基于视觉传达技术的船舶图像中弱小目标检测方法

为及时发现和跟踪小型渔船、救生艇等弱小目标,提高海上救援和应急响应的效率和准确性,研究基于视觉传达技术的船舶图像中弱小目标检测方法。通过中值滤波算法去除船舶图像中的噪声,改善船舶图像质量,将去噪后的船舶图像应用于基于门限直方图均衡的船舶图像增强方法中,在该方法处理下,增强船舶图像对比度;之后利用视觉传达技术,对船舶图像中的弱小目标亮度进行调整,并根据亮度调整结果分割目标边缘,从而实现弱小目标检测。经实验验证,该方法可在保证图像边缘清晰的情况下实现图像去噪与增强,提高了船舶图像质量,同时该方法具有较高的背景抑制因子与信杂比率增益,在检测过程中可有效分割弱小目标与背景,实现良好的弱小目标检测。     

舰船遥感图像的目标识别研究

本文根据遥感图像的目标识别要求,从舰船的目标识别要点出发,首先介绍舰船遥感图像的识别流程,针对舰船遥感图像在摄取中存在一定云块和复杂海况的噪声干扰问题,提出一种基于多级视觉感知算法去除海面背景干扰,获取舰船目标;考虑到获取到的舰船目标存在一定的虚假识别,本文引入基于SVM分类器方法有效的过滤掉虚假舰船目标,并在最后对舰船目标的分类识别结果进行了分析。     

基于机器视觉技术的舰船行驶轨迹自动检测算法

由于传统的舰船行驶轨迹自动检测得到的目标图像局部视觉对比度低,弱小目标占据像素少,导致检测结果精度下降,无法为相关技术人员提供有效的参考价值,为此提出基于机器视觉技术的舰船行驶轨迹自动检测算法研究。利用所采集图像帧与帧之间的关联性,采集其灰度变化情况,获取有效信息,提取灰度矩阵特征,选择目标层次中的相邻帧,获得短时轨迹,计算得出灰度坐标,使所得轨迹光滑连续,分析单帧检测结果,完成基于机器视觉技术的舰船行驶轨迹自动检测算法研究。设计对照实验,验证所提出算法的应用效果,实验结果表明,在应用机器视觉技术后,检测得到的图像局部视觉对比度有着显著提高,能够证实所提出算法的行驶轨迹检测性能优于传统算法。     

炮兵目标遥感图像毁伤判据的建立与分析

目标毁伤判据是炮兵进行精确毁伤效果评估基础,对评估结果的优劣有重要影响。在分析目标结构、易损性和目标图像特征的基础上,提出了以目标的遥感图像特征为底层毁伤因素的遥感图像毁伤判据建立方法,并建立了毁伤判据。最后,对遥感图像毁伤判据进行了实验验证。实验结果表明,与传统的毁伤判据相比,基于遥感图像的毁伤判据评估结果更加精确,实现了自动毁伤效果评估。     

图像块混沌特征在海面运动目标检测中的应用

为了消除舰船目标检测中海面背景的影响,提出了一种基于图像块混沌特征的目标检测算法.该算法利用小数据量法计算图像块的最大Lyapunov指数,分析运动目标存在时背景信号混沌特征的变化,检测淹没在混沌背景信号中的目标信号.实验采用400帧图像进行检测,检测率为100%,虚警率为5%.结果表明,算法能有效地检测出海面背景下的舰船目标.     

基于视觉传达的模糊舰船图像目标分类检测

模糊舰船图像的有效分类识别可提高对目标的准确打击和辨识能力,提出基于视觉传达和图像增强的模糊舰船图像目标分类检测模型。构建模糊舰船图像的多传感视觉采集模型,采用目标图像与背景图像差分分析方法实现对舰船图像的目标特征提取和聚类处理,根据视觉聚类传达和目标图像的特征点增强结果,结合模糊C均值聚类算法,实现对舰船目标图像的分类检测。测试得知,该方法进行舰船目标分类检测的聚类性较好,识别精度较高,视觉传达效果显著增强。     

通信网络应用下海面舰船目标实时检测方法

当前进行海面目标检测时需要借助遥感图像的分析,受到检测环境和遥感图像传输速率的限制,导致检测精度和效率较低。为优化上述存在的缺陷,将研究通信网络应用下海面舰船目标实时检测方法,以提升海面目标的实时检测效果。在对海面目标图像进行预处理和海天线提取等操作后,确定待检测目标的类型。利用基于神经网络的脉冲超宽带探测目标的具体参数,实现目标实时检测。实例验证结果显示,在不同场景下,研究的检测方法均保持90%以上的正确率,且检测耗时相对较少。     

基于时空域滤波的雾天舰船图像视觉传达方法

为提升雾天舰船图像视觉传达质量,提出基于时空域滤波的雾天舰船图像视觉传达方法。中值滤波算法分解雾天舰船图像,获取基础层与细节层雾天舰船图像;利用时空域滤波算法确定舰船图像需增强区域,并对其进行图像增强;以加权融合方式到增强后雾天舰船图像;提取增强后雾天舰船图像的边缘轮廓特征,依据量化融合方式处理提取的边缘轮廓特征,输出雾天舰船图像视觉传达结果。实验证明,该方法可有效分解雾天舰船图像,并增强图像,有效完成现雾天舰船图像视觉传达,提升图像边缘强度与彩色熵,即图像视觉传达效果较优。     

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。     

无人机海监测绘技术应用下舰船遥感图像目标检测

随着遥感技术与无人机技术的结合,无人机遥感已广泛应用于海监测绘领域。通过大量实践发现,受到天气雨雪、大雾、霾的影响,无人机获取舰船遥感图像时,目标识别清晰与准确度明显降低。为此,应用无人机海监测绘技术进行下舰船遥感图像目标检测。通过对遥感图像目标的明暗分离计算、海陆场景分离计算与目标神经特征识别计算,实现对舰船遥感目标的快速检测。仿真场景对提出的设计进行对比测试,结果证明了提出设计的可行性与实用性。     

基于视觉传达的舰船遥感图像复原研究

为可靠完成图像退化处理,提升图像视觉质量,提出基于视觉传达的舰船遥感图像复原方法。该方法采用多项式校正方法获取控制点舰船图像坐标和坐标变换结果,依据变换关系校正舰船遥感图像的几何畸变;通过傅里叶变换方法变换校正后图像,将其变换至频率域内,在该域中分析舰船遥感图像退化过程后,采用超复数频域变换模型实现舰船遥感图像复原,获取复原后图像结果。测试结果表明：能够有效完成图像几何畸变校正,校正后图像对应坐标位置精准性显著提升;空间频率结果均在0.92以上;复原后图像的颜色、目标和背景的对比度等均显著提升,满足人眼视觉标准。     

视觉传达技术的雾天舰船图像恢复研究

由于使用基于空间角度恢复方法、基于变换领域恢复方法受到大量像素影响,特征点提取结果不精准,会导致图像恢复效果较差。为了解决该问题,提出视觉传达技术的雾天舰船图像恢复研究。剪裁提取目标区域,计算像素间隔,得到图像的物理坐标。以此坐标为基础进行三维图像面的重建。通过信息交互,确定重建面的同体元坐标点,完成三维重建。基于重建结果,调整局部区域亮度,区分明暗原色,结合视觉传达技术,设计了雾天舰船图像恢复流程,避免了边缘提取不连续的问题。由实验结果可知,该方法特征点提取结果与图像比例下实际值一致,误差为0,图像恢复效果较好。     

基于顶帽运算的遥感图像恒虚警率舰船目标检测算法

随着合成孔径雷达的出现,使得利用合成孔径雷达图像实现海洋目标检测,成为海洋遥感领域的研究重点。由于合成孔径雷达遥感图像中存在大量的背景像素,为从图像中对目标信息进行有效提取,需要借助顶帽运算提高图像的信杂比,并利用恒虚警率算法实现目标快速检测。鉴于此,文章从利用顶帽运算增强遥感图像的信杂比分析入手,对基于顶帽运算的遥感图像恒虚警率舰船目标检测算法进行论述。     

不稳定条件下船舶遥感图像层次特征识别分析

传统遥感图像特征识别方法,在不稳定条件下无法准确对图像中的层次信息进行特征识别及分析处理。因此,提出不稳定条件下船舶遥感图像层次特征识别方法。通过对遥感图像进行特征干扰源提取计算,使图像层次变得清晰;引入卷积神经网络算法对图像层次特征进行网络化特征提取计算;采用像素特征识别方法对图像层次特征进行识别与分析;最后,通过实验对设计方法进行可行性的客观论证。     

基于极限学习机算法的光学遥感图像舰船目标监测

在遥感成像技术快速发展的背景下,获取遥感图像的方式有所改变,已经不再局限在合成孔径雷达方面,而是开始采用光学相机。通过光学相机所形成的遥感图像具有较高的分辨率,且能够在图像中对感兴趣目标进行检测。其中,光学遥感图像是军事活动应用遥感技术的重点且备受关注。将极限学习机算法应用在光学遥感图像舰船目标检测中,可以进一步提高检测质量与效果。该算法属于全新的单隐含层前馈神经网络学习算法,结构相对简单且能够快速学习,全局寻优能力较强,计算复杂程度降低,能够获得最小平方优化解,性能稳定且泛化。总体来讲,基于极限学习机算法的光学遥感图像舰船目标检测研究十分有必要。     

三维视觉识别下推进器模糊故障图像清晰化仿真研究

现有推进器生成图像时采用的传统算法存在噪声辨识度低、图像噪声边缘计算精度差的问题。导致生成的故障图像模糊,无法精准对其分析。针对此种问题,提出三维视觉识别下推进器模糊故障图像清晰化仿真研究。首先,通过展开三维视觉高斯差算法对图像噪声粒子进行差分计算,明确有效图像轮廓;其次,引入噪声循环分解算法,对确定的噪声轮廓内噪声点进行弱化计算,提升有效图像锐度,视线清晰图像的效果。最后,通过仿真实验对提出的设计方法进行对比性数据验证,证明提出的三维视觉识别下推进器模糊故障图像清晰化仿真方法能够有效解决推进器故障图像模糊的问题。     

基于视觉传达优化的低清晰度船舶图像复原研究

针对图像复原易出现复原图像颜色视觉特征失真问题,提出基于视觉传达优化的低清晰度船舶图像复原方法。该方法通过帧扫描方法,提取低清晰度船舶图像视觉传达信息的像素二维特征;使用基于最大后验概率的高分辨率船舶图像重组方法,将所提取低清晰度船舶图像视觉传达信息的像素二维特征,进行高分辨率特征重组,并引入基于视觉颜色模型的视觉传达效果优化复原方法,优化高分辨率特征重组后复原图像的颜色视觉传达效果。实验数据验证：该方法对低清晰度海域通行船舶监控图像复原处理后,图像视觉传达效果得到明显提升,且复原后船舶图像峰值信噪比、结构相似性指数接近1,图像特征失真小;复原后图像颜色特征显著性指数最大值达1.0,颜色特征细节显著性得以改善。     

基于频域残差及局部协方差的红外弱小目标检测

在复杂背景及强噪声干扰的场景中,红外小目标因其尺寸小、信号弱、缺乏文理特征等特点,极易湮没在背景和噪声中,导致检测虚警率高、算法复杂、计算量大等问题。为此,本文提出一种基于频域残差及局部协方差的红外弱小目标检测方法。首先,通过频域残差计算红外图像的显著图,以获得目标可能存在的区域。然后,在此区域内利用局部协方差检测方法做识别。最后,通过自适应阈值分割得到真实目标。对不同复杂背景的红外图像进行小目标检测实验,结果表明,与传统检测算法相比,该算法在不同场景下都能有效抑制背景和噪声,准确检测目标,且满足实时性要求。     

基于视觉传达技术的低分辨率舰船图像优化

对于低分辨率舰船图像的优化,常规的优化方法缺少对目标图像的色彩补偿,导致优化方法的抗噪声性能不足。为了解决这一问题,提出视觉传达技术的低分辨率舰船图像优化研究。利用视觉传达技术处理原始舰船图像,增强图像彩色像素细节。在此基础上,建立目标图像的运动公式,通过计算得到图像的变化规律,实现优化前后的图像配准和重建,实现低分辨率舰船图像的优化。实验结果表明,在图像规格逐渐增大的情况下,设计的图像优化方法峰值信噪比始终高于30 dB,并且在像素对准实验中噪点分布均匀,对图像质量影响较小,该方法的整体抗噪声性能得到了增强。     

复杂环境下的舰船视觉图像增强技术

针对当前增强技术存在的区域过渡不自然、块效应、信息丢失严重等问题,以改善舰船视觉图像质量为目标,设计一种复杂环境下的舰船视觉图像增强技术。首先对当前舰船视觉图像增强技术的研究现状进行分析,找到引起不足的因素,然后对舰船视觉图像进行分块操作,对每一个子块进行变换,然后通过Harr变换的方法计算不同子块间的相关度,确定图像增强系数,根据图像增强系数对舰船视觉图像进行自适应增强,最后对增强后的舰船视觉图像进行亮度调度,使图像更加清晰,视觉效果更佳。采用具体舰船视觉图像对增强技术的性能进行测试与分析,实验结果表明,本文方法的舰船视觉图像效果得到了极大改善,舰船视觉图像信噪比、亮度和对比度均要优于对比技术,为舰船视觉图像增强提供了一种新的技术。