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。     

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。     

反馈机制的大规模舰船图像检索

传统方式的舰船图像检索能够完成舰船图像的检索任务,但针对大规模复杂度较高的舰船图像,存在检索速度慢、检索不准确的问题,为此提出反馈机制的大规模舰船图像检索。利用图像反馈模型对舰船图像的颜色、纹理、形状、空间特征进行量化反馈,采用量化数值对比的方式进行图像检索;优化图像相似度度量方法,实现反馈机制的大规模舰船图像检索。实验数据表明,该方法比传统舰船图像检索速度提高66.44%,且具有良好的检索准确性。     

融合改进粒子群算法的船舶图像检索研究

为了提高船舶图像检索效果,针对当前的船舶图像检索过程中特征权值的确定问题,提出一种融合改进粒子群算法的船舶图像检索方法。首先对当前船舶图像检索方法进行分析,提取不同类型的船舶图像检索特征,然后采用粒子群算法确定船舶图像检索特征权值,并对粒子群算法存在的缺陷进行相应的改进,最后通过特征加权得到船舶图像特征之间的相似度值,根据相似度值得到船舶图像检索结果,并采用多幅船舶图像进行检索实验,结果表明,本文方法的船舶图像检索率超过94%,而船舶图像的误检率和漏检率均低于5%,获得了十分理想的船舶图像检索结果。     

海上视频监控系统组合相似度图像智能识别方法

在海上防御中,准确识别目标物体具有重要的现实意义。为此,针对2种传统图像目标识别方法存在的精度问题,研究一种海上视频监控系统组合相似度图像智能识别方法。该方法主要分为3步骤,首先对海上监控系统采集到的图像进行预处理,包括图像灰度化、图像平滑去噪、图像增强、图像分割等,然后利用HOG特征提取算法对处理好的图像进行特征提取,最后通过距离公式计算目标特征与数据库中相似性评价标准之间的相似度,完成相似度匹配,实现目标识别。结果表明:与基于K-means聚类、CNN模型等2种传统图像目标识别方法相比,利用本方法编程的软件程序进行25000个海上目标识别,识别准确性分别提高8.1%和7%,提高了海上防御的安全性。     

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。     

基于区域模糊直方图的图像检索

将图像分割算法和模糊理论相结合,提出了基于区域模糊直方图的图像检索方法。用快速聚类算法对图像进行区域分块,以各区域的视觉特征为基础,建立图像模糊直方图并进行图像检索。在1000幅通用图像库上的实验表明,该方法可以得到比较满意的检索结果。     

基于区域模糊直方图的图像检索

将图像分割算法和模糊理论相结合，提出了基于区域模糊直方图的图像检索方法。用快速聚类算法对图像进行区域分块，以各区域的视觉特征为基础，建立图像模糊直方图并进行图像检索。在1000幅通用图像库上的实验表明，该方法可以得到比较满意的检索结果。     

舰船辐射噪声的相似度评估

结合舰船辐射噪声的特征提取和相似度评估方法,建立评估体系对2组舰船辐射噪声的相似度进行评估。本文通过对舰船辐射噪声的连续谱、线谱、DEMON谱分析,提取了三大类23项特征作为评估指标;结合相似度法和层次分析法,确定了各相似元相似度和权重系数,最终建立了舰船辐射噪声的相似度评估体系。用该评估体系对2组舰船辐射噪声信号进行分析计算,结果与实际情况相吻合,表明该方法具有较高的可信性,为舰船的识别、状态监测等领域提供了一定的参考价值。     

基于 GPU 的 Harris 图像特征提取

船用钢板的加工制造主要采用水火弯板的加工过程,随着三维测量技术的发展,现代工业系统主要采用视觉测量技术,它针对目标钢板的纹理特征不明显的特点,提出了一种点阵结构光的方法来测量钢板的三维形状.通过对钢板投影一些点阵,采用基于 GPU 的 Harris 加速角点检测算法提取投影特征点.实验结果表明,对于分辨率为995＆#215;646大小的图像加速比提高了26.36倍.     

基于机器学习的大规模船舶图像检索机制

船舶图像具有大规模、多样性等变化特点,传统船舶图像检索机制难以获得高精度检索结果。为了获得理想的船舶图像检索结果,设计了基于机器学习的大规模船舶图像检索机制。首先分析当前船舶图像检索研究进展,阐述船舶图像检索基本流程,然后采集不同类型的船舶图像检索特征,选择最优的船舶图像检索特征作为机器学习算法的输入、船舶图像类别作为输出,最后通过机器学习算法的训练建立船舶图像检索的分类器,并与其它船舶图像检索机制进行了对照测试。测试结果表明,本文机制可以满足大规模船舶图像检索要求,船舶图像检索正确率要高于对比船舶图像检索机制,可以更快找到用户需要的船舶图像,获得了令人满意的船舶图像检索结果。     

多特征融合的舰船目标分类研究

给出一种多特征融合的舰船目标分类方法,该分类方法中选用两类特征:第一类特征为根据舰船图像信息提取的RST不变性特征;第二类特征为根据舰船水下的辐射噪声提取到的MFCC系数。将2类特征进行融合,共同作为高斯混合模型的输入值。实验结果表明,本文给出的方法具有较高的识别率。     

RBF神经网络的舰船图像滤波融合

普通舰船图像滤波融合模型,不能兼顾滤波精度计算性与滤波容错性。为解决此问题,设计基于RBF神经网络的舰船图像滤波融合仿真模型。通过网络结构设计与网络学习方法设计,完成RBF神经网络的搭建;改进原有仿真模型算法、舰船图像多滤波融合形式,完成仿真模型的搭建。模拟应用环境设计对比实验结果表明,基于RBF神经网络的舰船图像滤波融合仿真模型,既提升滤波精度计算性与滤波容错性,也做到2种性能的兼顾。     

舰船红外图像检索与特征分析中支持向量机技术的应用

舰船的红外图像检测技术有非常重要的作用。在军事领域,精确的舰船红外图像检测可以起到敌方舰船侦察、维护海上领土安全的作用;在民用领域,舰船的红外图像检索与特征分析,有助于海上航线管理和交通管理,从而提高海上运输的效率和安全性。本文针对舰船的红外图像检测技术,系统的介绍了红外成像的原理,基于向量机技术和图像处理技术,研究了舰船的红外图像检索和特性分析,并对某舰船海上红外图像进行了仿真试验。结果表明,基于向量机分类技术的舰船红外图像处理具有良好的效果。     

基于图像纹理特征提取的船舶目标定位方法

普通船舶目标定位方法,确定目标船舶所处位置时,易发生较大偏差,且所需定位时间过长。为有效解决此问题,设计基于图像纹理特征提取的船舶目标定位方法。通过船舶图像纹理特征的确定,完成基于Gabor船舶图像纹理特征的提取。通过目标阵列稀疏信号的确定、稀疏信号方位角的确定,完成基于图像纹理特征提取的船舶目标定位方法的搭建。设计对比实验结果表明,新型船舶目标定位方法与普通方法相比,一定程度上,缩小目标船舶定位误差及所需定位时间。     

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。     

基于多源大数据分析的船舶图像检索技术

图像检索技术是船舶图像处理研究的重点,当前船舶图像检索技术采用单源数据进行检索研究,由于提供的信息量小,导致船舶图像检索精度低,为了提高船舶图像检索精度,克服当前船舶图像检索技术存在的缺陷,提出了基于多源大数据分析的船舶图像检索技术。首先分析船舶图像检索技术的国内外研究现状,找到单源数据分析技术的不足,然后根据多源大数据分析理念,提取船舶图像检索的局部二值模式特征和Brushlet域复特征,根据这2种特征进行船舶图像检索,最后进行了船舶图像检索性能的验证性测试分析。测试分析结果显示本文技术的船舶图像检索的查全率超过96%,远远高于当前其它船舶图像检索技术,而且船舶图像检索时间更短,船舶图像检索可靠性得到有效改善,解决了单源数据分析技术的不足,为后续船舶图像处理打下了良好的基础。