基于视觉传达技术的舰船图像质量提升方法

由于舰船行驶过程所拍摄图像容易受到各种外界因素影响,降低舰船图像质量,无法获取舰船重要信息,因此,有效利用多种视觉传达技术提升舰船图像质量。结合大气弹射模型,采用改进的四叉树搜索方法估计有雾舰船图像的大气光值,通过子窗口引导滤波器估计有雾舰船图像的透射率,反推大气散射模型,获取去雾后的舰船图像;通过视觉传达技术中低通滤波器将去雾后舰船图像分解为低频部分和高频部分,将舰船图像的低频部分输入到编码-解码深度网络中,修正舰船图像的颜色,将舰船图像的高频部分输入到残差网络中,增强舰船图像的清晰度;再经视觉传达技术中改进的双伽马函数调整舰船图像的亮度,实现舰船图像的质量提升。实验结果表明：该方法使舰船图像的纹理细节丰富,颜色鲜明,具有较高的清晰度和对比度,符合人眼的视觉感受;与原始舰船图像的结构相似性均在0.91以上,保证了舰船图像的真实性。     

自适应直方图均衡处理下船舶视频监控图像去雾算法

由于现有船舶视频监控图像去雾算法没有物理模型的支持,会损失图像中部分信息,存在着去雾时间复杂度较高的问题,为此提出自适应直方图均衡处理下船舶视频监控图像去雾算法研究。估算图像透射率以及全局大气光强,将有雾图像转换为直方图,均衡化处理直方图灰度级,使像素点均匀分布在整个灰度级上,实现船舶视频监控图像的去雾。仿真对比测试结果表明:与现有代表算法相比较,提出算法滤波窗口尺寸合理性高、亮度系数小,表明提出算法的去雾时间复杂度低,适合大力推广使用。     

基于水上场景的图像去雾快速算法

为实现对水上场景图像的快速去雾,依据暗通道先验去雾算法的物理模型以及实现步骤,采用阈值分割的方法对透射率进行优化,并结合多尺度Retinex图像增强算法,使得图像近景去雾以及色彩恢复效果显著提高;同时,利用了最新的快速导向滤波法代替软抠图法以及导向滤波,提高了算法的运行速度,增加了算法的实用性。     

基于Chan-Vese模型的海面油膜分割应用

考虑到采用高空间辨率的光学图像开展海面油膜的监测由于海面风、浪、流等环境因素的影响,采集到的视频图像普遍存在成像光照不均匀、低对比度、低信噪比等问题,采用自适应高斯滤波进行图像噪声去除,基于一种局部图像对比度增强算法进行去雾和对比对增强处理,通过颜色空间转换配合Chan-Vese模型进行图像分割,使得海面油膜图像处理取得了良好效果。     

PDE船舶数字图像反差增强算法优化分析

针对传统直方图均衡化反差增强算法无法同时实现增强与去噪双重目标的问题,利用偏微分方程(PDE)对其进行优化,提出基于PDE的船舶数字图像反差增强优化算法。对一般直方图均衡化反差增强算法工作原理进行分析,以此为基础,利用PDE进行优化改进,将去噪方法和反差增强算法耦合在一起。结果表明,与一般直方图均衡化反差增强算法相比,应用本文优化方法,图像对比度得到保证的同时,峰值信噪比更高,实现了同时去噪和反差增强双重目标。     

海上监测图像去雾增强的交互式方法

雾天时图像对比度和颜色严重退化。为提高雾天海上舰船监测图像的质量,提出了一种海上图像去雾增强的交互式方法。方法结合海上图像的特点,改进原有的等景深模型和景深估计公式,获取图像每一点的近似深度信息,通过用户指定区域得到大气光线值,最后根据雾天图像的光学成像模型,得到清晰图像。实验证明,该方法有效改善了海上雾天图像的质量,方法简便,能够满足一定的实用要求。     

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。     

基于自适应迭代阈值的声呐图像增强算法

水下声呐成像探测技术日益成为各国普遍重视的技术。声呐图像具有对比度低、成像质量差的特点，对声呐图像进行增强处理是进行声呐图像判读和提高视觉效果的基础之一。针对声呐图像增强算法研究较少等问题，提出了一种迭代阈值图像增强算法，并采用评价准则算法和频域响应法对常用的几种图像增强算法进行比较分析。结果表明，该方法具有算法简单、易于实现等特点，且增强效果可较好地满足视觉效果的需求。     

基于视觉传达的空间模型舰船航行图形图像处理融合研究

为提高舰船在航行过程中对周围环境的检测效果,保证舰船的安全航行,本文基于计算机视觉传达技术,提出舰船航行图形图像分析处理方法。经过图像亮度调整、色彩均衡、融合等过程,处理后的图像得到了明显改善。同时,对传统的FCTF-Net算法进行了改进,得到双通道双阶段图像去雨网络（DTDNet）,在此基础上引入感知函数和TV Loss函数,实现对图像的去雾、去雨处理,并与其他几种算法进行了对比实验。实验结果表明,改进后的算法在信噪比和图像相似度上都具有明显的优势。     

基于生成对抗网络的水下图像增强

对光的散射和衰减导致水下图像出现颜色失真和细节模糊对比度低问题进行研究,提出一种基于生成对抗网络（GAN）的图像增强方法。首先以图像分割（U-Net）网络为基础提取水下退化图像特征,再使用改进的白平衡算法对原始图像进行去偏色处理,用卷积神经网络提取去偏色后的图像特征,接着通过卷积神经网络完成两者特征融合,最后重构增强的图像。结果表明,本文算法增强后的图像在UIQM、PSNR和SSIM指标上的平均值为5.071、25.310和0.996,分别比第二名提升了1%、7%和5%。在主观感知和客观评估中,处理后的图像在清晰度、颜色校正和对比度方面均得到改善。     

计算机3D处理技术的船舶图像优化

为了解决传统图像处理方法存在的图像质量差的问题,应用计算机3D处理技术,提出船舶图像优化方法。输入初始船舶图像,并对其进行解码处理。利用计算机3D处理技术,实现图像的投影变换。最终通过图像去雾、降噪、增强以及归一化等处理步骤,输出船舶图像的优化处理结果。经过与传统图像处理方法的对比,发现设计方法输出船舶图像的清晰度和信噪比分别提高了93.9 ppi和26.7 dB,即图像优化质量得到明显提升。     

极端天气条件下舰船图像增强方法

针对雨雪、风沙、雾霾等极端天气下采用传统方法图像增强效果差的问题,提出极端天气条件下舰船图像增强方法。在计算机视觉中构建大气散射模型,描述极端天气下舰船图像的形成过程,确定介质透射率,真实反映出光线穿透极端天气的能力。将单幅图像转换为CIE-Lab颜色空间,由此设计无噪声清晰图像恢复流程。使用改进暗原色先检验方法处理雾霾图像;使用自适应直方图均衡方法处理沙尘图像;通过改进暗原色先检验方法实现雨雪图像的增强。由实验结果可知,该方法增强效果较好,为舰船提供高质量图像。     

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。     

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。     

基于机器视觉的船舶舱室液体泄漏监测方法

基于机器视觉的舱室液体泄漏监测,是实现船舶机舱朝无人化方向发展的必然需求。文章针对目前低照度下船舶舱室液体泄漏的图像质量差和识别精度低等问题,提出了一种基于机器视觉的船舶舱室液体泄漏监测方法。首先,采用改进的多尺度Retinex算法对低照度下船舶舱室液体泄漏的图像进行处理,使图像对比度增强、细节更丰富、边缘保留完整。然后,对增强后的液体泄漏图像进行特征提取,通过机器学习对船舶舱室液体的泄漏故障进行判断。结果表明,增强后的泄漏图像识别精度得到了明显提升,使用k-近邻(k-Nearest Neighbor,kNN)算法可达到95%的分类精度,能够很好地监测低照度下的船舶舱室液体泄漏。     

一种隧洞探测型AUV及其图像拼接方法研究

裂缝是输水隧洞最普遍的缺陷和潜在威胁,AUV巡检与拍摄输水隧洞中的裂缝,通过拍摄的水下图像进行处理,以确定裂缝位置。但由于水下环境极大限制了光视觉图像可视范围与分辨率,单幅水下图像所获得的视角范围有限,所以本文提出了基于SURF算法的AUV水下图像拼接方法研究。该方法首先在图像预处理阶段对水下图像进行去畸变与限制对比度自适应直方图均衡化处理,用于解决水下图像存在的畸变、对比度低、噪声严重等问题。接着将SURF特征点检测算法应用于水下图像配准当中,并与RANSAC算法相结合对特征点进行精确匹配,然后应用线性渐变融合算法实现水下图像融合,有效去除拼接缝隙,完成水下图像拼接,最终通过水池与外场实验拼接图像来验证该方法的正确性。     

海洋卫星遥感图像对比度特征同步检测方法研究

传统的海洋卫星遥感图像对比度特征同步检测方法具有运算复杂、检测效率低的缺陷,为了解决上述问题,提出海洋卫星遥感图像对比度特征同步检测方法研究。以提取的海洋卫星遥感图像对比度特征为依据构建图像对比度特征图,以此为基础,采用最大熵估计算法对遥感图像对比度特征进行分割,得到遥感图像对比度特征熵,通过LBP方法对遥感图像对比度特征进行同步定位,实现了海洋卫星遥感图像对比度特征的同步检测。通过测试结果显示,与传统的海洋卫星遥感图像对比度特征同步检测方法相比较,提出的海洋卫星遥感图像对比度特征同步检测方法极大地降低了运算复杂度,提升了检测效率,充分说明提出的海洋卫星遥感图像对比度特征同步检测方法具备更好的检测性能。     

一种隧洞探测型自主式水下机器人及其图像拼接方法

针对采用自主式水下机器人(AUV)巡检和拍摄输水隧洞中的裂缝时水下环境会极大地限制光视觉图像的可视范围和分辨率,单幅水下图像获得的视角范围有限的问题,提出一种基于加速稳健特征(SURF)算法的AUV水下图像拼接方法。在图像预处理阶段对水下图像进行去畸变和限制对比度自适应直方图均衡化处理,用于解决水下图像存在的畸变、对比度低和噪声严重等问题。将SURF特征点检测算法应用到水下图像配准中,并与RANSAC算法相结合,对特征点进行精确匹配。应用线性渐变融合算法实现水下图像融合,有效去除拼接缝隙,完成水下图像拼接,最终通过水池和外场试验拼接图像验证所提方法的正确性。     

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。     

红外图像中舰船目标增强技术研究

随着各国在海洋领域竞争的日益激烈,舰船目标自动识别技术正逐渐成为社会的研究热点,目标增强是舰船目标自动识别技术中的重要环节,但通常海天背景下舰船目标红外图像的目标背景对比度低,图像信噪比差。为使低对比度舰船红外图像中感兴趣目标得到增强,本文首先利用中值滤波去除图像中的随机噪声,然后对图像进行同态滤波,最后加入对像素空间位置的考虑,利用像素邻域的灰度均值和均方差值构建了一个灰度变换函数,实现图像的灰度拉伸。实验结果表明,以往仅通过灰度信息的增强技术很难取得较好效果,本文在考虑像素位置的基础上提出的灰度变换函数可较好的实现对舰船目标局部区域的增强。