智能视频监控中舰船假目标图像检测算法

传统舰船假目标图像检测算法存在检测精准度低的缺陷,为此提出智能视频监控中舰船假目标图像检测算法研究。将智能视频监控中采集的图像采用灰度化处理得到灰度图像,利用直方图均衡化处理灰度图像,提升图像的质量。采用滤波处理方法将得到的图像进行去噪,完成图像的预处理,为图像检测做准备。采用小波变换方法对上述得到的图像进行特征提取,将得到的图像特征输入到图像检测模型中,与真目标图像特征进行逐一比较,输出假目标图像,实现了对舰船假目标图像的检测。实验结果表明,提出的舰船假目标图像检测算法检测精准度比传统算法高出21.8%,说明提出的舰船假目标图像检测算法具备极高的有效性。     

机器视觉在船舶监控系统虚假图像识别中的应用

船舶机舱监控系统利用视频图像采集装置,对机舱内关键设备的运行状态、工作人员的活动等进行实时监控。监控系统的关键技术是进行机舱监控视频图像的处理,剔除虚假图像信号,提取能够表征舰船机舱设备、人员工作状态的信息。本文将重点放在舰船监控系统的虚假图像识别中,充分利用计算机视觉技术从图像的前处理、后处理、虚假图像提取等方面进行详细研究。     

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。     

舰船网络视频图像无损压缩传输优化方法

针对舰船网络视频图像在无损压缩传输过程中受到无损压缩系数的影响,以缩短舰船网络视频图像的无损压缩传输延时为目的,提出了舰船网络视频图像无损压缩传输优化方法研究。采用彩色分块处理技术分块处理对舰船网络视频图像,提高舰船网络视频图像的传输速度,将舰船网络视频图像的无损压缩任务分配给其他节点,解决舰船网络视频图像在能量受限节点处的无损压缩传输能力的不足,提取了网络视频图像无损压缩传输准确性,通过舰船网络视频图像无损压缩传输优化流程设计,实现了舰船网络视频图像无损压缩的传输优化。实验测试结果表明,提出的舰船网络视频图像无损压缩传输优化方法当无损压缩系数为50%、舰船网络视频的大小为1 024×20时,舰船网络视频图像的无损压缩传输延时最短。     

舰船监控图像拼接与识别研究

针对当前舰船监控图像拼接与识别存在的弊端,如拼接错误率高、识别正确率低等,为了提高舰船监控图像拼接与识别效果,设计了一种神经网络的舰船监控图像拼接与识别方法。首先提取舰船监控图像拼接的特征,并根据拼接关键点方向直方图建立舰船监控图像拼接模型,然后引入神经网络构建舰船监控图像识别的分类器,最后进行了舰船监控图像拼接和分类仿真模拟测试实验。相对于其它舰船监控图像拼接方法,本文方法的舰船监控图像拼接正确率得到了提升,同时本文方法的舰船监控图像识别正确率超过了90%,使得舰船监控图像的误识率大幅度减少,具有一定的实际应用价值。     

舰船视频监控数据压缩算法的设计

数据压缩算法是舰船监控视频系统中的重要技术,直接影响舰船监控视频传输的实时性,针对当前舰船监控视频数据压缩算法存在压缩比小、信息丢失严重等不足,设计了基于剪切波变换和压缩感知算法的舰船监控视频数据压缩算法。首先对当前舰船监控视频数据压缩算法进行研究,找到各种算法存在的局限性,然后对舰船监控视频原始数据进行去噪处理,减少噪声传输所占的通信资源,并采用剪切波变换对舰船监控视频数据进行分解,最后采用压缩感知算法对剪切波变换系数进行压缩处理,减少舰船监控视频数据规模,并通过剪切波反变换对舰船监控视频数据进行重构。与对比舰船监控视频数据压缩算法的仿真对比测试结果表明,本文算法能够在保持舰船监控视频数据原始信息的基础上,对舰船监控视频数据进行了最大限度的压缩,而且舰船监控视频数据压缩速度快,获得了对比算法更加理想的舰船监控视频数据压缩结果。     

舰船可伸缩视频图像非显著特征自适应提取方法

针对目前舰船视频图像特征提取方法误差较大的问题,以SUSAN角点提取为核心,设计新型舰船可伸缩图像非显著特征自适应提取方法。利用高斯滤波对原始视频影像进行预处理,提取视频图像概略特征集,采用SUSAN特征集角点检测方法,对图像概略特征集进行角点检测,提出灰度差算法,更改角点灰度差阈值,实现视频图像非显著特征自适应提取。实验数据表明,该方法与传统方法相比,视频图像象元定位精确度提高17%,灰度点定位精确度提高了21%,可以明显提高视频图像特征自适应提取准确度,具有较好鲁棒性。     

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。     

基于关联规则的远洋舰船运行监控大数据挖掘方法

针对传统的远洋舰船运行监控大数据挖掘方法精准度低的情况,本文应用关联规则算法,对远洋舰船运行监控大数据挖掘方法进行设计。为了有效对舰船远行监控大数据挖掘,首先获取监控数据源,将数据存入到数据库中,在此基础上,对远洋舰船运行监控数据预处理,以此生成舰船运行监控大数据挖掘模型,完成了对运行监控大数据的挖掘,实验对比结果表明,本文设计的基于关联规则的远洋舰船运行监控大数据挖掘方法比传统的舰船运行监控大数据挖掘方法精准度高,具有一定的实际应用意义。     

恶劣环境下监控视频中舰船图像增强研究

受到舰船监控应用环境的影响,恶劣环境下监控视频中会因为低照度原因,出现视频图像运动影像模糊问题,严重影响视频监控应用。为此,提出恶劣环境下监控视频中舰船图像增强研究。首先对低照度舰船监控视频图像进行降噪明度提升计算,接着对视频图像运动目标轨迹进行增强计算,最后对图像全局通道进行模糊遮罩层的去雾计算,从而完成图像增强计算。为了证明提出研究方法的有效性,通过仿真对比实验对提出方法与传统方法进行测试,根据测试结果,得出有效性结论。     

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。     

复杂背景下无人艇视频视觉目标图像识别算法

为精准跟踪海域环境中的各类舰船目标,生成连续性的视觉目标图像视频,提出复杂背景下的无人艇视频视觉目标图像识别算法。利用增强滤波处理无人艇图像中的数据信息,再通过特殊信息标记的方式,完成无人艇视频的图像数据集设计。在此基础上,改进原识别提取网络,借助边界框预测实值,完成待识别目标图像的特征提取,实现复杂背景下无人艇视频视觉目标图像识别算法的顺利应用。对比实验结果表明,与KCF目标跟踪算法相比,应用新型目标图像识别算法后,YOI船体识别参数增大至8.56,实现了对海域环境中各类舰船目标的精准跟踪,大幅促进了连续性视觉目标图像视频的生成。     

面向舰船监控的视频模糊可视化图像阴影精准设计及消除方法

为解决舰船监控图像存在模糊阴影面积过大的问题,提出面向舰船监控的视频模糊可视化图像阴影消除方法。通过估算监控场景深度关系的方式将原始的模糊图像复原,完成舰船监控视频的去雾处理;在此基础上,分割图像中的可视化节点,再按照阴影覆盖面积的数值水平计算精准消除参数,实现面向舰船监控的视频模糊可视化图像阴影消除。仿真实验结果表明,与K-means聚类算法相比,应用所提方法后,舰船监控图像模糊区域的边长值明显缩短,原始视频中模糊阴影面积过大的问题得到有效解决。     

多尺度特征提取的复杂舰船图像分割研究

图像分割质量直接关系到后续图像识别的准确性和运算量。为实现舰船图像高质量、高效率分割,研究一种基于多尺度特征提取的复杂舰船图像分割方法。该方法针对复杂舰船图像实施灰度化、滤波2种预处理。利用直方图均衡化法提高图像对比度,更加突出目标特征。通过高斯金字塔对图像实施多尺度分解,并提取每一级尺度图像的4种特征,归一化处理后得到特征矢量。利用均值漂移算法实现过分割,利用图论方法实现再分割,完成分割方法研究。结果表明：与阈值法、区域法和边缘法相比,本文方法应用下,Dice相似系数更大,分割重叠误差更小,说明本文方法分割性能更高,实现更为精确化和详细化的图像分割。     

监控视频中可疑舰船的实时检测研究

现有方法由于监控视频图像处理缺陷,导致存在着可疑舰船检测时间较长、检测准确性较差,无法满足现今海上安全保障的需求,故提出监控视频中可疑舰船的实时检测研究。由于多种因素的影响,监控视频图像清晰度较差,通过直接灰度变换方法对其进行增强处理,以此为基础,基于监控视频图像相位谱生成显著图,利用Roberts算子计算显著区域的梯度,与上述获得的显著图相结合,得到综合视觉显著图,从而实现可疑舰船的实时检测。实验结果显示,在不同天气条件背景下,与现有方法相比较,提出方法可疑舰船检测时间较短,检测准确性较高,充分表明提出方法实时检测效果更佳。     

舰船阴影检测算法在视频图像中的应用

海上舰船的监控有利于加强船舶监管水平,提供船舶航行的安全性,随着视频传感器与计算机技术的发展,海上舰船视频监控覆盖的范围越来越广,与此同时,视频监控的目标识别与图像处理技术也得到了一定的发展。视频图像中的阴影会降低目标识别的精度,因此,在进行舰船视频图像处理时必须要利用阴影消除算法,来改善舰船目标识别的水平。本文介绍一种基于色彩空间的阴影消除算法,并结合信号降噪技术,提升了监控视频图像中舰船目标检测的精度。     

船舶机舱监控视频的智能检索系统设计

智能监控是通过图像处理的方法对动态场景中的目标进行自动、实时的跟踪识别,并分析和判断目标行为的现代化电子计术。对舰船智能监控系统的基本理论和关键技术进行深入调查和研究,提出了舰船监控智能检索系统设计方法,以便更好的对目标进行跟踪。通过对目标数据特征进行分析,对视频的序列进行匹配和记录,优化舰船机舱视频对监控目标的检测和提取功能,为验证方法的有效性,设计仿真实验,对视频数据进行检测和提取,并记录图像目标特征。试验结果表明该方法有计算简单、运行稳定的特点,可快速得到正确的视频跟踪检索目标。     

船舶监控视频数据的压缩与传输方法研究

为保障船舶航行信息准确直观的进行传输,对船舶监控视频图像的压缩与传输准确性要求进一步提高,由于传统船舶监控视频数据压缩和传输解压程序复杂、图像画质模糊,难以达到准确传输船舶数据画面的获取要求。基于上述背景,结合离散小波变换算法对船舶监控数据压缩与传输方法进行研究和优化,以提高数据传输的安全性和可靠性,达到精准快速的传输和恢复图像质量的设计目标。为检验该方法的有效性进行仿真实验,实验结果证实,结合小波算法的监控视频数据压缩与传输方法可有效提高图像数据处理过程中的抗干扰能力,有效获取图像特征,快速进行图像传输,达到了精准高效的设计目标,有利于保障船舶的航行安全。     

船舶视频监控图像的多特征集成研究

传统视频监控图像多特征集成技术对舰船图像集成后清晰度较差,并伴随一定的图像阴影,为此提出船舶视频监控图像多特征集成技术。根据舰船图像的底层视觉特征进行图像自动标注,为特征提取提供定义数据,对图像进行序列选定,避免集成图像生成阴影;使用空间分布特性进行图像视觉特征表达,使用纹理特征方式实现船舶监控图像多特征集成。试验数据表明,设计的图像多特征集成技术能够完成船舶图像的高清特征集成。     

基于图像分割的船舶吃水深度检测方法

针对传统的船舶吃水深度检测方法精准度低的情况,提出基于图像分割的船舶吃水深度检测方法。以得到精准的舰船吃水值为出发点,采集舰船吃水图像,并进行动态模板匹配,减少舰船晃动对吃水深度检测的影响,在此基础上,对船舶水尺图像字符进行校正,计算吃水线位置,得到舰船吃水深度,以此实现船舶吃水深度检测。实验对比结果表明,此次设计的基于图像分割的船舶吃水深度检测方法比传统的吃水深度检测精准度高,具有一定的实际应用意义。