基于神经网络的红外图像舰船统计特征分析

目前研究的红外图像舰船统计特征分析方法全面性较差,准确性较低。为了提高舰船统计特征提取的准确度和精度,本文借鉴神经网络工作原理,进一步对红外图像识别到的舰船目标进行统计特征提取,实现预期设计的效果。本文首先了解舰船红外成像的工作原理,然后利用图像滤波、图像增强技术以及图像分割操作对舰船图像数据进行预处理分析,利用特征目标模糊分类识别方法初步实现红外图像舰船统计特征的识别,然后调用神经网络技术,完善红外图像舰船统计特征提取流程。实验表明,设计方法具有很好的全面性和准确性,实现研究目标,可以投入使用。     

神经网络在舰船图像特征提取和分类中的应用

海上遥感图像对于舰船目标定位、海上救援、航运交通管理等有重要的作用,基于海上遥感图像的舰船目标特征提取及目标识别是一项热点研究。卷积神经网络是一种改进的人工智能算法,本文详细介绍了卷积神经网络技术的原理,基于卷积神经网络和滤波器实现了舰船遥感图像的特征提取和目标识别。     

基于子空间投影的舰船图像轮廓特征提取方法

特征提取技术是计算机视觉以及图像处理领域的一个研究热点,在各领域都取得了较为显著的应用成效。本文从舰船图像轮廓特征提取入手,通过正交化各类投影子空间,设计出一个舰船图像轮廓特征的二元损失函数,不断优化识别检测算法,验证本次基于子空间投影的舰船图像轮廓特征提取方法的分类性能与泛化能力。     

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。     

基于尺度空间理论的舰船遥感图像特征提取技术

不论是军事作战领域还是民用领域,基于遥感技术的海上舰船目标探测技术都发挥着重要的作用,近年来,随着海上气象条件的恶化、反侦察技术和干扰技术的发展,舰船遥感图像的特征提取过程中噪声含量越来越多,提取难度也不断增加。针对这一问题,本文采用了一种基于尺度空间理论的舰船遥感图像特征提取技术,利用尺度空间高斯算法等改善了舰船遥感图像的特征提取精度,有重要的应用价值。     

基于大数据的舰船红外图像目标实时跟踪方法

舰船红外图像目标实时跟踪具有重要的研究意义,针对当前舰船红外图像目标实时跟踪算法存在的易丢失跟踪目标、目标跟踪精度低、计算时间少等缺陷,为了改善舰船红外图像目标实时跟踪效果,设计了基于大数据的舰船红外图像目标实时跟踪方法。首先分析了目前一些经典舰船红外图像目标实时跟踪方法的缺陷,找到引起它们不足的原因,然后提取舰船红外图像目标跟踪特征,并采用大数据分析技术根据特征实现舰船红外图像目标实时跟踪,最后对舰船红外图像目标跟踪误差和实时性进行实例分析,结果表明,本文方法的舰船红外图像目标跟踪精度高,跟踪误差处于实际应用要求的最小区间内,且舰船红外图像目标跟踪计算时间短,可以对目标进行实时有效的跟踪,获得比其它方法更优的舰船红外图像目标实时跟踪结果。     

基于红外视频图像的火焰特征提取算法

为了提高舰船火灾的识别率,研究了一种基于红外视频图像的火焰特征提取算法。首先对红外视频图像进行预处理,然后利用火焰红色饱和度、亮度值以及红色分量值等判据对疑似火焰区域进行识别,采用四邻域搜索法对疑似火焰区域进行分割,最后根据火焰燃烧初期的特点对火焰特征进行提取。实验结果表明,该算法能够有效分割出疑似火焰区域并提取出火焰特征。     

反馈机制的大规模舰船图像检索

传统方式的舰船图像检索能够完成舰船图像的检索任务,但针对大规模复杂度较高的舰船图像,存在检索速度慢、检索不准确的问题,为此提出反馈机制的大规模舰船图像检索。利用图像反馈模型对舰船图像的颜色、纹理、形状、空间特征进行量化反馈,采用量化数值对比的方式进行图像检索;优化图像相似度度量方法,实现反馈机制的大规模舰船图像检索。实验数据表明,该方法比传统舰船图像检索速度提高66.44%,且具有良好的检索准确性。     

基于视觉传达技术的红外舰船图像多级融合方法

针对多光谱红外舰船图像质量差影响应用性的问题,提出基于视觉传达技术的红外舰船图像多级融合方法。利用多光谱红外热成像仪采集舰船图像数据,对红外舰船图像实施中值滤波处理,增强图像的视觉传达效果。通过非下采样变换方法,将红外舰船图像划分为高频方向子带与低频子带。依据高频子带融合方法和低频子带融合方法,分别融合红外舰船图像的高频方向子带与低频子带。对融合后的高频方向子带与低频子带实施非下采样逆变换处理,获取红外舰船图像的多级融合结果。实验结果表明,该方法可以实现不同光谱频段红外舰船图像的多级融合,融合后图像的互信息量、边缘信息保留量均高于0.7,有效提升红外舰船图像的应用性。     

基于PQFT模型和小波变换的遥感图像舰船目标特征提取

海上舰船的目标检测和特征提取是非常重要的研究课题,不仅可以用于军事领域的敌方船只侦察,还可以用于海上交通管理和渔船监管等领域。高分辨率的舰船光学遥感图像含有丰富的舰船航行状态信息,研究舰船光学遥感图像的分析技术有助于提高舰船目标识别和特征提取的效率。本文详细介绍了图像处理技术中的PQFT模型和小波变换理论,并基于PQFT模型和小波变换研究了舰船高分辨率遥感图像的识别和特征提取技术,有重要的理论和实际应用意义。     

基于深度哈希网络的舰船图像检索研究

在目前的图像检索中,通常缺乏对汉明空间距离的确定,而直接进行特征提取,导致图像检索中受图像质量影响较大。因此提出深度哈希网络的舰船图像检索研究,首先建立深度哈希网络模型,利用球哈希编码得出汉明空间的距离度量。然后根据获取的汉明距离使用Bushlet进行多层分解,得出图像复特征。最后根据特征进行Brute-Force特征匹配,完成图像检索工作。为了验证设计的图像检索方法的可行性,设计实验,建立舰船图像库,并使用设计方法以及文献[1-3]进行图像检索,判断优劣性,实验结果显示设计方法检索质量受图像质量影响较小,检索性能更好,具有可行性。     

基于卷积神经网络的舰船图像类型识别

舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。     

基于PCA算法的SAR图像舰船目标长宽特征提取

随着SAR图像成像技术的不断发展,几何特征被广泛应用在目标识别中,长宽特征因其简单直观、效率高、易于提取等优势,常被作为船只类型的初始判定,针对SAR图像舰船目标长宽特征提取问题,提出一种新的方法。首先通过水平集以及形态学方法获得预处理后的目标图像,利用PCA算法获取SAR图像舰船目标的长轴,结合最小二乘椭圆拟合方法获取舰船目标的短轴,最终得到舰船目标的长宽特征。通过实测SAR图像处理结果表明,该方法能够在背景杂波干扰下,抑制相干斑噪声的影响,提高了长宽提取的精度,是一种有效的舰船目标长宽特征提取方法。     

基于遥感图像的舰船目标检测及特征提取技术

首先运用OSTU算法对舰船目标图像的陆域和海域空间分离,进而提出一种基于云干扰背景的高斯分布混合统计模型进行虚假目标的过滤。在实现舰船目标(ROI)检测的基础上,又根据舰船图像的特征提取形态特征和尾迹特征等,精确实现对舰船目标鉴别。数据表明,通过以上步骤的技术处理,能够很好地实现对遥感图像的舰船目标进行虚假过滤和快速的舰船特征提取。     

基于舰船红外图像的耦合Sine混沌映射加密方法

为了保证船舶在航行过程中对图像的准确识别,提高信息处理的安全性,结合颜色图像分量原理,设计一种舰船红外图像耦合Sine混沌映射加密方法。通过识别和采集舰船红外图像进,并针对不同三维混沌映射加密处理,优化混沌映射加密步骤,保证图像处理效果。最后通过实验证实,舰船红外图像的耦合Sine混沌映射加密方法具有较高的加密安全性。     

云计算环境下模糊舰船图像局部特征提取方法研究

为弥补SIFT算法在匹配精度上存在的不足,设计云计算环境下的模糊舰船图像局部特征提取方法。在云计算服务框架中,实现矢量描述子的分类操作,完成云计算环境下的舰船图像节点匹配处理。在此基础上,按照舰船图像的局部特征构造需求,建立模糊图像的稀疏数据库,再根据必要特征提取量的计算结果,实现新型模糊舰船图像局部特征提取方法的顺利应用。对比实验结果表明,与SIFT算法相比,应用新型局部特征提取方法后,舰船图像模糊匹配精度最大值接近75%,传统提取遗留问题得到妥善解决。     

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。     

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。     

SAR图像舰船目标长宽特征提取技术

SAR图像特征提取是目标识别中的关键步骤,直接影响目标识别的结果。长度类特征因其简单直观、效率高、易于提取等优势,常被作为船只类型的初始判定,针对 SAR图像舰船目标长宽特征提取问题,本文提出一种新的方法。首先通过水平集分割获得目标轮廓,其次采用区域消除方法滤除杂波,获得预处理后的目标图像;其次通过最小外接矩形拟合目标,获取舰船目标切片的长轴、旋转的角度;再次采用最小二乘法椭圆拟合获取舰船目标短轴;最后得到舰船目标的长宽特征。通过实测SAR图像处理结果表明,本文方法能够在背景杂波干扰下,抑制相干斑噪声的影响,提高了长宽提取的精度,是一种有效的舰船目标长宽特征提取方法。