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。     

多媒体环境下船舱监控视觉图像敏感区域标注算法

在船舱监控视觉图像的敏感区域标注中,针对敏感区域聚类标注算法准确率较低的问题,在多媒体环境下,提出了一种船舱监控视觉图像敏感区域标注算法。使用视觉注意模型计算各个区域的敏感度,对敏感区域进行检测。利用K-NN聚类算法对图像样本进行聚类,对出现频率最大的样本类别进行标注。利用图像的SIFT特征对图像的特征点与梯度进行描述,得到敏感区域图像特征后,根据值的大小,排序所有未标注的图像标注词,实现了船舱监控视觉图像敏感区域标注算法。为了检测该算法,利用敏感区域聚类标注算法与该算法进行敏感区域标注准确率的对比实验,证明了船舱监控视觉图像敏感区域标注算法的可行性与准确率。     

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。     

基于图像检测的船舶特征分割与提取优化算法

船舶图像特征分割和提取算法是图像检测领域中的基础工作。由于船舶航运环境和船舶自身结构组成相对复杂,船舶图像的全自动分割方法在图像检测过程中经常出现边缘模糊、准确性低等问题。因此提出基于图像检测的船舶特征分割与提取优化算法,结合免疫算法获取更多图像特征信息,达到快速、准确的对船舶图像特征进行提取和分割的目的。为验证算法的准确性进行仿真实验,结合船舶区域图像对图像边界特征进行提取和分割,并与传统方法进行比较。实验结果证明基于图像检测的船舶特征分割与提取优化算法可以有效达到特征融合、全局最优、算法效率高等优良特性,使图像具有更强的实用性。     

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。     

三维动态舰船图像颜色特征自动提取及应用研究

以提升舰船颜色特征的应用技术水平,研究三维动态舰船图像颜色特征自动提取和应用方法。通过相机采集三维动态舰船图像颜色特征后,先使用PCA算法获取三维动态舰船图像的颜色特征子空间,再通过K-means聚类算法得到三维动态舰船图像颜色特征,以该颜色特征作为基础,分别利用支持向量机算法和二阶常速模型实现舰船目标识别和航迹跟踪。实验结果表明,该方法可有效提取三维动态舰船图像颜色特征的R、G、B分量,提取舰船图像颜色特征能力较强。将提取到的三维动态舰船图像颜色特征,应用到舰船目标识别和航迹跟踪,可有效识别舰船和跟踪舰船航迹,应用效果较为显著。     

舰船框架式断路器瞬动脱扣故障自动校验方法

传统的断路器瞬动脱扣故障自动校验方法存在校验延时长的缺陷,为此提出舰船框架式断路器瞬动脱扣故障自动校验方法研究。采用红外热像仪装置对断路器红外图像进行采集,利用加权平均法与中值、均值结合滤波分别对断路器红外图像进行灰度化处理与消噪处理,采用K均值聚类算法对处理好的断路器红外图像进行分割,得到断路器瞬动脱扣目标区域,对其特征值进行计算,与断路器瞬动脱扣故障特征值进行比较校验,实现了对舰船框架式断路器瞬动脱扣故障的自动校验。实验结果表明,提出的断路器瞬动脱扣故障自动校验方法的校验延时比传统方法少了3 s,说明提出的断路器瞬动脱扣故障自动校验方法具备较高的有效性。     

海上风力发电机叶片裂纹图像分割方法研究

我国很多地区都是高风能地区,非常适合发展风力资源,尤其是海上风能资源的开发。但海上风能的开发受到设备的影响,在风力集中的地方,环境也十分恶劣,设备的损坏率较高,对于海上风力发电设备的运行会产生较大影响。本文首先分析了研究风机叶片裂纹检测的学者及其使用的检测方法。其次,分析了图像分割技术,主要包括对原有图像分割算法的改进,结合相关交叉学科的新理论寻求新的图像分割算法,以及对不同图像分割算法匹配合适的图像分割评价方法和评价准则。分析了基于区域分割、边缘检测及其他图像分割方法及其应用效果。大多数研究人员在对检测风机叶片裂纹时都使用较新技术来提高识别率,再将不同的方法进行结合运用,同时也不断尝试发掘新的图像分割算法以得到更好的效果。针对不同研究目标使用不同算法得到的效果准确度各有差异,因而针对不同模态的图像要结合不同的理论选取合适的方法。不管是引入新的概念和理论,还是将优势互补的算法相结合,都以提高风机叶片检测的精确度为目标。     

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。     

基于PCA与属性权重模糊聚类的入侵检测方法

针对入侵检测数据集中存在大量冗余信息及传统聚类算法的效果不佳,提出了结合主成分分析与属性权重模糊聚类算法的入侵检测方法。该方法分为特征提取和模糊聚类两阶段,使用主成分分析进行特征提取、消除冗余属性;将经主成分分析后得到新成分的贡献率作为聚类算法中属性的权重值,实现了基于属性权重的模糊聚类。在KDD-CUP99数据集中的实验结果表明,该方法能有效地降低检测训练时间和提高检测正确率。     

舰船图像颜色特征目标自动采集系统视觉优化

船舶遥感图像的识别技术在军事、民用领域的应用潜力非常大,船舶遥感领域的遥感卫星、计算机处理器等硬件设备获得了迅速发展,而图像过滤、特征识别等软件技术亟需提升。本文分别从图像滤波、图像聚类算法、图像分割等方面进行研究,结合C++编程语言,在Microsoft Visual Studio 2010平台上开发了船舶图像颜色特征目标自动采集系统,取得了良好的效果。     

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。     

粘连蚕卵图像分离算法研究

针对蚕卵图像中存在的粘连或者部分重叠现象,本文提出了一种新的分离方法。该方法先采用模糊C均值聚类算法将蚕卵图像从背景中分割,然后采用模糊距离变换得到模糊距离图像,最后使用分水岭算法将粘连或者部分重叠蚕卵分离。实验证明,此法能够将粘连颗粒物图像有效分离。     

聚类分析算法在舰船识别中的应用

为了缩短舰船识别时间,提高舰船识别的成功率,提出聚类分析算法在舰船识别中的应用。通过聚类分析算法计算出舰船图像的分辨率,获取舰船图像的横向分辨率,完成舰船目标形态特征的提取;采用聚类方程表达式,得到舰船能量函数,基于聚类分析算法,确定处理舰船图像的聚类模型,通过分析聚类系数值的大小,完成舰船图像的处理;最后通过舰船识别流程设计,实现基于聚类分析算法的舰船识别。实验结果表明,基于聚类分析算法的舰船识别技术可以提高舰船识别的成功率。     

遗传算法和活动轮廓波模型的船舶图像分割研究

针对传统的边缘检测法、聚类分割法存在分割边界不完整而导致分割结果不理想问题,提出遗传算法和活动轮廓波模型的船舶图像分割研究。构建能量函数,引导轮廓线朝着目标边缘方向移动。结合遗传算法中交叉和变异操作,优化活动轮廓波模型参数,避免出现水平集正则项不能及时更新问题。在新的轮廓波模型中增加水平集正则项,构建水平集函数演化方程,获取窄带内像素数据对应的水平集函数,分割边缘。对数据结构初始化处理,标记像素链表,设计船舶图像详细分割流程。由实验结果可知,该方法分割图像特征匹配最高精准度为0.98,分割后的图像与原始图像清晰度一致,且细节保留完整。     

基于改进流行排序算法的显著性区域检测

针对现有基于图的流行排序的显著性检测算法对于复杂背景图像检测中效果不理想问题,提出改进的基于流形排序算法的显著性区域检测.首先将图像分割成4种不同的超像素尺度,并根据图像的RGB,CIELab的颜色特征和LBP纹理特征分别计算4种尺度图像的上、下、左、右4个方向的边界显著图,分别融合不同尺度图像的4个方向的边界显著图得到相应不同尺度图像显著图,融合4种尺度图像的显著图得到弱显著图;然后根据弱显著图以生成强模型的训练样本,通过多核提升算法学习来自输入图像的样本进行强分类,以检测显著像素;最后综合多尺度显著图进一步提高检测性能,并进行优化处理得到最终的显著图.为了验证该算法的正确性和有效性,在公开数据集MSRA1000、ECSSD和PASCAL-S上进行仿真实验,实验结果表明,该算法不仅能够得到较好的视觉效果,而且召回率、准确率和F-measure等评价指标比传统算法有明显提升.     

舰船遥感图像分割中阈值的自动选取算法

为了提高舰船遥感图像的分割效果,解决传统阈值选取算法存在的选取性能低的问题,提出舰船遥感图像分割中阈值的自动选取算法。利用安装的遥感设备采集舰船遥感图像,并以此作为研究样本构建相应的直方图,并通过预测实现分割阈值的自动选取。将设计的阈值自动选取算法应用到实际的舰船遥感图像分割工作中,相比于传统的阈值选取算法,应用设计方法得出的图像分割结果的AER值更小,即分割效果更理想。     

改进神经网络的舰船图像语义分割算法

针对传统图像语义分割算法耗时较长的问题,提出改进神经网络的舰船图像语义分割算法研究。首先需要将原始图像预处理,利用阈值分割法,检测出灰度值差异,分离图像主体与背景,检测主要特征,获取全局信息,增强细节捕捉能力,强化图像目标的类别属性,采用多尺度池化的网格结构,融合图像特征,利用分类器将像素分类,将全连接层更换为卷积层,完成分割结果的优化,至此结束改进神经网络的舰船图像语义分割算法的研究。设计仿真实验,将所提出算法与其他2种传统算法对照分析,验证改进神经网络的应用效果,实验结果表明,将改进神经网络应用到舰船图像语义分割过程当中后,所耗时长稳定在75～95 ms之间,明显优于传统算法。     

基于粒子群优化的聚类入侵检测算法

为了在入侵检测中有效地克服传统的K均值算法易陷入局部极小值的缺点,使算法具有较好的全局收敛性,将粒子群优化算法应用于入侵检测,给出了基于粒子群优化的K均值聚类算法．通过理论分析及实验,验证了基于粒子群优化K均值聚类算法的有效性．对KDD CUP99数据集仿真,实验结果表明,该算法在入侵检测中能获得理想的检测率和误检率．