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PLC的船舶视频监控图像模糊细节增强系统

传统的图像模糊细节增强系统抗干扰性能差,对图像模糊细节的处理效果不佳,为此设计基于PLC的船舶视频监控图像模糊细节增强系统。该系统利用PLC替换传统系统中的控制器、继电器,减少传输途中、处理过程中的干扰数据量。结合Togle算子和Top-hat算子,锐化处理图像模糊轮廓;利用RGB计算通道像素,使用白平衡算法校正模糊图像纹理;设置交叉列阵,根据列阵记忆宽度二值化增强模糊细节,实现对系统软件的设计。实验测试表明,与传统模糊细节增强系统相比,基于PLC的增强系统峰值信噪比更高,对模糊细节的增强效果更好。     

基于视觉传达的船舶航行图像优化研究

为了改善船舶航行图像质量,准确分辨图像信息,提出基于视觉传达的船舶航行图像优化方法。利用双边滤波器与冲击滤波器处理模糊船舶航行图像,达到图像去噪、纹理平滑以及边缘特征增强的目的。根据模糊核的稀疏性特点,通过正则化交替迭代方式实现模糊最佳估计结果的确定后,基于梯度稀疏的反卷积方法实现模糊图像的复原,运用HSV色彩模型对复原后的船舶航行图像作优化处理,获得高质量船舶航行图像。实验结果表明,该方法可实现模糊船舶航行图像视觉传达优化,优化后图像的结构相似度、信息熵指标最高可达0.967、9.49,边缘强度、梯度均值、彩色熵指标达到设定要求,图像视觉优化效果突出。     

海面目标雷达图像多尺度轮廓段特征提取方法

为了有效提高舰船雷达图像特征识别度,基于当前灰度投影拟合相关技术,提出舰船雷达图像轮廓特征提取方法。根据雷达感应电磁波输入信号排列,通过预设灰度级和拟合高度,根据图像三原色组成比例,获取灰度图像,利用二维分割法,根据灰度级转换特征,将一维灰度图分割为二维灰度图,通过模糊积累特征识别方法,设置二维灰度图的特征函数,求取隶属函数,建立模糊特征集,实现雷达图像轮廓特征提取。实验数据表明,应用该设计特征提取方法,图像灰度回波提高了32%,灰度纵波提高了29%,图像特征识别精度具有明显提高。     

基于 Keystone 变换的俯冲加速运动 SAR 成像算法

俯冲加速条件下的SAR成像算法是当前SAR成像领域中一个热门研究课题。受到加速度的影响,其距离方程不再是单纯的双曲线形式,从而导致无法根据驻定相位原理求得俯冲加速SAR回波的二维频谱解析表达式。因此,传统SAR频域成像算法不再适用于俯冲加速SAR成像。论文从SAR距离徙动特性着手,利用Keystone变换实现对俯冲加速SAR的线性徙动校正,从而实现距离向和方位向的二维解耦合,得到最终的SAR聚焦图像。     

基于卷积神经网络的航标图像同态滤波去雾

为提高同态滤波算法对航标图像去雾的性能,采用改进的巴特沃斯滤波器作为同态滤波的传递函数。根据计算去雾后图像的标准差、平均梯度、亮度和二维熵等图像质量评价指标,分析图像锐化系数对图像去雾的作用效果。选取公开数据集ISCAS 2012作为卷积神经网络的输入训练数据,选取计算得到的使采用同态滤波去雾后的图像与真实图像的峰值信噪比最大的锐化系数作为输出数据,得到能计算最优锐化系数的卷积神经网络权重值。该方法能对测试样本数据输出相应的同态滤波器最优锐化系数。试验结果表明巴特沃斯同态滤波对航标图像去雾是有效的。     

运动模糊图像点扩散函数的参数辨识

为有效实现对点扩散函数的参数辨识,提出一种基于Radon变换的运动模糊角度的辨识算法。在获得运动模糊角度之后,采用对运动模糊图像频谱图投影求和的方法,成功辨识其运动模糊长度。仿真实验结果表明:该参数辨识算法计算量小,对运动模糊方向的辨识误差不大于3°,对运动模糊长度的辨识误差不超过0.3像素,满足运动模糊图像复原系统的技术要求。     

基于小波变换的边缘保留图像滤波法研究

为了在滤除图像噪声的同时又能保留图像边缘,提出了一种新的基于小波变换的图像滤波法。利用小波变换对噪声图像进行多分辨率分解,得到对应的低频近似信号分量和高频细节信号分量。提取低频系数和高频系数,分别对低频系数进行增强,对高频系数进行锐化,再对锐化后的高频系数进行阈值处理,获得噪声系数,利用锐化前的高频系数减去处理后的高频系数,得到最终的高频系数并通过小波重构得到去噪图像。     

船舶噪声视频图像的去噪锐化方法

传统视频图像降噪处理普遍采用小波滤波算法完成降噪计算,虽然像素通道内的噪声被有效去除,但是滤波过程中有效像素的损耗导致图像通道的收敛性降低,不利于后期图像的锐化处理。为了解决此问题,提出船舶噪声视频图像的去噪锐化方法。为了避免去噪过程中对正常像素的损伤,本文提出的方法采用拉氏去噪算子去噪算法,完成噪声像素点的去除计算。通过梯度锐化并行算法在去噪算法的基础上,完成对图像像素的锐化计算。对比实验表明,提出的去噪锐化方法比传统去噪锐化方法,提升图像整体去噪锐化效果好,实用性更强。     

联合NSCT模糊域的声呐图像目标增强方法研究

提出一种基于非下采样轮廓波变换（NSCT）结合模糊域的噪声抑制和目标增强方法。使用NSCT将含噪声呐图像分解为不同的频率和方向响应子带,利用V-Bayes估计理论推导了模型的相应非线性二元阈值函数对NSCT系数的子带进行去噪。结合领域信息和空间信息构造模糊特征,再构建出模糊隶属度收缩函数对降噪后的NSCT分量执行二次降噪,最后以重建降噪后的声呐图像数据,使用综合数据和效果图示例来证明所提出的方法能够有效的去除声呐图像噪声,且优于基于小波变换的阈值去噪方法。     

基于模糊综合评价的帆船行驶最优路径规划方法

路径规划是帆船比赛取胜的重要环节。综合栅格法和模糊概念,提出了基于模糊综合评价的帆船行驶最优路径规划方法。该方法采用栅格法建立帆船航行的二维平面信息,以模糊逻辑为基础,结合帆船的运动信息建立帆船在运动平面上的二维隶属函数模型,并采用模糊综合评价思想,综合考虑行驶速度和接近目标2个因素建立综合评价函数,进行行驶方向决策。利用宽度优先搜索算法实现全局最优路径搜索。仿真结果证明,该路径规划方法能够取得较好的规划结果,对指导帆船运动员进行科学训练有很好的应用价值。     

基于数学形态学的船舶图像质量提升方法

传统成像质量提升方法存在许多不足,如视觉效果差,信噪比低。为了获得理想的船舶图像质量,设计基于数学形态学理论的船舶图像质量提升方法。建立船舶图像成像退化与复原模型,对船舶图像进行一次处理;融合数学形态学理论,分解与重构船舶成像,对船舶图像进行二次处理;采用人工主观评价和指标客观评价的双重验证方式,比较不同方法的船舶图像提升性能。相对于对比方法,本文方法对船舶图像质量提升效果更好,信噪比提升更高,具有十分明显的优势。     

基于舰船打靶目标中检焦值模型的设计与分析

随着数字图像处理技术的发展,望远镜跟踪系统已发展成为数字成像系统,基于数字图像处理的自动调焦法也被引用到跟踪望远镜系统。常规方法是通过采集图像的质量来判断目标物体所成的像是否在要求的像平面上,从而驱动镜头或反射镜对离焦量进行补偿。它是一种被动式调焦方法,具有不依赖测距信息等优点,能够同时对距离变化以及温度的变化所造成的离焦进行补偿。为了提高系统的调焦精度,论文将图像调焦与距离调焦相结合,从而使跟踪望远镜系统的成像更为清晰。     

基于视觉传达的模糊舰船图像优化

以提升模糊舰船图像视觉传达效果,获取更多的舰船图像内部信息为目的,研究基于视觉传达的模糊舰船图像优化方法。采用基于视觉传达的模糊舰船图像去模糊处理方法,根据模糊舰船图像模型,分别确定彩色模糊舰船图像3个RGB色彩通道的模糊核,并将确定的模糊核应用到基于细稀疏表示的去模糊模型中,对舰船图像去模糊处理。依照人类视觉对色彩度的具体感知水平,采用六角椎体模型对去模糊化后的舰船图像进行视觉传达效果优化,重建去模糊后舰船图像颜色模型空间内的明度参数。实验结果显示,所研究方法能够有效实现舰船图像去模糊处理,处理后图像与清晰舰船图像相比结构相似度均达到0.89以上,信息熵值均在9.1以上。     

基于加权矢量神经网络的辐射源识别方法

现有的很多分类识别方法包括基于专家系统的方法[1]、基于贝叶斯理论的方法、基于模糊模式识别的方法[2]、基于最近邻的方法[3]、基于人工神经网络的方法[3]等等在辐射源识别中都有比较成功的应用,但这些方法一般都针对测量参数为标量形式的测量值进行处理,在一定程度上解决了由于参数测量误差所引起的辐射源识别问题,对于误差的另一种情形,即测量参数为区间类型模糊值的情况讨论却较少,文献提出了一种基于模糊IF-Then规则的神经网络算法,给出了能够处理模糊输入的神经网络体系结构,同时给出了一种基于代价函数的学习算法,其代价函数由实际模糊输出和无模糊输出决定,通过学习该网络能够实现模糊输入到模糊输出的非线性映射。     

基于模糊数学模型的舰船红外成像目标智能识别方法

利用传统基于SVM和基于神经网络的方法对舰船红外成像目标进行智能识别,识别距离较短,导致识别范围受限。针对上述问题,提出基于模糊数学模型的舰船红外成像目标智能识别方法。该方法分为3步:1)对舰船红外图像进行预处理,包括图像滤波、图像增强、图像分割;2)利用基于几何特性方法提取处理后的图像特征;3)以图像特征作为模糊数学模型特征因子,构建模糊集合,并利用贴近度原则对被识别对象进行归属判决,完成目标识别。结果表明:与基于SVM和基于神经网络的方法相比,利用本方法进行舰船红外成像目标智能识别,识别距离延长10 m和20 m,识别范围扩大。     

基于近邻传播算法的高光谱波段选择

由于高光谱图像具有波段之间相关性高,信息冗余性强等特点,高光谱图像降维是高光谱图像预处理中的重要一步。波段选择在降维的同时能够保留原始数据的物理意义,在很多方面有着应用。近邻传播算法(Affinity PropagationClustering,AP)是Fray等在2007年提出的一种聚类方法。它将全部数据点看作潜在聚类中心,根据数据点之间的相关性进行聚类。论文提出一种基于AP聚类的波段选择方法,将小波变换引入聚类算法中相似度和偏好值的计算。将降维结果输入最小距离分类器进行分类,计算分类准确性,并通过数据集Indiana Pines验证,对比实验结果验证了论文提出方法的有效性。     

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。     

舰船尾迹SAR图像特征的谱分析研究

图像纹理在频率空间的分布具有规律性,可以通过对图像进行频谱分析来提取纹理特征。根据SAR成像机理对舰船尾迹SAR图像进行了仿真研究,采用周相谱法对图像的二维功率谱作一维变换处理,提出基于归一化能量谱的图像谱特征分析方法,并给出了不同探测参数下尾迹SAR图像谱特征的仿真图。结果表明,该方法可有效地消除海面背景的影响,实现舰船尾迹特征检测的定量分析。     

基于时频分析的逆合成孔径雷达成像技术

针对ISAR机动目标成像中传统RD算法无法取得较理想目标图像的问题,文中在分析机动目标雷达成像原理的基础上,将时频分析技术应用于ISAR成像,二维的距离-多普勒矩阵变成三维的时间-距离-多普勒矩阵,研究运动补偿问题,进行相应的仿真实验。仿真实验结果表明:基于时频分析技术的ISAR成像能得到反映机动目标姿态的瞬时图像;不同时频分析函数对成像效果的影响不同;本文的运动补偿算法有效。