SAR图像技术在船舶目标检测和参数提取中的应用

SAR技术飞速发展,大量的船载SAR系统已经运用到了船舶目标检测和参数提取中。本文在传统的船舶目标检测的基础上进行改进,提出基于分解理论的极化SAR图像船舶目标检测,并在检测过程中利用边缘检测模板和Freeman分解理论提取边缘信息,解决边缘模糊的问题。本文还提取船舶目标的运动参数。最后进行仿真实验,实验结果表明本文具有可行性和一致性。     

遗传算法和活动轮廓波模型的船舶图像分割研究

针对传统的边缘检测法、聚类分割法存在分割边界不完整而导致分割结果不理想问题,提出遗传算法和活动轮廓波模型的船舶图像分割研究。构建能量函数,引导轮廓线朝着目标边缘方向移动。结合遗传算法中交叉和变异操作,优化活动轮廓波模型参数,避免出现水平集正则项不能及时更新问题。在新的轮廓波模型中增加水平集正则项,构建水平集函数演化方程,获取窄带内像素数据对应的水平集函数,分割边缘。对数据结构初始化处理,标记像素链表,设计船舶图像详细分割流程。由实验结果可知,该方法分割图像特征匹配最高精准度为0.98,分割后的图像与原始图像清晰度一致,且细节保留完整。     

深度学习的SAR图像海洋涡旋自动检测及其特征提取

本文针对SAR卫星遥感图像海洋涡旋自动检测问题,提出一种基于YOLOX高性能目标检测的海洋涡旋检测模型YOLOX-EDDY,该模型能够精准检测到亚中尺度海洋涡旋。根据SAR图像海洋涡旋的螺旋线形态,本文提出了涡旋中心位置、涡旋尺度和涡旋边缘位置等特征参数自动提取方法,实现了从海洋涡旋自动检测到涡旋特征信息提取的自动化处理。利用国家卫星海洋应用中心和中国资源卫星应用中心提供的高分三号卫星海洋涡旋SAR图像,构建SAR图像涡旋样本库,进行涡旋自动检测模型训练与验证、涡旋特征参数提取实验。实验表明,本文提出方法具有较强的泛化能力,能够实现海洋涡旋精准检测和涡旋特征参数提取。     

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。     

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。     

基于傅里叶变换的SAR图像舰船尾迹检测

为利用精准的舰船尾迹检测结果,为航速航向信息反演等应用提供基础,提出基于傅里叶变换的SAR图像舰船尾迹检测方法。利用分数阶傅里叶变换方法,通过线性积分变换以及平面旋转两部分,变换舰船尾迹SAR图像,将其划分为高频子带与低频子带。利用Radon变换方法,累加SAR图像低频子带内直线像素点的灰度值,获取像素点与舰船尾迹线的几何对应关系,搜索Radon变换域中的峰值点位置,获取最终的SAR图像舰船尾迹线检测结果。实验结果表明,该方法可以有效检测SAR图像中的卡尔文尾迹、布拉格尾迹等不同类型的舰船尾迹,具有优越的舰船尾迹检测效果。     

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.     

统计学习在海上遥感图像背景去噪的算法研究

针对传统的遥感图像中存在的边缘清晰度低、噪声干扰大等问题,本文在统计学习的基础上利用支持向量值轮廓波变换进行海上遥感图像去噪处理。阐述支持向量值轮廓波变换,并建立相干斑噪声模型,通过支持向量值轮廓波变换对此模型进行处理,最后进行不同算法的对比实验。实验结果表明,本文算法能够保持原始图像的细节信息,泛化能力好。     

复杂背景下海天线的连通域检测法

海天线的检测对于划分海空背景、识别红外舰船目标具有重要作用.本文提出一种基于线段表连通域原理的海天线检测方法.首先去除原始红外图像的强水纹干扰和背景干扰,再通过梯度运算和最大值滤波找出海天线的位置.最后基于线段表连通域原理对二值化后的图像进行检测,以提取海天线的非线性边缘信息.实验表明,该方法的检测精度高,而且当海天线上存在舰船时,不会对舰船轮廓产生影响,克服了Hough变换法只能检测出直线的缺点,具有较强的实用性.     

无人船运行轨迹图像细化分割方法

为了提高对无人船运行轨迹的规划和识别能力,需要对运行轨迹图像进行细化分割,提出一种基于块匹配和边缘轮廓特征分割的无人船运行轨迹图像的细化分割方法。对采集的无人船运行轨迹灰度图像进行模板分块处理,对分块图像进行二值化分离,采用小波分解方法进行图像的边缘轮廓特征分解和尺度融合,结合统计特征重构方法进行运行轨迹的自适应信息增强,以增强后的轨迹图像为模板进行轮廓套索,实现轨迹图像的边缘轮廓特征提取,在分块图像中以边缘轮廓特征为基准线,实现无人船运行轨迹图像的细化分割。仿真结果表明,该方法进行无人船运行轨迹图像分割的特征分辨力较好,分割精度较高,挺高了图像的输出辨识能力。     

真空镀膜膜层缺陷显微图像的边缘检测

真空镀膜膜层缺陷显微图像的边缘模糊、噪音大等,不利于工艺分析。采用多种边缘检测算子对显微获得的膜缺陷图像进行处理并进行了结果比较,表明：基于小波变换的边缘检测,可清晰突出缺陷图像轮廓、有效去除背景噪声,具有优异的边缘检测性能。     

深度卷积网络的舰船图像自动分割研究

当前舰船图像自动分割方法存在"过分割"或者"欠分割"现象,使得舰船图像自动分割误差大。为了提高舰船图像自动分割精度,提出了基于深度卷积网络的舰船图像自动分割方法。对当前舰船图像自动分割的研究现状进行分析,找到引起舰船图像分割误差的原因。采用活动轮廓模型对舰船图像进行粗分割,并找到其中的舰船图像错误分割区域。最后,采用深度卷积网络对舰船图像的错误分割结果进行校正,实现舰船图像进行精细分割,并与活动轮廓模型的舰船图像自动分割方法进行了对比实验。结果表明,相对于活动轮廓模型,深度卷积网络的舰船图像分割精度更高,降低了舰船图像的误分割率,验证了本文舰船图像自动分割方法的优越性。     

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。     

复杂背景下海天线的连通域检测法

海天线的检测对于划分海空背景、识别红外舰船目标具有重要作用。本文提出一种基于线段表连通域原理的海天线检测方法。首先去除原始红外图像的强水纹干扰和背景干扰,再通过梯度运算和最大值滤波找出海天线的位置。最后基于线段表连通域原理对二值化后的图像进行检测,以提取海天线的非线性边缘信息。实验表明,该方法的检测精度高,而且当海天线上存在舰船时,不会对舰船轮廓产生影响,克服了Hough变换法只能检测出直线的缺点,具有较强的实用性。     

基于双边滤波的船舶图像混合域去噪方法

船舶SAR图像由于高斯噪声、相干斑噪声以及SAR雷达的阴影特性等原因,SAR图像中存在着大量噪声,这些噪声信号会干扰基于SAR图像的海上船舶目标识别与监测。针对这一问题,本文提出一种基于双边滤波算法的船舶SAR图像混合区域去噪算法,阐述双边滤波算法的原理,进行SAR图像噪声的来源建模,在实际船舶SAR图像的处理过程中取得了良好的降噪效果。     

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。     

数学形态滤波的图像边缘检测

图像边缘检测是图像中目标识别和分类的基础,针对当前图像边缘检测算法存在易受噪声影响、检测边缘不完整、检测精度低等不足,设计了基于数学形态滤波的图像边缘检测算法。首先采集待检测边缘的图像,并采用小波变换对其进行去噪声处理,减少噪声对边检测结果的干扰,然后采用数学形态滤波方法对图像的边缘进行检测,最后进行图像边缘检测的验证性实验,并与其他算法进行了对比测试,结果表明本文算法可以抑制噪声对图像边缘检测结果的影响,得到十分完整的图像边缘,而且图像边缘检测的整体效果显著优于对比算法。     

基于图像变化检测的舰船毁伤信息提取问题研究

信息化条件下,舰船毁伤效果评估对舰船毁伤信息的提取提出了更高的要求。文章对基于图像变化检测的舰船毁伤信息提取问题进行了研究,首先对舰船毁伤前后的图像进行配对,然后利用变化检测法对图像变化的纹理特征和几何特征进行检测,提取舰船毁伤评估所需要的毁伤信息。     

基于标准化灰度霍夫SAR图像的舰船尾流探测算法变换研究

目前,合成孔径雷达(SAR)图像技术在舰船检测和监视等方面的应用越来越广泛,特别是在舰船目标识别方面。当运用SAR图像技术进行舰船尾迹检测时,面临的主要问题是缺乏自适应的检测算法和检测系统,导致舰船尾迹检测的项目稀少,获取的目标信息单一,既无法发挥SAR图像技术的优点,又无法准确有效地进行舰船尾迹检测。本文详细分析了影响尾迹产生的因素,在Hough变换的基础上,进行了SAR图像技术在舰船尾迹检测中的研究。     

VR技术在船舶舱室三维图像重建中的应用

为了实现对船舱舱室的三维视景重构,提出基于VR技术的舱室三维图像重建技术,采用锐化模板匹配动态增强技术和帧点扫描技术,实现对船舱室的三维立体图像扫描和特征提取,结合像素匹配模型和滤波抑制方法,实现三维图像的不规则点滤波和修正处理。通过光场边缘轮廓检测和模板分块融合匹配,结合VR视景重建技术,实现对舱室的三维图像重建。仿真结果表明,采用该方法进行舱室三维图像重建,有效解决舱物理结构复杂导致的结构不规则和空间表达能力不好的问题,具有很好的视景重构性能。