基于图像检测的船舶特征提取算法优化

传统船舶特征提取算法,无法完全对船舶特征进行提取,存在精度不够、无法有效提取特征点等问题。为有效解决此问题,提出基于图像检测的船舶特征提取优化算法。计算不同波段下船舶图像的灰度值,依据灰度值结合霍夫曼及分裂排序编码构建船舶图像特征提取示意图;设计基于图像的船舶特征点检测提取模型,确定图像中船舶特征点相关性。依据相关性进行船舶特征点的有效提取,并利用图像特征提取,完成船舶特征提取的优化算法,设计对比实验结果表明,改进后方法与传统方法相比,大幅提高船舶特征提取的准确性。     

云平台和分布式处理系统的船舶图像分类

在云平台和分布式处理系统中进行船舶图像分类,提高船舶的调度和识别能力,提出一种基于Harris角点检测和BP神经网络的船舶图像分类算法,在云平台和分布式系统下进行船舶图像采集,对采集的船舶图像进行二值化降噪处理,采用Harris角点检测技术提取船舶的分类标识性特征量,将提取的特征量输入到BP神经网络分类器中,实现云平台环境下的船舶图像分类。仿真结果表明,采用该方法进行船舶图像分类的准确性较高,抗类间干扰性较强。     

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。     

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。     

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。     

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。     

基于运动与表象特征的广域船舶目标识别方法

[目的]旨在提出对航行于关键广阔水域内的船舶进行准确识别和定位的改进方法.[方法]运用视频监控的优点,综合采用基于背景差分算法的运动目标检测方法与基于深度学习算法的图像表象特征识别方法,结合目标的运动特征和图像表象特征,实现多维度广域船舶识别的功能,并对水纹降噪、多级运动检测、航道监控图像窗口分割检测等方法进行改进,进...     

模糊聚类算法在船舶图像分割中的应用

传统船舶图像分割方法存在分割误差大,抗噪声干扰能力差、分割效率低等缺陷,为了解决传统船舶图像分割方法存在的不足,设计了基于模糊聚类算法的船舶图像分割方法。首先对当前船舶图像分割研究进展进行分析,指出不同传统船舶图像分割方法存在的局限性,然后对船舶图像进行去噪处理,提高船舶图像质量,改善抗噪声干扰能力,最后引入模糊聚类算法进行船舶图像分割,并采用多幅标准船舶图像与传统船舶图像分割方法进行对比测试。测试结果表明,本文方法可以对船舶图像进行高精度的准确分割,能够保留船舶图像边缘的重要信息,船舶图像分割速度可以满足实际应用的要求,获得了比传统船舶图像分割方法更优的结果,具有更加广泛的应用范围。     

基于多特征点的船舶焊缝图像缺陷识别技术

现有船舶焊缝图像缺陷识别技术存在着缺陷边缘定位功能差、缺陷识别效率低的缺陷。为了解决上述问题,基于多特征点研究船舶焊缝图像缺陷识别技术。以获取的船舶焊缝图像为基础,采用图像分割方法提取焊缝图像缺陷,通过锐化处理增强缺陷边缘信息,利用数学形态法提取缺陷边缘。以得到的缺陷边缘信息为依据,通过标度转换算法计算多特征点参数,实现船舶焊缝图像缺陷的识别。实验结果表明,与现有船舶焊缝图像缺陷识别技术相比,提出的船舶焊缝图像缺陷识别技术极大提升了缺陷边缘定位功能与缺陷识别效率,说明提出的船舶焊缝图像缺陷识别技术具备更好的识别性能。     

基于神经网络的船舶红外图像边缘检测方法

本文提出一种基于卷积神经网络的船舶红外图像边缘检测方法。首先,介绍船舶红外探测技术的基本原理,针对船舶红外图像的预处理进行研究,包括灰度的均衡化、红外图像的背景抑制、图像分割等。设计了一个基于卷积神经网络的红外图像边缘检测模型,该模型采用多层卷积和池化操作,以及非线性激活函数,能够有效地捕捉图像中的边缘信息。最后,通过对模型进行训练和优化,得到了准确度较高的船舶红外图像探测算法,为后续船舶的目标识别和跟踪提供了有效的基础。