船舶多目标图像特征并行提取算法

一片海域中包含多个船舶目标,同时提取多个目标过程极其复杂。传统的船舶多目标图像特征并行提取算法提取出来图像特征清晰度很差。为解决此问题,研究了一种新的船舶多目标图像特征并行提取算法,介绍了船舶图像多目标特征提取架构图,重点分析颜色特征提取过程、纹理特征提取过程和形状特征提取过程。特征并行提取流程共分为初始分析、目标特征识别、图像特征确认、描述显示4个步骤,通过计算目标船舶所在位置,分析灰度值,提取船舶特征。利用与传统算法的对比实验验证了该算法的可行性。实验结果表明,给出的算法提取的目标图像清晰度更高。     

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。     

舰船可伸缩视频图像非显著特征自适应提取方法

针对目前舰船视频图像特征提取方法误差较大的问题,以SUSAN角点提取为核心,设计新型舰船可伸缩图像非显著特征自适应提取方法。利用高斯滤波对原始视频影像进行预处理,提取视频图像概略特征集,采用SUSAN特征集角点检测方法,对图像概略特征集进行角点检测,提出灰度差算法,更改角点灰度差阈值,实现视频图像非显著特征自适应提取。实验数据表明,该方法与传统方法相比,视频图像象元定位精确度提高17%,灰度点定位精确度提高了21%,可以明显提高视频图像特征自适应提取准确度,具有较好鲁棒性。     

大型舰船尾迹图像对比度特征提取方法

现有舰船尾迹图像对比度特征提取方法普遍存在运算复杂、处理速度慢等问题。易导致舰船尾迹区域图像与海水背景区图像出现较大差异。为解决上述问题,提出通过边缘图像特征提取方法对图像灰度对比参数特征进行提取的方法,结合人眼视觉特性的主观体验与客观对比强度评价方法进行船舶尾迹图像创新优化。利用图像边缘特征提取方法进行仿真实验。实验结果表明,通过边缘图像特征提取方法对图像灰度对比参数特征进行提取和处理可有效提高船舶图像对比度特征提取的准确性,对船舶尾迹图像进行更加清晰的展现。     

基于多特性融合的船舶航运图像识别算法

针对原有船舶航运图像识别算法在计算过程中,仅对图像中某一特征提取,造成图像识别精度较差的问题,引用多特性融合技术,设计基于多特性融合的船舶航运图像识别算法。设定图像采集设备,获取航运图像,依据图像预处理流程完成图像预处理。设定特征提取部分中的除原有的边缘特征,增加图像色彩特征以及纹理特征。使用提取到的图像特征,采用粒子滤波的形式,完成船舶航运图像识别。至此,基于多特性融合的船舶航运图像识别算法设计完成。构建实验环节对此方法进行测试,与原有算法相比,此方法对图像识别的有效性更高。综上所述,此船舶航运图像识别算法优于原有船舶航运图像识别算法。     

支持向量机的舰船图像识别与分类技术

研究支持向量机的舰船图像识别与分类技术,有效提取图像特征,提升舰船图像识别与分类效果。通过图像灰度化处理彩色舰船图像,获取灰度舰船图像;利用Gamma校正处理灰度舰船图像亮度,获取亮度适中的灰度舰船图像;利用方向梯度直方图特征提取方法,提取灰度舰船图像特征;通过局部线性嵌入算法降维处理图像特征,缩减图像识别与分类计算量;在支持向量机内输入降维后图像特征,输出舰船图像识别与分类结果。实验结果表明：该技术可有效灰度化与Gamma校正处理原始舰船图像,降低光照变化与局部阴影对特征提取的影响;该技术可有效提取船舶图像特征;在舰船图像模糊程度不同时,该技术均可精准识别与分类舰船图像,最高识别与分类误差仅有0.04。     

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。     

不稳定条件下船舶遥感图像层次特征识别分析

传统遥感图像特征识别方法,在不稳定条件下无法准确对图像中的层次信息进行特征识别及分析处理。因此,提出不稳定条件下船舶遥感图像层次特征识别方法。通过对遥感图像进行特征干扰源提取计算,使图像层次变得清晰;引入卷积神经网络算法对图像层次特征进行网络化特征提取计算;采用像素特征识别方法对图像层次特征进行识别与分析;最后,通过实验对设计方法进行可行性的客观论证。     

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。     

基于机器视觉技术的舰船行驶轨迹自动检测算法

由于传统的舰船行驶轨迹自动检测得到的目标图像局部视觉对比度低,弱小目标占据像素少,导致检测结果精度下降,无法为相关技术人员提供有效的参考价值,为此提出基于机器视觉技术的舰船行驶轨迹自动检测算法研究。利用所采集图像帧与帧之间的关联性,采集其灰度变化情况,获取有效信息,提取灰度矩阵特征,选择目标层次中的相邻帧,获得短时轨迹,计算得出灰度坐标,使所得轨迹光滑连续,分析单帧检测结果,完成基于机器视觉技术的舰船行驶轨迹自动检测算法研究。设计对照实验,验证所提出算法的应用效果,实验结果表明,在应用机器视觉技术后,检测得到的图像局部视觉对比度有着显著提高,能够证实所提出算法的行驶轨迹检测性能优于传统算法。     

基于压缩感知理论的船舶数字图像水印算法

在船舶数字图像加密传输系统中,需要进行图像水印处理,提高船舶图像的抗攻击能力,针对传统的小波编码方法进行图像水印加密抗噪能力不好的问题,提出一种基于压缩感知理论的船舶图像水印算法。对提取的船舶图像采用Radon尺度变换方法进行边缘轮廓特征提取,对提取的边缘轮廓曲线采用Schwartz变换进行低频系数分解,提取船舶图像的低频压缩感知系数并与图像的高频系数进行模糊匹配,采用压缩感知理论进行图像量化编码,实现图像的水印提取。仿真结果表明,采用该方法进行船舶数字图像水印处理,提高了归一化相关系数和PSNR值,从而提高了图像的抗攻击能力。     

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。     

基于云计算的船舶通信网络入侵特征提取方法

普通船舶通信特征提取方法,不能根据入侵数据所处位置,快速完成数据特征的提取。为有效解决上述问题,设计基于云计算的船舶通信网络入侵特征提取方法。通过船舶通信入侵问题描述、特征数据的信号处理,完成云计算环境下,船舶通信入侵特征数据的确定。通过入侵特征架构的搭建、多序列船舶数据入侵特征提取,完成基于云计算的船舶通信网络入侵特征提取方法的搭建。设计对比实验结果表明,新型特征提取方法,与传统方法相比,可更加准确的确定入侵数据所处位置,并适当缩短完成数据特征提取所需时间。     

双目视觉下多尺度舰船图像轮廓特征点提取算法

为清晰分辨船舶航行图像的边缘特征信息,提出双目视觉原理下的多尺度舰船图像轮廓特征点提取算法。依照图像信息的测距处理方案,匹配必要的视觉性像素,完成基于双目视觉的舰船图像特征点标注处置。在此基础上,根据多尺度成像坐标原理,判定舰船图像的灰度信息,再通过计算轮廓特征系数的方式,实现双目视觉下多尺度舰船图像轮廓特征点提取算法的应用。对比实验结果表明,与SIFT算法相比,应用新型特征点提取算法后,QDI系数指标出现明显提升的变化趋势,船舶航行图像的边缘特征信息得到清晰化分辨。     

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。     

低分辨率船舶视频监控图像的边缘轮廓提取

目前船舶视频监控图像以其灵敏、实时、可靠性等优势被广泛使用在海洋航运工程中。然而,由于船舶航运环境复杂,易对监控图像画面质量产生干扰,导致监控图像分辨率和信噪比相对较低,造成图像边缘轮廓提取困难等问题。因此提出结合PID模糊算法以及图像灰度映射函数进行精准有效的图像边缘轮廓提取和检测的方法。该方可针对低分辨率船舶航视频图像进行降噪处理,精确定位边缘轮廓,提高图像分辨率和对比度,从而得到精确的边缘轮廓信息数据。最后为验证方法的有效性进行仿真实验,实验检测结果表明该方法能快速精准的对低分辨率船舶视频监控图像边缘轮廓进行提取,降噪处理效果十分突出,有效解决了传统方法耗时较多提取效果差等问题,符合视频监控图像处理的评价体系标准,应用渠道十分广泛,具有较高的参考价值。     

智能视频监控中舰船假目标图像检测算法

传统舰船假目标图像检测算法存在检测精准度低的缺陷,为此提出智能视频监控中舰船假目标图像检测算法研究。将智能视频监控中采集的图像采用灰度化处理得到灰度图像,利用直方图均衡化处理灰度图像,提升图像的质量。采用滤波处理方法将得到的图像进行去噪,完成图像的预处理,为图像检测做准备。采用小波变换方法对上述得到的图像进行特征提取,将得到的图像特征输入到图像检测模型中,与真目标图像特征进行逐一比较,输出假目标图像,实现了对舰船假目标图像的检测。实验结果表明,提出的舰船假目标图像检测算法检测精准度比传统算法高出21.8%,说明提出的舰船假目标图像检测算法具备极高的有效性。     

集装箱船整船结构三维可视化图像重建方法

由于当前的船体结构设计效率和质量已经无法满足要求,为此本文设计一种基于双目立体视觉技术的集装箱船整船结构三维可视化图像重建方法。该方法首先利用双目立体摄像机采集集装箱船整船结构图像,然后对其进行灰度化和去噪处理,再利用特征检测算子提取图像特征点,最后通过计算图像之间的欧式距离进行特征点立体匹配,从而实现集装箱船整船结构三维图像重建。结果表明,本文方法可以有效完成集装箱船整船结构三维可视化图像重建任务,达到了研究目标。     

基于光学遥感图像的船舶跟踪算法研究

船舶在海上航行中需要进行实时跟踪避免航向偏离,提出基于光学遥感图像的船舶跟踪算法。采用光学遥感检测方法进行船舶运动成像,对采集的船舶光学遥感图像进行融合滤波,降低船舶遥感图像的噪点,采用Harris角点检测方法对船舶光学遥感图像进行动态特征点标注,提取反映船舶航行动态特征的轨迹,结合遥感图像监测方法实现对船舶的动态跟踪识别。仿真结果表明,采用该方法进行船舶跟踪和遥感成像,输出光学遥感成像的质量较好,信息融合度较高,提高了船舶动态跟踪能力,确保船舶航行稳定安全。