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。     

船载嵌入式网络视频监控图像模糊细节增强系统

船载嵌入式网络的普及应用,为船舶及其航行环境视频监控提供了有力支撑,为船舶航行决策制定提供了大量的图像数据。由于天气环境、设备振动等多种因素的影响,致使图像细节缺失,制约着视频监控图像的应用,提出船载嵌入式网络视频监控图像模糊细节增强系统设计。通过动态范围拉伸模式预处理视频监控图像,以此为基础,基于模糊集理论计算视频监控图像细节模糊熵,利用遗传算法确定最佳模糊参数,计算扩散系数,将其与视频监控图像模糊梯度场进行结合,应用变分法求解修正隶属度函数,通过逆变换将视频监控图像从模糊域转换到灰度域,即可获得细节增强后的船载嵌入式网络视频监控图像。实验数据显示,应用设计系统获得的增强视频监控图像信息熵最大值为9.45,充分证实了设计系统细节增强效果更佳。     

船舱内部监控图像模糊增强算法

常用的图像增强处理算法利用图像直方图均衡原理进行增强,算法的时间复杂度很高,实时性和处理效果较差。为提高图像质量,研究船舱内部监控图像模糊增强算法。监控图像经过预处理后,将图像变换到模糊域,使用图像对比度作为模糊增强算子对图像进行增强处理,完成算法研究。通过与2种传统增强算法的对比实验,证明了研究的算法相比较至少缩短约40%的处理时间,且处理后的图像质量相比更佳。     

图像去雾的小波域 Retinex 算法

针对传统Retinex算法在图像去雾处理中易造成光晕伪影、边缘模糊以及算法复杂度高等缺点,提出了一种图像去雾的小波域Retinex算法。该算法将Retinex算法拓展到小波域,利用雾天图像中雾霾与景物细节信息在小波域中能量的不同分布特点,采用Retinex算法抑制雾霾分量,用锐化处理增强景物细节信息分量,以降低雾霾对图像的影响,增强图像细节的清晰度;该算法用双边滤波替代传统Retinex算法中的高斯滤波,以克服高斯滤波对图像边缘的模糊效应和光晕伪影。实验结果表明,该算法能有效地改善雾天图像的退化现象,提高图像的清晰度。     

高斯模糊下舰船图像自适应细节增强方法

高斯模糊下传统舰船图像自适应细节层次感会降低,图像细节刻画不明显,为此提出舰船图像自适应细节增强方法。设计自适应UM细节图像增强方法,确定自适应增益系数,对细节层次感进行区域规划,设计自适应拉低对比度区域增强机制,提升图像细节刻画能力;通过图像扩张对细节板块化颜色校正,保证呈现方式具备明显的色彩对比,对图像进行灰度计算,实现图像自适应细节增强。实验结果表明,设计方法能够增加图像自适应细节的层次感以及细节表现力。     

采用小波SAR算法的船舶监测系统设计

根据小波变换和Teagar算子的优良特性,设计出一种基于SAR图像的船舶检测算法,并且基于该算法设计出了一套监测系统。该系统能够准确、高品质的实时对船舶进行跟踪监控。此监控系统的核心是这一套新的算法,该算法对SAR图像进行小波变换,然后针对小波变换的低频分量采用Teagar算子进行增强和去噪处理,再将低频分量和高频分量利用逆小波变换获得高品质的SAR图像。并通过实验验证本系统的适用性和优越性。     

舰船尾迹图像去噪处理方法研究

针对现有去噪处理方法获得的舰船尾迹图像质量较差,边缘信息模糊等缺点,提出一种基于MCA与特定滤波器相结合的舰船尾迹图像去噪处理方法,对舰船尾迹成像模型和相干斑噪声模型以及统计特性进行了分析和计算;采用MCA对舰船尾迹结构成分与水面复杂背景纹理成分进行有效分离,分别选择双正小波变换和剪切波变换构建舰船尾迹纹理字典和结构成分字典,将舰船尾迹图像形态成分分离过程转化成最优化问题进行求解,去除了干扰;采用同态滤波对去噪处理后的舰船尾迹图像进行增强,并设计了高通滤波器来替代同态滤波函数中的滤波器,实现了舰船尾迹图像的中低频成分抑制和高频部分增强。实验结果表明,所提方法对舰船尾迹图像的去噪处理效果最好,得到的图像边缘清晰度更高,纹理特征也更加显著,且细节信息得到了增强。     

基于视觉感知技术的低质量舰船航行图像增强系统

为提升低质量舰船航行图像质量,为舰船航行监测提供可靠依据,设计基于视觉感知技术的低质量舰船航行图像增强系统。该系统以同步动态随机存取内存中存储的低质量舰船航行图像为基础,利用FPGA矫正图像畸变后,在SDRAM控制模块的控制下,经由通信模块将图像传送至图像增强模块中,该模块采用视觉感知技术,增强舰船航行图像后,通过PCI总线传送至PC机中,呈现低质量舰船航行图像增强结果。测试结果表明：该系统具有较好的低质量图像增强性能,增强后图像的度平均梯度和图像信息熵的结果均在0.92以上;图像的边缘轮廓质量较好,有效改善了图像模糊情况,并且避免图像增强后发生色彩失真现象,图像细节的完整性较好。     

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。