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。     

基于红外视频图像的火焰特征提取算法

为了提高舰船火灾的识别率,研究了一种基于红外视频图像的火焰特征提取算法。首先对红外视频图像进行预处理,然后利用火焰红色饱和度、亮度值以及红色分量值等判据对疑似火焰区域进行识别,采用四邻域搜索法对疑似火焰区域进行分割,最后根据火焰燃烧初期的特点对火焰特征进行提取。实验结果表明,该算法能够有效分割出疑似火焰区域并提取出火焰特征。     

大噪声环境下前视声呐图像目标识别方法研究

提出大噪声环境下前视声呐图像目标识别的研究方法,针对水下无人航行器(UUV)在近岸浅水区航行中由于前视声呐图像噪声较大,难以准确识别目标的问题,通过改进的中值滤波和Otus阈值检测算法,对前视声呐图像进行滤波和二值化.利用区域增长算法分割疑似目标区域图像,分别提取分割图像的长度、形状、方向、灰度均值和灰度能量中值等参数...     

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。     

极端天气条件下舰船红外图像分割算法

针对雾霾、雨雪、雷电等极端条件下舰船红外图像分割准确率低、误检率高的问题,提出极端天气条件下舰船红外图像分割算法。在描述极端条件下舰船获取的红外图像特征,输入原始红外图像,采用高斯滤波器提升原始红外图像的信噪比,利用滑动窗口计算原始红外图像的局部标准差,通过四处二值化图像,以图像形态学为基础进行光伏列阵填充,根据图像轮廓调整光伏阵列区域,获取分割结果。实验结果表明,本文研究的舰船红外图像分割算法的准确率较高,误检率较低,具有较好的实际应用性能。     

多变光照下的无人船图像模糊纹理光点定位识别

采用当前方法对无人船图像进行识别时,没有对无人船图像进行预处理,导致识别效果差、识别效率低、识别率低。为此,提出多变光照下的无人船图像模糊纹理光点定位识别方法。首先,以Lambertian模型为基础,构建LTV模型,利用该模型对多变光照归一化,提高整体的识别效果;然后,通过K-L变换原理对无人船图像实行降维处理,在计算繁琐度降低的同时提高所提方法的识别率。最后,利用小波变换法对图像进行积分投影,提取图像中的无人船区域,并对提取后的无人船区域进行梯度增加,丰富局部特征,通过CS-LBP算子提取无人船图像的纹理特征,实现无人船图像模糊纹理光点定位识别。实验对比结果表明,所提方法的识别效果更好、识别效率更高。     

无人机红外舰船目标分割

舰载无人机执行情报、侦察任务已经成为海上信息化作战中的重要手段.红外图像分割是无人机探测红外舰船目标特征提取、识别与跟踪的基础.针对红外图像普遍存在目标与背景对比度较低、目标边缘模糊和信噪比低等特点,提出基于改进的局部熵过渡区提取的分割方法.实验表明,与一维和二维最大类间方差法的分割性能相比,此方法在满足实时性要求下可以获得良好的分割结果.     

SAR图像舰船目标长宽特征提取技术

SAR图像特征提取是目标识别中的关键步骤,直接影响目标识别的结果。长度类特征因其简单直观、效率高、易于提取等优势,常被作为船只类型的初始判定,针对SAR图像舰船目标长宽特征提取问题,本文提出一种新的方法。首先通过水平集分割获得目标轮廓,其次采用区域消除方法滤除杂波,获得预处理后的目标图像;其次通过最小外接矩形拟合目标,获取舰船目标切片的长轴、旋转的角度;再次采用最小二乘法椭圆拟合获取舰船目标短轴;最后得到舰船目标的长宽特征。通过实测SAR图像处理结果表明,本文方法能够在背景杂波干扰下,抑制相干斑噪声的影响,提高了长宽提取的精度,是一种有效的舰船目标长宽特征提取方法。     

SAR图像舰船目标长宽特征提取技术

SAR图像特征提取是目标识别中的关键步骤,直接影响目标识别的结果。长度类特征因其简单直观、效率高、易于提取等优势,常被作为船只类型的初始判定,针对 SAR图像舰船目标长宽特征提取问题,本文提出一种新的方法。首先通过水平集分割获得目标轮廓,其次采用区域消除方法滤除杂波,获得预处理后的目标图像;其次通过最小外接矩形拟合目标,获取舰船目标切片的长轴、旋转的角度;再次采用最小二乘法椭圆拟合获取舰船目标短轴;最后得到舰船目标的长宽特征。通过实测SAR图像处理结果表明,本文方法能够在背景杂波干扰下,抑制相干斑噪声的影响,提高了长宽提取的精度,是一种有效的舰船目标长宽特征提取方法。     

改进神经网络的船舶红外图像边缘检测方法

研究改进神经网络的船舶红外图像边缘检测方法,提升边缘检测抗噪声干扰能力。采用块匹配的主成分分析方法对船舶红外图像实施去噪处理后,经梯度算子将降噪后船舶红外图像转换为二值图像;以BP神经网络为基础,通过附加动量法-自适应学习速率调整BP神经网络权值,提高网络训练鲁棒性;将转换后舰船二值图像作为改进神经网络的输入,在实施网络训练后得出输出值,依据输出值和设置阈值的对比结果,获取船舶红外图像边缘点,实现船舶红外图像边缘检测。实验结果表明：该方法降噪后船舶红外图像的PSNR值全部高于40 dB,降噪效果较好;可有效提取船舶红外图像边缘特征且边缘检测结果清晰、连贯,能够达到船舶红外图像边缘检测标准。