构特征;通过三维虚拟增强算法,对特征量进行结构变换增强优化。最后通过虚拟重构算法,对优化后的图像特征量进行图像结构重构,从而实现优化图像结构细节的效果。通过与传统图像优化算法的优化效果对比表明:提出的优化方法,在多处图像结构细节优化上,做出精准处理,处理效果符合实际应用要求,且优于传统图像处理效果,更适合舰船图像的精度化处理。     

基于时空域滤波的雾天舰船图像视觉传达方法

为提升雾天舰船图像视觉传达质量,提出基于时空域滤波的雾天舰船图像视觉传达方法。中值滤波算法分解雾天舰船图像,获取基础层与细节层雾天舰船图像;利用时空域滤波算法确定舰船图像需增强区域,并对其进行图像增强;以加权融合方式到增强后雾天舰船图像;提取增强后雾天舰船图像的边缘轮廓特征,依据量化融合方式处理提取的边缘轮廓特征,输出雾天舰船图像视觉传达结果。实验证明,该方法可有效分解雾天舰船图像,并增强图像,有效完成现雾天舰船图像视觉传达,提升图像边缘强度与彩色熵,即图像视觉传达效果较优。     

串行视觉通信下舰船失真图像颜色校正方法分析

以提升串行视觉通信下的舰船图像质量为目标,研究串行视觉通信下舰船失真图像颜色校正方法。采用多线程通信技术,通过写线程、读线程以及监测线程的多线程合作,完成舰船图像的串行视觉通信。依据自适应颜色阈值,划分待传输的舰船失真图像为多个层次,针对各层次的舰船图像设置不同尺度的细节函数,依据细节函数提取舰船失真图像的颜色特征信息。依据所提取的颜色特征,划分舰船失真图像的亮区域与暗区域。利用统计特征匹配方法以及直方图匹配方法,分别完成亮区域与暗区域的颜色校正,合成完成颜色校正的暗区域与亮区域,获取舰船失真图像颜色校正结果。实验结果表明,该方法有效校正串行视觉通信下的舰船失真图像颜色,舰船失真图像的色度、饱和度、亮度改善效果明显。     

三维动态舰船图像颜色特征自动提取及应用研究

以提升舰船颜色特征的应用技术水平,研究三维动态舰船图像颜色特征自动提取和应用方法。通过相机采集三维动态舰船图像颜色特征后,先使用PCA算法获取三维动态舰船图像的颜色特征子空间,再通过K-means聚类算法得到三维动态舰船图像颜色特征,以该颜色特征作为基础,分别利用支持向量机算法和二阶常速模型实现舰船目标识别和航迹跟踪。实验结果表明,该方法可有效提取三维动态舰船图像颜色特征的R、G、B分量,提取舰船图像颜色特征能力较强。将提取到的三维动态舰船图像颜色特征,应用到舰船目标识别和航迹跟踪,可有效识别舰船和跟踪舰船航迹,应用效果较为显著。     

船舶轮廓图像三维重构技术研究

传统三维造型技术所得的三维坐标精准度差,为了解决这个问题,提出一种新的船舶轮廓图像三维重构技术。先提取船舶轮廓线,在处理船舶轮廓图像数据,以实现重构的完整性,在此基础上,采用零均值归一化算法,匹配船舶轮廓图像特征点,在建立粗匹配关系后,获取船舶轮廓三维点坐标,实现船舶轮廓图像三维重构,由此,完成船舶轮廓图像三维重构技术的设计。最后,在数据库中随机选取7组立体匹配对应图像点,对比2种方法的精准度,实验结果表明,所提方法精准度更高。     

特征匹配的舰船图像识别算法

针对传统的舰船图像识别算法的鲁棒性较差的问题,研究特征匹配的舰船图像识别算法。对待识别的舰船图像做降噪和边缘强化处理,建立高斯金字塔使用SIFT方法提取预处理后的图像中的特征,并对提取的特征进行匹配。在神经网络中对匹配后特征对过滤,对过滤后的匹配特征对分类处理完成对舰船图像的识别。通过与传统图像识别算法的对比实验,证明了研究的特征匹配的舰船图像识别算法具有更佳的鲁棒性。     

船载智能平台架构空间信息提取算法研究

为了满足实际船舶操作需求,减小提取空间信息与实际空间信息之间的误差,提出船载智能平台架构空间信息提取算法。根据船舶遥感图像光谱信息与空间信息特征,采用FNEA算法,多尺度分割遥感图像,定位目标船舶的空间信息位置(质心点),利用高斯投影反算方法,转换质心点坐标,获取目标船舶空间信息,实现空间信息的转换与提取。实验结果表明,应用本文算法提取的空间信息与实际空间信息误差较小,能够满足实际船舶操作需求。     

双目视觉下多尺度舰船图像轮廓特征点提取算法

为清晰分辨船舶航行图像的边缘特征信息,提出双目视觉原理下的多尺度舰船图像轮廓特征点提取算法。依照图像信息的测距处理方案,匹配必要的视觉性像素,完成基于双目视觉的舰船图像特征点标注处置。在此基础上,根据多尺度成像坐标原理,判定舰船图像的灰度信息,再通过计算轮廓特征系数的方式,实现双目视觉下多尺度舰船图像轮廓特征点提取算法的应用。对比实验结果表明,与SIFT算法相比,应用新型特征点提取算法后,QDI系数指标出现明显提升的变化趋势,船舶航行图像的边缘特征信息得到清晰化分辨。     

虚拟现实技术舰船高速航行图像目标检测算法

针对常规算法所得检测结果的中心位置偏差较大,导致检测精度低下的问题,提出虚拟现实技术舰船高速航行图像目标检测算法研究。参考人眼的视觉习惯,将采集到的图像灰度化处理,利用均值滤波法抑制噪声,改善图像质量,利用虚拟现实技术,计算目标点三维坐标值,定位图像目标,提取特征确定检测区域,调整融合系数,增强抗干扰能力,实现舰船高速航行图像目标检测。设计对照实验,与常规算法对比分析,实验结果表明,所提出的算法检测结果中心位置偏差明显减小,其检测精度远优于常规算法。     

复杂光照条件下舰船遥感图像特征匹配模型构建

传统的特征匹配模型存在实际匹配时误匹配消除数量过小,导致特征点正确匹配数量过少的问题,针对这一不足,构建一种复杂光照条件下舰船遥感图像特征模型。首先提取复杂光照条件下遥感图像的稳定特征点,排序稳定的匹配特征点,设置一个匹配窗函数为整个匹配区域提供匹配兴趣值,消除误匹配,完成特征模型的构建。构建仿真实验环境,测定在50个投票值数量下,传统匹配模型与构建的匹配模型的正确匹配特征点数量,结果表明:文中构建的匹配模型得到的正确匹配数量为48,正确匹配数量更多。     

舰船遥感图像的分类方法研究

遥感图像分类一直是舰船应用领域的关键技术,由于遥感图像具有多波段、高维特征等特点,当前遥感图像分类技术面临一定的挑战。为了获得更优的舰船遥感图像分类结果,提出一种多分类器加权组合的舰船遥感图像分类方法。首先分析舰船遥感图像分类研究的历史,找到导致单分类器的舰船遥感图像分类错误率高的原因,然后引入双边滤波算法对原始舰船遥感图像进行去噪,并提取舰船遥感图像分类纹理特征,最后采用多种方法建立舰船遥感图像分类器,并对它们进行加权组合,输出舰船遥感图像的最终归属。仿真测试结果表明,本文方法获得了比单分类器更优的舰船遥感图像分类正确率,舰船遥感图像分类结果更加可靠。     

基于遥感图像的舰船运行信息提取方法

舰船运行过程体系复杂,通过对舰船运行信息提取,实现对舰船的实时状态监测,提出基于遥感图像的舰船运行信息提取方法。采用遥感探测方法进行舰船运行的图像采集,对采集的舰船遥感图像进行级联小波降噪处理,采用模板匹配方法进行舰船运行遥感图像的分块融合,实现运行状态特征量的图像反馈识别。根据对遥感图像的边缘轮廓检测结果进行舰船运行状态的实时监测和信息提取,提高舰船运行状态的可视化量化分析能力。仿真结果表明,采用该方法进行舰船运行信息提取能准确检测到舰船的运行特征信息,输出图像的信噪比较高,舰船运行状态的视觉监测性能较好。     

基于VR技术的舰船航行环境快速重构研究

由于点云数据匹配数量不足,导致重构的三维图像与实际图像之间存在较大位置误差。针对上述问题,进行基于VR技术的舰船航行环境快速重构研究。研究以VR技术为依托,利用VR技术中的核心计算机完成4个步骤。首先对前端VR成像设备采集到的二维点云图像进行预处理,包括点云去噪和精简;然后进行摄像机标定,确定摄像机数学模型,从而得出三维空间中物体的几何信息;再以得到的几何信息为基础,进行点云特征点检测与点云匹配;最后利用VR技术中的VTK软件实现自动重构。结果表明,与2种传统重构方法相比,本方法应用后,点云匹配数量更多,重构的三维图像与实际图像之间的位置误差更小,证明了本方法的重构性能。     

图像处理技术在船舶航行障碍物识别中的应用

为了提高船舶航行避障能力,提出基于图像分块特征匹配和视觉跟踪识别的船舶航行障碍物识别技术。采用点跟踪匹配和动态帧点检测的方法进行船舶航行障碍物识别的红外图像信息采集,对采集的船舶航行障碍物红外视觉图像进行区域组合检测和融合处理,提取图像的差异性和突变性特征点,根据特征点的分布情况采用视觉跟踪识别方法实现对船舶航行障碍物识别。测试表明,该方法对船舶航行障碍物识别的动态跟踪能力较好,识别可靠性和精度较高。     

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。     

基于大数据的舰船红外图像目标实时跟踪方法

舰船红外图像目标实时跟踪具有重要的研究意义,针对当前舰船红外图像目标实时跟踪算法存在的易丢失跟踪目标、目标跟踪精度低、计算时间少等缺陷,为了改善舰船红外图像目标实时跟踪效果,设计了基于大数据的舰船红外图像目标实时跟踪方法。首先分析了目前一些经典舰船红外图像目标实时跟踪方法的缺陷,找到引起它们不足的原因,然后提取舰船红外图像目标跟踪特征,并采用大数据分析技术根据特征实现舰船红外图像目标实时跟踪,最后对舰船红外图像目标跟踪误差和实时性进行实例分析,结果表明,本文方法的舰船红外图像目标跟踪精度高,跟踪误差处于实际应用要求的最小区间内,且舰船红外图像目标跟踪计算时间短,可以对目标进行实时有效的跟踪,获得比其它方法更优的舰船红外图像目标实时跟踪结果。     

特征子空间抽取的大规模舰船遥感图像集检索研究

传统遥感图像集检索方法主要是通过图像单点像素特征匹配方式实现的,这样虽然可以实现图像信息的匹配,但是对于大规模图像集的检索效率较低,无法完成大规模遥感图像检索任务,因此研究一种基于特征子空间抽取的大规模舰船遥感图像集检索方法。首先利用特征子空间抽取方式对大规模遥感图像集特征空间的特征核进行分析;然后根据分析结果对图像特征空间进行自适应分解;接着将特征数据与检索信息进行融合,完成图像集的检索任务;最后通过实验证明了本文研究的检索方法的有效性。     

可见光与红外图像融合研究现状及展望

可见光与红外图像的成像特征具有显著差异,但其图像融合又有良好的互补性。介绍了可见光与红外图像融合的概念、现实意义及应用进展,简述了其融合层次和特殊性;重点阐述了像素级、特征级和决策级等几种常见的可见光与红外图像融合算法;简要分析了目前研究存在的问题及发展趋势。