【摘 要】
：
常规图像识别算法存在图像尺度分割不明确的问题,导致识别算法的准确率较低,构建一种新的海上舰船目标的多尺度图像识别算法。采集图像信息,获取图像噪声类型,利用样本分散数据,降维图像线性投影,提取像素点位置,分割多尺度图像构建识别算法。实验结果表明,此次构建的多尺度图像识别算法,在3种不同的图像分辨率条件下,识别准确率分别比其他2种常规识别算法高出16.52%,18.17%,14.79%,证明此次构建的
论文部分内容阅读
常规图像识别算法存在图像尺度分割不明确的问题,导致识别算法的准确率较低,构建一种新的海上舰船目标的多尺度图像识别算法。采集图像信息,获取图像噪声类型,利用样本分散数据,降维图像线性投影,提取像素点位置,分割多尺度图像构建识别算法。实验结果表明,此次构建的多尺度图像识别算法,在3种不同的图像分辨率条件下,识别准确率分别比其他2种常规识别算法高出16.52%,18.17%,14.79%,证明此次构建的图像识别准确率更高,更适合应用在海上舰船目标图像识别的任务中。
其他文献
为了提高舰船图像的质量,提出基于视觉传达技术的舰船图像优化系统。采用背景先验知识信息检测舰船图像视觉特征,对提取的舰船图像视觉传达信息实现模糊辨识处理,并对其进行分割和边缘灰度信息重组,采用多尺度分解的方法,构建舰船图像的斑块视觉信息检测模型,实现对舰船图像的视觉传达设计,根据视觉传达效果实现舰船图像优化。仿真结果表明,采用该方法优化舰船图像质量。
图像受光线、水汽等客观因素影响,会有不同的成像分辨率,传统增强算法构建的尺度空间,影响色彩增强效果,导致图像分辨率偏低,研究非线性扩散滤波的舰船图像增强算法。利用非线性扩散滤波构造舰船尺度空间,设置诺伊曼边界条件,估计非线性扩散光照强度,通过计算锐化值,构建舰船图像增强算法。实验设置不同的环境黑度和水雾浓度,与传统算法相比,研究的算法受环境黑度和水雾浓度的影响较小,处理后的图像分辨率要比传统算法高
考虑到传统船舶图像增强技术受到海上光照条件的影响,导致舰船图像的分辨率和人眼视觉识别率低,为此提出了非均匀光照条件下的船舶图像增强研究。采用滤波方法对处理后图像进行多尺度分解,在不均匀光照的区域内,对船舶图像进行多尺度最优化处理,完成船舶图像的采集,利用船舶图像的偏差值,调整了船舶图像的对比度和折射率,去除船舶图像的滤波,结合船舶图像的增强流程设计,实现船舶图像的增强。实验结果表明,非均匀光照条件
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
传统船舶航线协调方法在海量数据并行处理下,存在数据索引特征匹配误差较大的问题,导致整体航线协调效率降低。为了有效解决上述问题,根据当下数据的多样性特征,利用物联网技术,引入分布式计算方法,提出物联网背景下船舶航线分布式协调索引方法研究。方法实现具体分为3个步骤:第1步,对航线协调数据建立基础模型;第2步,通过分布式算法对基础模型数据进行计算,获得航线索引特征分区;第3步,在索引特征分区中对最佳索引
由于舰船目标的可见范围有限,极易导致所获图像呈现模糊不清的表现形式,基于此设计应用红外图像和神经网络的舰船目标识别算法。利用增强处理后的舰船红外图像,建立必要的神经网络体系结构,完成基于红外图像与神经网络的舰船目标识别环境搭建。在此基础上,确定与舰船目标相关的经典颜色空间,通过压缩待识别目标维数值的方式,对识别量条件进行推导,实现基于红外图像和神经网络舰船目标识别算法的顺利应用。对比实验结果表明,
常规船舶操纵受扰力预测模型在高海况预测数据幅值较大的情况下,预测过程引入的误差较大,因此设计一种基于计算机视觉的船舶操纵受扰力预测模型。首先分析船舶水上受力,得到不同坐标系下船舶自由度向量,在一定假设条件下得到船舶受力方程,了解船舶的受力情况后对基于计算机视觉的船舶航行图像的质量进行处理,填充连通图像区域,完成图像形态学处理,提取出与船舶操纵受扰力相关的图像兴趣区域,结合船舶自身的特性,完成船舶操
常规的图像分割系统分割阈值精确度不足,导致红外热像信噪比较低,因此设计基于Photoshop技术的舰船热尾流红外图像分割系统。在硬件设计上建立硬件系统主体框架,设计嵌入式主板接口,在软件设计上计算舰船热尾流红外图像最佳分割阈值,以此构建红外图像软件系统模块。通过实验结果可知:在相交区域该系统的像素点分割精确度高出常规的2种系统约6.7%和8%,在分割区域该系统的像素点分割精确度高出常规系统分别为3
采用当前方法对无人船图像进行识别时,没有对无人船图像进行预处理,导致识别效果差、识别效率低、识别率低。为此,提出多变光照下的无人船图像模糊纹理光点定位识别方法。首先,以Lambertian模型为基础,构建LTV模型,利用该模型对多变光照归一化,提高整体的识别效果;然后,通过K-L变换原理对无人船图像实行降维处理,在计算繁琐度降低的同时提高所提方法的识别率。最后,利用小波变换法对图像进行积分投影,提