统计学习在海上遥感图像背景去噪的算法研究

针对传统的遥感图像中存在的边缘清晰度低、噪声干扰大等问题,本文在统计学习的基础上利用支持向量值轮廓波变换进行海上遥感图像去噪处理。阐述支持向量值轮廓波变换,并建立相干斑噪声模型,通过支持向量值轮廓波变换对此模型进行处理,最后进行不同算法的对比实验。实验结果表明,本文算法能够保持原始图像的细节信息,泛化能力好。     

船舶噪声视频图像的去噪锐化方法

传统视频图像降噪处理普遍采用小波滤波算法完成降噪计算,虽然像素通道内的噪声被有效去除,但是滤波过程中有效像素的损耗导致图像通道的收敛性降低,不利于后期图像的锐化处理。为了解决此问题,提出船舶噪声视频图像的去噪锐化方法。为了避免去噪过程中对正常像素的损伤,本文提出的方法采用拉氏去噪算子去噪算法,完成噪声像素点的去除计算。通过梯度锐化并行算法在去噪算法的基础上,完成对图像像素的锐化计算。对比实验表明,提出的去噪锐化方法比传统去噪锐化方法,提升图像整体去噪锐化效果好,实用性更强。     

一种基于软阈值的小波去噪算法

对于高幅度和宽尺度的噪声要素，尤其是当有用信号的幅度和噪声尺度相差不大时，使用传统的傅里叶滤波和一般的小波变化去噪的效果不是很好，对此提出了一种软阈值去噪方法。仿真实验结果表明，这种方法在有效消除高频随机信号和特定尺度的噪声，同时又能很好地保留原有的有用信号。     

基于经验模式分解的滤波去噪算法

经验模式分解法被认为是非线性、非平稳数据处理方法的新进展.其最大优点是根据信号本身的特性自适应地产生合适的模态函数,这些模态函数能很好地反映信号在任何时间局部的频率特征,克服了小波变换中要选取合适小波基的困难.基于经验模式分解的分解特性,本文提出了一种新的阈值去噪方法,通过事先建立的经验阈值,根据自适应方法对噪声进行去除,然后对去除的噪声进行随机采样后加入到去噪信号中重新滤波,通过反复滤波迭代进行噪声的去除.实验结果证明了本方法与小波相比具有自身独特的优势.     

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。     

小波变换在信号去噪方面的应用研究

利用小波对信号去噪,是小波理论应用于实际的一个重要方面.介绍用于一维检测信号去噪的几种常用方法,在Matlab7.0系统仿真工具中实现了去噪算法,并对这几种算法的去噪效果进行了比较.     

船舶舱室火灾图像实时去烟算法研究

烟雾会降低能见度,为船舶火灾消防带来极大不便。研究图像实时去烟算法,并应用到视频监控或消防设备中,为消防行动提供视觉支持,对提高行动效率具有重大意义。本文提出一种图像实时去烟算法,在分析了船舶舱室火灾图像特点的基础上,基于传统Retinex理论,引入滚动导向滤波代替高斯滤波,取消对数计算,并结合图像金字塔设计了多尺度处理,通过对比度拉伸优化视觉效果。主、客观评价的结果表明,该算法去烟效果良好,优于直方图均衡化、多尺度Retinex、暗通道先验3种经典图像清晰化算法,且对640×480×3像素RGB图像的处理时间仅为95 ms。     

基于频域滤波的噪声识别去噪算法

在频域滤波的基础上,对图像的高频部分进行噪声识别,区分边缘与噪声,进而通过改进的空间滤波算法实施去噪,使图像边缘细节部分得到保护,再将处理后的高频图像与其对应的低频图像进行融合,以获得完整的高质量图像.实验结果表明通过新算法处理后的图像可以达到较好的降噪效果.     

基于光学遥感图像的船舶目标检测技术研究

首先分析基于光学遥感图像的船舶目标检测流程,然后利用Top-Hat算法进行目标图像增强,并设计检测系统结构元尺寸自适应选择算法,以此来克服光学遥感图像的不均匀性和局部背景的粗糙性。最后进行不同海况的船舶目标检测试验。试验结果表明,本文算法虽然在实现过程中较阈值分割算法要复杂,但其适用范围更广,并且能够有效提高复杂海况下船舶目标检测的准确率。     

光学遥感图像舰船目标检测算法研究

针对航天图像舰船目标快速检测问题,本文提出了一种复杂海洋背景中舰船目标的快速提取,舰船尾迹的检测及目标检测算法。根据人类视觉注意机制,把梯度作为视觉注意前期的简单特征,然后以开尔文尾迹为主要依据,以区域灰度方差表示纹理粗糙度,进行舰船尾迹识别,最后分析舰船检测的原则和主要特征,提出舰船目标检测流程,并进行目标检测实验,实现准确的尾迹识别和目标检测。     

背景提取算法在雷达视频图像中的应用

论文将三种典型的背景提取算法应用在雷达视频图像中,并且对各种算法进行仿真分析,通过比较各种算法的性能,找出现有的视频背景提取算法在雷达视频背景提取中的优缺点,为进一步的研究奠定基础。     

基于网页去噪Hash的增量式网络爬虫研究

基于网页Hash值产生的增量式网络爬虫,可以实现网页的增量抓取过程.然而,由于网页噪声的存在,经典Hash算法对文本产生的Hash值过于敏感,导致通过Hash值对比判断网页变化的过程偏离实际情况.研究提出一种去噪后Hash产生方法,通过对网页文本块进行“正文”与“噪声”分类,去除噪声后对网页正文内容产生Hash值并判断网页是否变化,提高网页增量抓取效率.实验结果表明所提出的基于去噪后Hash产生方法的增量式抓取过程,Hash值敏感度降低,有效提高了网络爬虫增量抓取性能.     

基于船舶卫星遥感图像的目标特征算法

在现代海洋运输及海上军事业务中,对船舶目标的有效定位及跟踪是保证海洋运输安全的有效方法之一。现有的海上目标检测跟踪系统中,有基于雷达目标检测﹑水声目标检测及卫星遥感图像的目标检测方法。由于海上环境的复杂性及目标物的快速移动性,基于遥感图像的目标检测成为最重要的方法之一。本文分析现有船舶目标物的特征参数,提出船舶卫星遥感图像快速有效的船舶目标特征值提取算法,最后给出了基于此算法的数据库设计。     

小波软阈值滤波在信号去噪中的有效性研究

对于高幅度和宽尺寸的噪声要素,尤其是当有用信号的幅度和噪声尺度相差不大时,使用传统的傅里叶滤波和一般的小波变换去噪的效果不是很好,对此提出了一种软阈值去噪方法。根据小波理论及软阈值滤波的算法,用MAT-LAB对四种典型信号和陀螺信号进行去噪仿真研究。理论分析和仿真结果表明,这种方法能有效消除高频随机信号和特定尺度的噪声,同时又能很好地保留原有的有用信号。     

基于统计模型的船舶图像检索组合优化算法

船舶图像检索是高效管理船舶图像的关键技术,由于船舶图像类型多、复杂,使得当前船舶图像检索准确性差,无法满足船舶图像管理的实际应用要求,为了提高船舶图像检索准确性,设计了基于统计模型的船舶图像检组合优化算法。首先提取船舶图像的不同种类特征,并采用现代统计学理论中的支持向量机分别对每一种特征进行船舶图像检索,然后通过BP神经网络对每一种特征的船舶图像检索结果进行融合,实现船舶图像组合检索,最后采用具体船舶图像检索实例分析算法的性能,结果表明,本文算法解决了当前船舶图像检索算法存在的弊端,船舶图像检索成功率大幅度提升,同时可以有效减少船舶图像检索时间,改善了船舶图像检索效率,可以应用于实际的船舶图像管理系统中。     

基于尺度空间理论的舰船遥感图像特征提取技术

不论是军事作战领域还是民用领域,基于遥感技术的海上舰船目标探测技术都发挥着重要的作用,近年来,随着海上气象条件的恶化、反侦察技术和干扰技术的发展,舰船遥感图像的特征提取过程中噪声含量越来越多,提取难度也不断增加。针对这一问题,本文采用了一种基于尺度空间理论的舰船遥感图像特征提取技术,利用尺度空间高斯算法等改善了舰船遥感图像的特征提取精度,有重要的应用价值。