基于全局特征融合的舰船组合相似度图像检索研究

传统舰船组合相似度图像检索方法索引过程图像分割严重,造成图像特征索引方式单一,为此设计基于全局特征融合的舰船组合相似度图像检索系统。通过多单元协作的方式完成图像检索系统框架设计,设立全局特征融查询模块,以图像特征全局融合方式进行查询,使用相似度提取模块,对特征相似度较高的图像进行连接选取;对图像进行全局特征融合后,计算图像相似度,实现舰船组合相似度图像检索。实验数据表明,设计的舰船组合相似度图像检索系统能够实现多种方式的图像索引。     

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。     

关联反馈和多特征的舰船图像检索系统

传统舰船图像检索系统受到检索特征图块精度与反馈精度的影响,在检索准确性方面存在较大误差,导致系统整体检索任务完成率降低。通过对检索过程的数据分析,提出关联反馈和多特征的舰船图像检索系统。系统采用JFGS图云信息关联硬件+关联反馈算法+多特征图块特征检索算法的立体式设计方案。通过硬件设计完成对算法所需数据变量信息的创建与获取;通过算法设计实现软件层面的图像信息反馈阈值优化与图块特征检索精度提升,从而提出系统对图像检索的准确度。通过对比实验对设计系统检索结果进行验证,根据数据得出有效性结论。     

特征子空间抽取的大规模舰船遥感图像集检索研究

传统遥感图像集检索方法主要是通过图像单点像素特征匹配方式实现的,这样虽然可以实现图像信息的匹配,但是对于大规模图像集的检索效率较低,无法完成大规模遥感图像检索任务,因此研究一种基于特征子空间抽取的大规模舰船遥感图像集检索方法。首先利用特征子空间抽取方式对大规模遥感图像集特征空间的特征核进行分析;然后根据分析结果对图像特征空间进行自适应分解;接着将特征数据与检索信息进行融合,完成图像集的检索任务;最后通过实验证明了本文研究的检索方法的有效性。     

基于时空域滤波的雾天舰船图像视觉传达方法

为提升雾天舰船图像视觉传达质量,提出基于时空域滤波的雾天舰船图像视觉传达方法。中值滤波算法分解雾天舰船图像,获取基础层与细节层雾天舰船图像;利用时空域滤波算法确定舰船图像需增强区域,并对其进行图像增强;以加权融合方式到增强后雾天舰船图像;提取增强后雾天舰船图像的边缘轮廓特征,依据量化融合方式处理提取的边缘轮廓特征,输出雾天舰船图像视觉传达结果。实验证明,该方法可有效分解雾天舰船图像,并增强图像,有效完成现雾天舰船图像视觉传达,提升图像边缘强度与彩色熵,即图像视觉传达效果较优。     

舰船图像高精度压缩研究

为了提高舰船图像的识别能力和传输能力,需要进行舰船图像的高精度压缩处理,提出一种改进向量量化算法的舰船图像高精度压缩方法。对舰船图像采用LGB算法进行量化编码,对编码后的舰船图像进行向量量化误差补偿,结合小波降噪方法进行舰船图像的降噪处理,采用误差补偿编码的方法对舰船图像的噪点进行信息增强处理,提高舰船图像的识别能力,结合邻近像素点的结构重组方法,实现舰船图像的高精度压缩。仿真结果表明,采用该方法进行舰船图像高精度压缩,提高了对舰船图像的识别能力,图像压缩后的输出峰值信噪比较高,说明压缩的精度较高,性能较好。     

基于神经网络的舰船红外图像特征提取和检索方法

传统方法针对舰船红外图像特征,形状特征量提取不够全面,导致目标舰船检索准确率较差。针对这一问题,提出神经网络的舰船红外图像特征提取和检索方法。预处理红外图像,利用脉冲耦合神经网络,捕捉灰度值相近的像素值,分割目标舰船,分别提取辐射特征、形状特征和不变量特征,将其输入支持向量机,进行训练,分类决策舰船特征,对比样本库实现检索。进行对比实验,结果表明,此次设计方法相比传统方法,确保了红外图像有效检索帧数,在此基础上,提高了目标舰船检索准确率,使检索结果更加可靠。     

特定区域的舰船图像检索研究

图像检索是舰船图像分析领域的热点,当前舰船图像检索算法没有考虑用户对不同区域感兴趣的差异性,使得舰船图像检索效果很差,为了获得更优的舰船图像检索结果,本文设计一种基于感兴趣区域的舰船图像检索算法。首先分析当前舰船图像检索的研究进展,描述了感兴趣区域的舰船图像检索流程,然后采集舰船图像,对它进行一定变换处理,并从舰船图像中提取兴趣点,最后引入机器学习算法根据兴趣点实现舰船图像检索,采用多幅舰船图像进行了检索仿真测试。结果表明,与传统舰船图像检索算法相比,本文算法不仅获得民更高精度的舰船图像检索结果,而且明显缩短了舰船图像检索的平均时间,可以帮助用户快速检索到自己真正需要的舰船图像检索,实际应用价值更高。     

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。