低照度的舰船图像增强研究

传统舰船图像低照度增强算法多为单一增强算法,因此在对图像动态范围处理上存在一定误差,导致动态范围外的图像色域噪点处理效果不佳,图像整体增强效果无法达到舰船图像应用要求。为了获得低照度下舰船图像的最佳增强效果,提出低照度的舰船图像增强研究。首先,对低照度图像建立Retinex模型,获得低照度图像增强的理论基础数据;接着将Retinex模型参量引入低照度舰船图像,建立图像光照基础模型,根据光照基础模型获得的各图层光照分布状态,对其亮度进行调整,滤除图层噪点;然后,通过神经网络算法,对增强图像图层进行重建计算,完成低照度舰船图像增强计算。最后,通过对比实验数据,证明提出方法能够提升低照度舰船图像增强处理效果。     

夜间低照度船舶监控视频图像均衡化增强方法

在夜间低照度环境下,传统船舶监控视频图像增强方法存在图像暗部及高光等区域识别异常的问题,导致对比度系数与照度参量调节均衡度异常,整体效果无法满足实际应用要求,因此根据夜间低照度环境特征,提出夜间低照度船舶监控视频图像均衡化增强方法。首先,对夜间低照度船舶监控视频图像对比度进行补偿;然后,对低照度图像的照度值进行判定,并完成图像高光区域的确认;最后,通过S曲线函数对低照度区域进行照度值的均衡调节。通过对比实验证明,提出方法能够显著改善低照度视频图像显示效果,实际应用效果更好。     

面向舰船监控的视频模糊可视化图像阴影精准设计及消除方法

为解决舰船监控图像存在模糊阴影面积过大的问题,提出面向舰船监控的视频模糊可视化图像阴影消除方法。通过估算监控场景深度关系的方式将原始的模糊图像复原,完成舰船监控视频的去雾处理;在此基础上,分割图像中的可视化节点,再按照阴影覆盖面积的数值水平计算精准消除参数,实现面向舰船监控的视频模糊可视化图像阴影消除。仿真实验结果表明,与K-means聚类算法相比,应用所提方法后,舰船监控图像模糊区域的边长值明显缩短,原始视频中模糊阴影面积过大的问题得到有效解决。     

基于偏微分方程的舰船图像增强研究

舰船图像在采集和传输过程中,受到多种因素的干扰,导致图像细节信息丢失严重,使得图像亮度低,图像质量下降,为了解决该难题,提高图像视觉效果和图像质量,设计了基于偏微分方程的舰船图像增强方法。首先对当前舰船图像增强研究结果进行分析,提出采用小波分析对原始舰船图像进行处理,识别出舰船图像中的噪声,并设置合理的阈值抑制噪声的作用,然后采用偏微分方程模型对舰船图像进行非线性增强变换,突出舰船图像中的细节信息,改善舰船图像的清晰度,最后进行舰船图像增强的仿真测试,结果表明本文方法可以明显增强舰船增强图像亮度,使图像细节信息增加,舰船图像增强结果的评价指标全部优于对比方法的舰船图像增强结果,是一种有效的舰船图像增强方法。     

复杂环境下的舰船视觉图像增强技术

针对当前增强技术存在的区域过渡不自然、块效应、信息丢失严重等问题,以改善舰船视觉图像质量为目标,设计一种复杂环境下的舰船视觉图像增强技术。首先对当前舰船视觉图像增强技术的研究现状进行分析,找到引起不足的因素,然后对舰船视觉图像进行分块操作,对每一个子块进行变换,然后通过Harr变换的方法计算不同子块间的相关度,确定图像增强系数,根据图像增强系数对舰船视觉图像进行自适应增强,最后对增强后的舰船视觉图像进行亮度调度,使图像更加清晰,视觉效果更佳。采用具体舰船视觉图像对增强技术的性能进行测试与分析,实验结果表明,本文方法的舰船视觉图像效果得到了极大改善,舰船视觉图像信噪比、亮度和对比度均要优于对比技术,为舰船视觉图像增强提供了一种新的技术。     

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。     

船舶机舱监控视频的智能检索系统设计

智能监控是通过图像处理的方法对动态场景中的目标进行自动、实时的跟踪识别,并分析和判断目标行为的现代化电子计术。对舰船智能监控系统的基本理论和关键技术进行深入调查和研究,提出了舰船监控智能检索系统设计方法,以便更好的对目标进行跟踪。通过对目标数据特征进行分析,对视频的序列进行匹配和记录,优化舰船机舱视频对监控目标的检测和提取功能,为验证方法的有效性,设计仿真实验,对视频数据进行检测和提取,并记录图像目标特征。试验结果表明该方法有计算简单、运行稳定的特点,可快速得到正确的视频跟踪检索目标。     

基于图像增强技术的舰船图像拼接

当前舰船图像拼接技术存在拼接准确率低、拼接速度慢等问题,为了提高舰船图像拼接精度,设计了基于图像增强技术的舰船图像拼接方法。首先对当前舰船图像拼接方法进行分析,得到舰船图像拼接准确率低的原因,然后采用图像增强技术对原始舰船图像进行预处理,提高舰船图像的清晰度,并计算舰船图像的分块邻域梯度向量,得到舰船图像的初始拼接结果,最后去除舰船图像初始拼接结果中的拼接错误,并引入聚类分析算法对舰船图像拼接结果进行优化。舰船图像拼接仿真测试结果表明,本文方法可以消除图像相似性对拼接结果的不利影响,可以进行高精度的舰船图像拼接,并且减少了舰船图像拼接时间,舰船图像拼接速度要快于当前其他舰船图像拼接方法,获得了令人满意的舰船图像拼接结果。     

雾天环境下的舰船图像增强算法研究

为了提高雾天环境下的舰船图像质量,提出一种形态滤波算法和小波变换的雾天环境下舰船图像增强算法。首先采集雾天环境下的舰船图像,并对图像进行形态滤波操作,去掉舰船图像中的噪声,将舰船图像的重要信息保留下来,然后采用小波变换对2幅舰船图像分别进行分解,并对它们进行融合和增强,消除雾天环境对舰船图像的干扰,得到更加清晰的舰船图像,最后与其他算法进行舰船图像增强仿真实验,仿真实验表明本文算法的舰船图像信噪比要高于对比算法,可以对雾天环境中的不利因素进行有效的抑制,得到的舰船图像的视觉效果十分理想,解决了当前雾天环境下舰船图像增强中的难题。     

视频监控网络中舰船搜索关键技术

在舰船搜索中,由于传统舰船搜索技术的搜索效率较低,拉低了海上搜救的整体效率。为此,提出一种在视频监控网络中的舰船搜索关键技术,将渐进式的目标搜索方法应用于舰船搜索中,建立一个以视频监控网络为基础的渐进式搜索框架,利用该框架进行舰船的信息特征匹配,再利用匹配后的舰船信息特征,并通过多层感知机进行相似信息特征的排序,从而实现视频监控网络中的舰船搜索。为了验证该技术的有效性,与基于图像增强的舰船搜索技术、基于生成对抗网络的舰船搜索技术进行对比,得出该技术的整体搜索效率为84.4%。通过比较可知,本文技术搜索效率高于传统技术,证明了该技术的有效性。     

监控视频中可疑舰船的实时检测研究

现有方法由于监控视频图像处理缺陷,导致存在着可疑舰船检测时间较长、检测准确性较差,无法满足现今海上安全保障的需求,故提出监控视频中可疑舰船的实时检测研究。由于多种因素的影响,监控视频图像清晰度较差,通过直接灰度变换方法对其进行增强处理,以此为基础,基于监控视频图像相位谱生成显著图,利用Roberts算子计算显著区域的梯度,与上述获得的显著图相结合,得到综合视觉显著图,从而实现可疑舰船的实时检测。实验结果显示,在不同天气条件背景下,与现有方法相比较,提出方法可疑舰船检测时间较短,检测准确性较高,充分表明提出方法实时检测效果更佳。     

高斯模糊下舰船图像自适应细节增强方法

高斯模糊下传统舰船图像自适应细节层次感会降低,图像细节刻画不明显,为此提出舰船图像自适应细节增强方法。设计自适应UM细节图像增强方法,确定自适应增益系数,对细节层次感进行区域规划,设计自适应拉低对比度区域增强机制,提升图像细节刻画能力;通过图像扩张对细节板块化颜色校正,保证呈现方式具备明显的色彩对比,对图像进行灰度计算,实现图像自适应细节增强。实验结果表明,设计方法能够增加图像自适应细节的层次感以及细节表现力。     

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。     

基于同态滤波的舰船图像增强方法

雷达系统对于舰船的导航、目标探测等有重要作用,受海上恶劣气候条件影响,舰船雷达图像的噪声干扰较大。为了提高舰船雷达图像的成像效果,本文研究一种基于同态滤波的舰船雷达图像增强方法。本文首先介绍了同态滤波算法的原理,然后基于同态滤波算法对传统的雷达图像增强技术进行优化,最后结合雷达图像的质量评价因素(信息熵、对比度等)对该图像增强算法进行改进。     

船用视频图像增强装置的模块化设计

由于船用视频监控环境的复杂性,有必要采用多种不同组合的图像增强算法对各种视频图像进行增强处理。本文从船用视频监控系统的实际应用出发,在硬件结构和软件功能上设计了模块化的视频图像增强装置。它可作为一个独立的设备,提供标准的视频输入、输出接口,无缝集成到现有的船用视频监控体系结构中。船用环境下的应用结果表明:本装置工作稳定可靠,能对各种视频图像进行有效的增强处理,获取高质量的视频监控图像,完全满足设计要求。     

船载嵌入式网络视频监控图像模糊细节增强系统

船载嵌入式网络的普及应用,为船舶及其航行环境视频监控提供了有力支撑,为船舶航行决策制定提供了大量的图像数据。由于天气环境、设备振动等多种因素的影响,致使图像细节缺失,制约着视频监控图像的应用,提出船载嵌入式网络视频监控图像模糊细节增强系统设计。通过动态范围拉伸模式预处理视频监控图像,以此为基础,基于模糊集理论计算视频监控图像细节模糊熵,利用遗传算法确定最佳模糊参数,计算扩散系数,将其与视频监控图像模糊梯度场进行结合,应用变分法求解修正隶属度函数,通过逆变换将视频监控图像从模糊域转换到灰度域,即可获得细节增强后的船载嵌入式网络视频监控图像。实验数据显示,应用设计系统获得的增强视频监控图像信息熵最大值为9.45,充分证实了设计系统细节增强效果更佳。     

基于FPGA的夜间舰船图像增强算法

为解决传统船舶图像增强算法应用于夜间拍摄时存在图像分辨率较低的不足,提出了基于FPGA的夜间舰船图像增强算法。引入FPGA对夜间图像的灰度调节方式进行改进,依托夜间图像的滤波处理计算以及锐化计算,完成了提出的基于FPGA的夜间舰船图像增强算法设计。实验数据表明,针对夜间拍摄图像,提出的夜间船舶图像增强算法较传统船舶图像增强算法,图像分辨率提高24.64%,适合对船舶夜间图像进行分析计算。     

舰船监控视频传输中虚假图像识别方法研究

传统的舰船监控视频传输中虚假图像识别方法图像识别精准度低,为此设计一种舰船监控视频传输中虚假图像识别方法。采用加权平均值法对虚假图像灰度化处理,并利用直方图均衡化处理的方法对虚假图像中的灰度直方图转换。同时,采用二维双树小波变换方法对虚假图像重建以及图像分割,对舰船监控视频传输中虚假图像背景更新,完成了舰船监控视频传输中虚假图像识别。实验证明,此次设计的图像识别方法比传统方法的识别精准度高,实际应用意义大。     

自适应阈值法的舰船图像自动分割

图像分割是视觉检测领域中的重要环节。由于舰船环境和图像数据的复杂性,现阶段舰船图像自动分割技术中的抗光照性能差、精度低以及边缘模糊等问题仍普遍存在。如何有效完成对舰船图像进行自动分割成为一大难题。为了有效解决上述问题,对当前图像分割方法进行深入的研究和调查,提出通过自适应阈值法的舰船图像自动分割方法,在总结和分析了现有自适应阈值分割算法存在的优点和局限性后,给出了自适应阈值图像分割法的改进方案,以便从复杂的舰船图像背景中分离出目标区域,有效解决当前图像分割技术中光照不均匀、边缘模糊等问题。为验证方法有效性进行了仿真实验,实验结果证实该方法性能效果相对较好,充分满足对复杂舰船图像进行分割的设计目标。     

舰船网络视频图像无损压缩传输优化方法

针对舰船网络视频图像在无损压缩传输过程中受到无损压缩系数的影响,以缩短舰船网络视频图像的无损压缩传输延时为目的,提出了舰船网络视频图像无损压缩传输优化方法研究。采用彩色分块处理技术分块处理对舰船网络视频图像,提高舰船网络视频图像的传输速度,将舰船网络视频图像的无损压缩任务分配给其他节点,解决舰船网络视频图像在能量受限节点处的无损压缩传输能力的不足,提取了网络视频图像无损压缩传输准确性,通过舰船网络视频图像无损压缩传输优化流程设计,实现了舰船网络视频图像无损压缩的传输优化。实验测试结果表明,提出的舰船网络视频图像无损压缩传输优化方法当无损压缩系数为50%、舰船网络视频的大小为1 024×20时,舰船网络视频图像的无损压缩传输延时最短。