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。     

基于视频的交互建模方法

基于图像的三维建模技术一直是计算机视觉领域的研究热点.目前的基于图像的建模方法多使用算法自动提取图像特征点,常常无法准确描述场景物体轮廓,针对此问题提出了一种基于视频的交互式建模方法.基于CAHV摄像机模型,在任意图像中手动选取关键特征点确定物体轮廓,并结合摄像机参数及部分自动提取的特征点信息计算深度,最后通过纹理映射技术获得三维模型.实验证明,该方法可以准确提取物体轮廓,建模结果真实感强,是一种有效的基于图像的建模方法.     

图像处理技术在船舶航行障碍物识别中的应用

为了提高船舶航行避障能力,提出基于图像分块特征匹配和视觉跟踪识别的船舶航行障碍物识别技术。采用点跟踪匹配和动态帧点检测的方法进行船舶航行障碍物识别的红外图像信息采集,对采集的船舶航行障碍物红外视觉图像进行区域组合检测和融合处理,提取图像的差异性和突变性特征点,根据特征点的分布情况采用视觉跟踪识别方法实现对船舶航行障碍物识别。测试表明,该方法对船舶航行障碍物识别的动态跟踪能力较好,识别可靠性和精度较高。     

基于视觉搜索的舰船跟踪方法研究与仿真

基于视觉图像处理方法实现对舰船目标的跟踪识别,提高对舰船目标的搜索和打击能力。传统方法采用舰船目标轮廓亮点检测方法实现对目标的视觉搜索,在图像模糊和背景干扰较强时,检测效果不好。本文提出一种基于相邻帧补偿和尺度不变特征变换的舰船视觉搜索跟踪算法。为提高舰船目标图像视觉特征采集的清晰度和稳定性,采用电子稳像技术对舰船视觉信息采集进行直方图均衡处理,采用尺度不变特征变换SIFT技术对舰船目标进行角点特征提取。采用相邻帧补偿技术进行背景干扰滤波,在相邻两帧之间求解舰船的运动参量,实现对舰船目标的视觉搜索和跟踪。仿真实验表明,采用该算法实现对舰船目标的视觉搜索跟踪,舰船视觉特征的稳像性能较好,对舰船目标的准确识别率较高,展示了较好的应用价值。     

人机交互船体可视图像轮廓点获取方法研究

由于传统的可视图像轮廓点获取技术精准度低的情况,设计一种基于人机交互的船体可视图像轮廓点获取方法,根据图像形态学的定义,检测图像的边缘形态,采用结构图像元素定义,对图像边缘进行细化,在检测图像的基础上,定义船体检测到的轮廓模型为平面内的一条参数曲线,利用最小二乘法得到各点的左右斜率,确定角点,以此实现对船体可视图像轮廓点的获取。并设计仿真实验对该方法进行检验,实验结果表明,此方法在进行船体可视图像轮廓点获取上,精准度较传统方法高,具备实际应用意义。     

利用视觉图像的吃水线检测报警系统研究

传统船舶吃水线检测报警系统多采用液体感应检测方式,来实现船舶吃水线位置的实时检测报警。但此种方法受到天气环境与水文状态因素的影响较大,经常出现船舶吃水线检测报警位置与实际吃水线位置误差较大的问题。因此,本文提出利用视觉图像的吃水线检测报警系统的研究。通过创建基于视觉检测技术的检测硬件平台,实现对船舶吃水线视觉图像检测数据的采集;同时引入多维度水线特征识别算法,对采集的水线位置图像数据进行多维度特征分析计算,得到准确的船舶吃水线位置图像,解决报警准确度低的问题。最后利用仿真实验方式,对比证明设计系统的可行性与有效性。     

基于虚拟现实的船舶三维图像重建方法

通过对船舶三维图像重建处理,提高船舶动态检测识别能力,提出基于虚拟现实的船舶三维图像重建方法。根据船舶图像的空间位置概率分布,构建船舶三维图像的分类子网特征图模型,采用虚拟现实的三维重组技术实现对船舶三维图像重建过程中的纹理渲染和实体建模。在船舶三维图模型的Face Tools中选择虚拟现实重构的面类型,通过颜色、透明度和光照效果的动态渲染实现对船舶三维图像重建。实验表明该方法对船舶三维图像重建的视觉表达能力较好,重建的精密度水平较高。     

三维视觉识别下推进器模糊故障图像清晰化仿真研究

现有推进器生成图像时采用的传统算法存在噪声辨识度低、图像噪声边缘计算精度差的问题。导致生成的故障图像模糊,无法精准对其分析。针对此种问题,提出三维视觉识别下推进器模糊故障图像清晰化仿真研究。首先,通过展开三维视觉高斯差算法对图像噪声粒子进行差分计算,明确有效图像轮廓;其次,引入噪声循环分解算法,对确定的噪声轮廓内噪声点进行弱化计算,提升有效图像锐度,视线清晰图像的效果。最后,通过仿真实验对提出的设计方法进行对比性数据验证,证明提出的三维视觉识别下推进器模糊故障图像清晰化仿真方法能够有效解决推进器故障图像模糊的问题。     

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。     

基于机器学习的多光谱舰船图像异常目标检测方法

针对现有舰船异常目标检测方法,出现高相似度异常目标辨识度低的问题。提出基于机器学习的多光谱舰船图像异常目标检测方法,基于机器学习技术,对现有图像分析算法进行优化改进,通过采用多光谱AI协同CRD算法对图像构成原子进行划类提取,明确目标图像边缘。在此基础上,利用精准图源RX处理算法,精准确认图像内异常目标特征,完成提出的方法设计。对比实验证明,提出的基于机器学习的多光谱舰船图像异常目标检测方法,能够准确识别恶劣环境下的图像目标异常,具备高精度识别高相似度图像内的异常目标的要求,并且在处理速度、运算稳定性与后期学习能力上都优于传统舰船图像异常目标检测方法。     

基于Camshift的红外舰船目标跟踪

在海空红外图像中舰船的轮廓和纹理特征信息较少,给舰船目标的识别和跟踪带来了极大的挑战。针对这一问题,本文在研究红外系统成像机理及红外图像特性的基础上,利用滤波和直方图均衡化来减少红外图像的噪声,提高红外图像的对比度。此外,详细分析了Camshift算法,设计基于Camshift的舰船目标跟踪方案。     

基于人眼视觉特性的舰船图像增强方法

传统舰船图像增强方法没有考虑人眼视觉特征,导致图像人眼视觉识别率较低,对此提出新型舰船图像增强方法。通过对舰船图像数据的标准化和白化操作,完成舰船图像人眼视觉化处理,提取处理图像数据的颜色特征和纹理特征,消除干扰项,提高图像特征维,根据图像H值,将升维后的图像数据,转换到RGB色彩空间中,合成图像色度、饱和度和强度,实现图像增强。实验数据表明,与传统图像增强方式相比,利用新设计的舰船图像增强方法,图像人眼视觉识别度提高27%,具有应用优势性。     

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。     

基于智能视觉的船体焊接坏点识别方法

传统的船体焊接坏点识别方法会受周围因素的影响,无法得出准确的识别结果,为了解决这个问题,提出基于智能视觉的船体焊接坏点识别方法。利用智能视觉技术采集船体焊接图像,并对图像进行二值化处理,得到经过去燥处理的船体焊接图像,在完成上述步骤后,利用智能视觉船体焊接坏点识别模型对船体焊接坏点结构进行故障识别,为确保识别结果的准确性,应用映射计算法对其进行进一步处理。由此,完成基于智能视觉的船体焊接坏点识别方法的设计。在实验中,随机选取800张船体焊接坏点结构图像,分别对这2种方法进行实验分析,实验结果表明,所提方法的准确性更高,更适合推广使用。     

数据挖掘在无人船舶目标图像识别中的应用

为了缩短无人船舶目标图像的识别时间,提高目标图像的质量,提出了数据挖掘在无人船舶目标图像识别中的应用。利用数据挖掘技术确定无人船舶目标图像的阈值,根据目标图像的阈值误差分割了目标图像,采用图像边缘点提取公式将图像边缘点连接成线,提取出目标图像的外轮廓,完成无人船舶目标图像的预处理;通过目标图像识别算法的改进设计,得到了目标图像的识别流程,实现了数据挖掘在无人船舶目标图像的识别中的应用研究。仿真实验结果表明,数据挖掘在无人船舶目标图像识别方法与基于航拍技术的目标图像识别方法相比,目标图像的识别时间缩短了35.1%。     

一种基于模糊聚类的火焰色彩特征目标检测

计算机视觉检测是指利用计算机图像处理系统来模拟人类视觉进行检测对象的分类、识别和测量的技术.使用基于模糊聚类的图像RGB分量线性变换后的正交彩色特征,建立了应用于火焰检测的一种混合检测模型,并将其应用于视频序列图像中火焰的自动检测.实验结果验证了该方法的有效性.     

无参考船舶立体图像的质量感知特征提取

船舶立体图像的特征提取能够获取船舶的几何特征、视觉特征、纹理特征等,对于船舶识别、目标搜索等有重要的意义。获取过程受图像、视频设备、数据传输链路等影响,立体图像可能存在局部缺失等问题。本文首先介绍3种立体图像的质量评估方法,并针对无参考质量评价方法进行研究,详细介绍基于颜色、自然度的无参考质量感知特征提取和基于局部分析的无参考船舶立体图像质量特征提取,对于改善船舶立体图像的识别效果有显著的作用。     

基于YOLO-v2视觉神经网络在移动机器人平台ROS框架下的实现

目标检测主要是通过视觉算法对目标图像进行识别,而移动机器人可以利用目标检测算法完成对周围环境的感知。本文提出对传统YOLO-v2算法进行改进,并基于ROS框架实现移动机器人在办公室场景下对主要动态障碍物的检测和识别。     

立体视觉传达技术在船舶舱内结构缺陷检测中的应用

传统船舶舱内结构缺陷检测方法存在细微缺陷识别率低、缺陷数据识别误差大的问题,严重影响船舶内部结构缺陷检测效率,对此,引入立体视觉传达技术,研究立体视觉传达技术在船舶舱内结构缺陷检测中的应用。在结构缺陷检测过程中,引入立体视觉传达技术,将结构场景转换为视觉数据,根据视觉数据信息特点,建立基于视觉传达的标定模型,对模型输出缺陷变量进行模糊补偿,通过缺陷差量的补偿,调整缺陷识别系数范围,达到优化识别精度的目的。利用仿真测试工具,对提出方法进行对比测试,通过测试数据证明提出方法的有效性。     

基于遥感图像的舰船运行信息提取方法

舰船运行过程体系复杂,通过对舰船运行信息提取,实现对舰船的实时状态监测,提出基于遥感图像的舰船运行信息提取方法。采用遥感探测方法进行舰船运行的图像采集,对采集的舰船遥感图像进行级联小波降噪处理,采用模板匹配方法进行舰船运行遥感图像的分块融合,实现运行状态特征量的图像反馈识别。根据对遥感图像的边缘轮廓检测结果进行舰船运行状态的实时监测和信息提取,提高舰船运行状态的可视化量化分析能力。仿真结果表明,采用该方法进行舰船运行信息提取能准确检测到舰船的运行特征信息,输出图像的信噪比较高,舰船运行状态的视觉监测性能较好。