海上舰船目标的多尺度图像识别算法

常规图像识别算法存在图像尺度分割不明确的问题,导致识别算法的准确率较低,构建一种新的海上舰船目标的多尺度图像识别算法。采集图像信息,获取图像噪声类型,利用样本分散数据,降维图像线性投影,提取像素点位置,分割多尺度图像构建识别算法。实验结果表明,此次构建的多尺度图像识别算法,在3种不同的图像分辨率条件下,识别准确率分别比其他2种常规识别算法高出16.52%,18.17%,14.79%,证明此次构建的图像识别准确率更高,更适合应用在海上舰船目标图像识别的任务中。     

基于改进视觉注意模型的舰船目标图像识别算法

以往使用基于局部Radon变换识别方法、基于SAR光学遥感图像识别方法受到复杂背景影响,使图像识别结果存在较多噪点和杂色,导致识别精准度较低,针对该问题,提出了基于改进视觉注意模型的舰船目标图像识别算法设计。构建改进视觉注意模型,初始分割阈值,采用中心周边算子,避免图像识别出现噪点。考虑双敌色效应,计算不同图像中心周边差异,避免图像识别出现杂色,提取舰船目标图像特征,再次阈值分割,识别出舰船目标图像。由实验结果可知,该算法识别效果好,最高识别效果为0.97,具有精准识别效果。     

云计算平台的海量舰船目标图像识别

针对传统海量舰船目标识别方法存在检测用时长、监测精度低等问题,因此,本文以云计算平台为研究基础,对该平台提取的海量异常舰船目标图像特征,进行识别方法的研究。首先,利用C-V水平集模型对舰船目标进行分割,根据轮廓曲线方程求解能量最小值后,使区域内的轮廓曲线逼近于图像目标边界,实现舰船目标的有效识别,最后实验证明,本文研究的智能监测方法用时短、监测精度高,且能够对舰船目标进行准确跟踪,具有很好的实用性。     

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。     

舰船视频图像局部特征的提取算法研究

舰船的视频监控系统能够有效提高海域内船舶的监控效率,提高海上监管的水平,在舰船视频监控系统的工作过程中,从视频图像中提取特征信息是关键的环节,也是业内的研究热点.本文描述了舰船视频监控系统的基本工作原理,探究了基于聚类分析的视频图像特征提取算法和基于边缘匹配的特征提取算法,对于改善视频监控系统性能有重要的意义。     

红外图像识别在舰船火灾中的应用分析

船舶上铺设有大量的电力输送线路,由于船舶电力系统的工况恶劣,往往会引发输电线路的短路、漏电等故障,进而引发舰船火灾,造成严重的人员伤亡和经济损失。火灾扑救的最佳时机是在火灾发生初期,因此,为了对船舶火灾事故防患于未然,研究一种行之有效的舰船火灾预防和报警系统有重要的意义。传统的船舶火灾报警系统普遍采用烟雾传感器和热传感器等作为火灾监测器,火灾监测的灵敏度较差且误报率高,具有一定的局限性。本文研究了一种基于红外图像识别技术的新型舰船火灾报警系统,并对该舰船火灾监测与报警系统的图像识别、边缘处理、平滑滤波等技术进行了详细的介绍。     

支持向量机的舰船图像识别与分类技术

研究支持向量机的舰船图像识别与分类技术,有效提取图像特征,提升舰船图像识别与分类效果。通过图像灰度化处理彩色舰船图像,获取灰度舰船图像;利用Gamma校正处理灰度舰船图像亮度,获取亮度适中的灰度舰船图像;利用方向梯度直方图特征提取方法,提取灰度舰船图像特征;通过局部线性嵌入算法降维处理图像特征,缩减图像识别与分类计算量;在支持向量机内输入降维后图像特征,输出舰船图像识别与分类结果。实验结果表明：该技术可有效灰度化与Gamma校正处理原始舰船图像,降低光照变化与局部阴影对特征提取的影响;该技术可有效提取船舶图像特征;在舰船图像模糊程度不同时,该技术均可精准识别与分类舰船图像,最高识别与分类误差仅有0.04。     

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。     

集成局部和全局特征的舰船图像检索算法

针对传统图像检索方法缺少图像分割步骤,导致检索效率较低的问题,提出集成局部和全局特征的舰船图像检索算法。计算色彩相似度,利用相似性度量公式度量样本图像和图像库中图像特征相似性,并设计全局和局部特征融合流程;使用指数函数描述相似度测量方法,并采用均匀分块法分割图像,由此获取2幅图像距离度量;结合遍历局部颜色直方图,对图像预处理,并提取出图像全局颜色特征。抽取图像局部颜色和图像纹理特征,输出相似性最大图像结合空间信息分布特征,由此完成图像检索。通过实验结果可知,使用该算法查全率最高为100%,说明图像检索完整,查准率最高为95%,具有良好的检索效果。     

集成局部和全局特征的舰船图像检索算法

面对现有船舶图像检索存在的“语义鸿沟”问题,导致无法满足用户实际检索需求,研究集成局部和全局特征的船舶图像检索算法,实现不同条件下的船舶图像检索。通过颜色矩方法提取船舶图像全局颜色特征;通过块截断量化编码理念,采用模糊C-均值聚类算法将船舶图像分割成子块,构建子块的二值位图,表示图像局部颜色特征;结合小波变换提取船舶图像纹理特征;求解待检索船舶图像与数据库中船舶图像的各特征相似度,获取总相似度,选取总相似度最大图像作为图像检索输出结果。实验结果表明：该算法可有效提取船舶图像纹理特征;尺度变化、光照变化、旋转条件下的船舶图像检索性能较好,平均匹配率97.94%,平均匹配时间为11.9 ms,检索速度快,操作简单,能够满足用户实时性检索需要。     

舰船监控视频传输中虚假图像识别方法研究

传统的舰船监控视频传输中虚假图像识别方法图像识别精准度低,为此设计一种舰船监控视频传输中虚假图像识别方法。采用加权平均值法对虚假图像灰度化处理,并利用直方图均衡化处理的方法对虚假图像中的灰度直方图转换。同时,采用二维双树小波变换方法对虚假图像重建以及图像分割,对舰船监控视频传输中虚假图像背景更新,完成了舰船监控视频传输中虚假图像识别。实验证明,此次设计的图像识别方法比传统方法的识别精准度高,实际应用意义大。     

深度学习在舰船前方障碍物图像识别中的应用

在舰船前方障碍物图像识别中,传统的图像识别系统漏检概率高、检测性能较差,难以满足舰船安全航行要求。深度学习是一种智能化技术,将其应用到障碍物图像识别中可以提高图像信息筛选、计算和检测效率。本文介绍深度学习中的神经网络模型和卷积神经网络,以及深度学习在舰船前方障碍物图像识别中的检测方法。基于传统深度学习算法的不足,提出改进后的Faster R-CNN方法在障碍物图像识别中的应用,并通过对比实验进行论证,实验结果表明改进后的图像识别模型具备检测精度高的应用优势。     

图像识别火灾探测技术在舰船消防中的应用分析

舰船火灾是危害舰船生命力的关键因素,对于舰船火灾的防控提倡在火灾发生时尽早探测报警,并实施有效灭火,因此舰船火灾的探测识别尤为关键。图像识别火灾探测技术作为一种新型的火灾探测技术具有灵敏度高、准确性好等优势,因此本文从火灾图像探测技术基本原理出发,介绍了火灾图像探测技术的发展现状,并对图像识别火灾探测技术在舰船消防中的适用性进行分析。分析认为将图像识别火灾探测技术运用在舰船上还应在以下领域做出改进:1)火灾图像识别算法对船舶典型火灾的识别能力;2)火灾探测系统对舰船环境的适应能力。     

基于机器学习算法的舰船影像处理算法

在海上运输中,舰船是最为重要的工具之一,并且也是军事活动中的重点打击目标,因此,对舰船进行快速准确地检测与识别尤为必要。遥感影像的出现,为目标检测与识别提供了强有力的支撑,在促进舰船目标检测水平提升方面具有不可替代的作用。由于遥感影像的处理过程较为复杂,为此,可在具体的处理时引入机器学习算法。基于此点,本文从机器学习及其相关算法的分析入手,详细论述了基于机器学习算法的舰船影像处理算法。     

改进SIFT算法的舰船图像拼接算法

舰船图像在拍摄过程中,由于各种因素的干扰,得到舰船图像不完整,难以描述舰船图像所要表达目标的信息,而当前舰船图像拼接算法存在拼接准确率低、拼接过程复杂等不足,为了获得理想的舰船图像拼接结果,提出基于改进SIFT算法的舰船图像拼接算法。首先提取待拼接舰船的图像,并对它们进行归一化、颜色增强、噪声滤波等操作,然后采用改进SIFT算法提取舰船图像拼接特征点,根据特征点进行两幅舰船图像的拼接操作,最后采用多种舰船图像进行了拼接测试实验,以验证改进SIFT算法的优越性。结果表明,改进SIFT算法避免了当前舰船图像拼接算法存在的局限性,不仅能够以高准确率实现舰船图像拼接,而且舰船图像拼接过程更加简单,加快了舰船图像拼接速度,取得了满意的舰船图像拼接结果。     

云计算的舰船信息管理系统优化算法

为解决常规舰船信息管理系统,信息数据管理能力弱,数据信息处理效率低,提出基于云计算的舰船信息管理系统优化算法。通过引入云计算模式,对常规舰船信息管理系统算法结构进行优化,结合建立的舰船信息管理系统快速更新策略,完成提出的优化算法研究。仿真实验证明,提出的舰船信息管理系统优化算法较常规舰船信息管理系统算法,数据信息处理效率提高25.7%,处理耗时缩短了18%,更适合用于数据信息杂乱繁多的舰船信息管理系统。     

人工智能算法的舰船路径规划

为了实现对舰船航行的智能调度,需要进行舰船路径规划设计,提出一种基于人工粒子群智能算法的舰船路径规划方法。构建舰船航行路径分布的网格结构模型,将舰船航行区域内的各个对象表达为人工粒子群个体,采用四元素的扩展卡尔曼滤波方法构造舰船航行路径规划的约束参量模型。构造舰船航行路径规划的控制目标函数,以舰船动态性能和稳态性能为优化目标,采用人工智能群算法进行航行路径的自适应寻优,实现舰船路径规划。结果表明,采用该方法进行舰船路径规划,能准确跟踪舰船航行的方位角和姿态角,实现路径实时跟踪,提高了舰船路径的准确规划能力。     

基于聚类分析算法的舰船数据挖掘

目前应用的舰船数据挖掘准确度较低,因此设计一种聚类分析算法的海上舰船数据挖掘。在数据挖掘中应用聚类分析算法,需要对数据进行预处理,得到文本数据特征向量集,利用模糊集体现近似关系,根据隶属度的取值将模糊聚类的思想演变为目标函数,将数据集按照目标函数,划分为具有较小差距的群组,初步得到数据挖掘结果,经过评估后,筛选出准确度最高的数据,作为数据挖掘的最终结果。至此完成了聚类分析算法的海上舰船数据挖掘的研究。通过实验表明,设计的数据挖掘准确度平均为92%,比传统的数据挖掘准确度高17.2%,验证了设计的聚类分析算法的海上舰船数据挖掘在提高挖掘准确度方面的可靠性。