基于智能图像视觉的船舱内部监控与识别

为了提高对舰船船舱内部监控管理能力,提出一种基于智能图像视觉的船舱内部监控识别方法。采用计算机视觉特征信息采集方法进行船舱内部图像原始信息采集,对采集的图像进行小波降噪处理,采用Harris角点检测方法进行船舱内部关键部位点的准确标定,结合图像子块连续遍历方法实现船舱内部异常像素特征搜索提取,实现船舱内部的智能视觉监控识别。仿真结果表明,采用该方法进行船舱内部监控,输出视觉图像的成像质量较好,对关键信息点的标定结果准确,对船舱内部异常像素的检索能力较强,具有较好的应用价值。     

多媒体环境下船舱监控视觉图像敏感区域标注算法

在船舱监控视觉图像的敏感区域标注中,针对敏感区域聚类标注算法准确率较低的问题,在多媒体环境下,提出了一种船舱监控视觉图像敏感区域标注算法。使用视觉注意模型计算各个区域的敏感度,对敏感区域进行检测。利用K-NN聚类算法对图像样本进行聚类,对出现频率最大的样本类别进行标注。利用图像的SIFT特征对图像的特征点与梯度进行描述,得到敏感区域图像特征后,根据值的大小,排序所有未标注的图像标注词,实现了船舱监控视觉图像敏感区域标注算法。为了检测该算法,利用敏感区域聚类标注算法与该算法进行敏感区域标注准确率的对比实验,证明了船舱监控视觉图像敏感区域标注算法的可行性与准确率。     

基于图像处理的船舱内部火情监控与识别

船舱内部失火将对舰船的安全带来严重威胁。为了提高火情预防控制能力,在计算机视觉下,提出一种基于图像处理的船舱内部火情监控与识别方法。采用图像采集传感器进行船舱内部原始图像采集,对图像进行中值滤波降噪预处理,采用4×4子区域尺度分割方法对图像进行分块融合处理,实现对图像中的火焰和烟雾特征信息的准确提取和信息采集输出,实现火情实时监控识别。仿真结果表明,采用该方法进行船舱内部火情监控识别的图像视觉效果较好,输出图像的信噪比较高,识别时间开销比传统的烟雾探测识别方法较短。     

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。     

基于计算机网络的船舶视频图像模糊细节增强算法

为了提高船舶视频图像的质量,针对图像模糊问题,设计了基于计算机网络的船舶视频图像模糊细节增强算法。首先分析引起船舶视频图像模糊的因素,并提出采用无线传感器网络对船舶视频图像进行采集和传输,然后对船舶视频图像进行增强处理,丰富船舶视频图像细节信息,改善船舶视频图像视觉效果,最后实现了船舶视频图像模糊细节增强实验,结果表明,本文算法对船舶视频图像进行增强处理后,图像更加自然,并采用定量分析指标对船舶视频图像质量进行评价,获得比其他算法更优的船舶视频图像模糊细节增强效果。     

模糊增强的Canny算法在船舶红外图像分割中的应用

航运业快速发展,水上交通密度和船舶速度不断提高,对船舶运营和管理提出了更严格的要求。红外成像系统具有探测能力强、灵敏度高、隐蔽性好等优势,被广泛应用于船舶航行安全、船舶避碰、船舶管理等领域。本文研究船舶红外图像分割算法,提出基于模糊增强的Canny算法的船舶红外图像边缘提取算法。     

图像边界检测区域对比度模糊增强算法在轮廓提取中的运用

分析了图像边界检测的区域对比度模糊增强算法的特点,通过实验验证了该算法的正确性和可行性,并指出了算法的一些不足之处和待改进的地方,提出了一种适用轮廓提取的新广义算子。     

图像边界检测区域对比度模糊增强算法在轮廓提取中的运用

分析了图像边界检测的区域对比度模糊增强算法的特点,通过实验验证了该算法的正确性和可行性,并指出了算法的一些不足之处和待改进的地方,提出了一种适用轮廓提取的新广义算子。     

船舱进水监控系统生态界面设计研究

现代舰船监控系统的高度复杂化和自动化将决策的任务主要交给人来完成,这就大大增加了操作员的心理负担。为了给操作员正确决策提供支持,减轻其心理负担,本文首次将国外最新的生态界面设计理论引入到船舱进水监控系统的界面设计中,将监控系统界面信息划分为彼此形成目的——方法关系的五大抽象级别,按照界面信息尽量激发人的较低级别的认知控制行为(SBB和RBB)同时为操作员现场新问题求解行为(KBB)提供有力支持这一生态界面设计原则,结合进水监控系统自身特点给出了实例设计解决方案。     

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。     

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。     

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。     

面向低质量指纹图像的增强算法及应用

在自动识别系统中，为了消除噪声以提高指纹图象的质量，采用梯度法计算指纹图像的方向图，通过构造一组方向滤波器对指纹图像进行滤波，然后提出了一种针对方向滤波后的指纹图像消除噪声的方法，试验结果表明了该方法的有效性和实用性。     

面向低质量指纹图像的增强算法及应用

在自动识别系统中,为了消除噪声以提高指纹图象的质量,采用梯度法计算指纹图像的方向图,通过构造一组方向滤波器对指纹图像进行滤波,然后提出了一种针对方向滤波后的指纹图像消除噪声的方法,试验结果表明了该方法的有效性和实用性.