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。     

融合改进粒子群算法的船舶图像检索研究

为了提高船舶图像检索效果,针对当前的船舶图像检索过程中特征权值的确定问题,提出一种融合改进粒子群算法的船舶图像检索方法。首先对当前船舶图像检索方法进行分析,提取不同类型的船舶图像检索特征,然后采用粒子群算法确定船舶图像检索特征权值,并对粒子群算法存在的缺陷进行相应的改进,最后通过特征加权得到船舶图像特征之间的相似度值,根据相似度值得到船舶图像检索结果,并采用多幅船舶图像进行检索实验,结果表明,本文方法的船舶图像检索率超过94%,而船舶图像的误检率和漏检率均低于5%,获得了十分理想的船舶图像检索结果。     

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。     

基于图像分析技术的清水混凝土色差及气孔研究

针对图像分析方法在图像获取过程中受外界环境影响导致提取参数波动较大的问题,提出一种在图像获取及分析过程中引入参照物(标识块)的方法。该方法可以降低拍摄条件对图像处理结果的影响,增强不同条件下获得的图像之间的对比性。采用改进的图像处理方法研究脱模剂和振捣时间对清水混凝土外观色差、气孔的影响。结果表明,振捣时间对色差及气泡影响显著,合适的振捣条件能更好地发挥出脱模剂的作用;基于气孔直径突变的"断层气孔"与"断层直径"参数可用于清水混凝土外观质量评价与针对性原因分析。     

网格法在视频图像车速中的研究与应用

视频图像车速计算的工作中,相当一部分视频图像虽然能确定车辆运动过程对应的时间,但由于目标车辆大部分移动过程都在固定标尺之外的区域,或者找不到确定的移动标尺,无法标定或量化整个移动过程的距离参数,使车辆行驶速度无法计算;本文通过研究"kinovea"软件的基本功能——透视网格功能,在了解其功能、特点的基础上发现其特殊用途:可用经已知固定标尺标定后的透视网格来标定未知区域,使该区域的车辆位移参数可测量或量化,实现对车辆行驶速度进行精确计算;同时还可运用基于Kinovea软件网格功能的网格法对事故进行深度分析,通过网格的铺设,计算出目标车辆的车速,测算两肇事主体之间的距离,推断安全的停车距离,可以得到交通事故中目标车辆或物体的关键性位置参数,为事故的深度分析及处理提供强有力的技术支持。     

水下机器人所摄图像的预处理

水下机器人在获取图像的过程中会受到多种因素的干扰,图像处理难度大.为提高水下图像的质量,改善图像视觉效果,必须首先解决各种干扰因素对视觉信息造成的干扰和影响.图像预处理旨在去除噪声,提高图像质量,以改善人们的视觉效果和图像质量,降低后续算法处理的难度.基于此,主要探讨使用分段线性灰度变换法进行图像处理,以达到预期效果.     

基于BP神经网络的图像识别跟踪技术

本文利用BP神经网络抗干扰性强,识别精准等优点对船舶进行识别跟踪。首先获取原始图像,然后预处理,以图像的全部灰度值为训练样本,以新不变矩特征向量为样本集输入到3层BP神经网络中,对含不同噪声均值的图像进行识别。实验结果表明,以新不变矩特征向量作为样本集时抗噪能力强,识别率高。最后以新不变矩特征向量作为样本集进行目标跟踪得到跟踪误差。     

红外图像中舰船目标增强技术研究

随着各国在海洋领域竞争的日益激烈,舰船目标自动识别技术正逐渐成为社会的研究热点,目标增强是舰船目标自动识别技术中的重要环节,但通常海天背景下舰船目标红外图像的目标背景对比度低,图像信噪比差。为使低对比度舰船红外图像中感兴趣目标得到增强,本文首先利用中值滤波去除图像中的随机噪声,然后对图像进行同态滤波,最后加入对像素空间位置的考虑,利用像素邻域的灰度均值和均方差值构建了一个灰度变换函数,实现图像的灰度拉伸。实验结果表明,以往仅通过灰度信息的增强技术很难取得较好效果,本文在考虑像素位置的基础上提出的灰度变换函数可较好的实现对舰船目标局部区域的增强。     

基于Kinect和直方图均衡化的红外图像增强算法

在复杂海域上船舶的红外图像分辨率低、对比度弱、视觉特性差,研究红外图像增强算法对于进行船舶检测、跟踪和识别具有理论意义和实用价值。本文首先通过Kinect获取到红外图像的深度图像,根据景深的不同把船舶和背景区域分离出来;然后设定初始阈值,进行冗余灰度压缩、幂指数拉伸和直方图均衡后将图像的像素等间距的排列在相应的灰度级上;最后通过引入模糊指数进行图像增强效果验证。实验效果表明,经过图像增强算法图像的清晰度和对比度提高。     

基于知识蒸馏的车辆可行驶区域分割算法研究

针对计算量有限的无人驾驶芯片难以部署巨大神经网络的问题,将知识蒸馏算法这一神经网络模型压缩技术应用于图像的语义分割,在BDD100K数据集上对DeepLabV3+图像语义分割模型进行蒸馏训练,然后对车辆可行驶区域进行像素级别的分割,并在实际道路上进行测试。试验结果表明,在不改变网络结构的前提下,分割结果的平均交并比(IOU)提高了约3%。