摘要：为抑制船舶图像目标检测受光照变化、海浪干扰、背景杂波等因素的影响,设计视觉显著性和稀疏表示学习相融合的船舶图像目标检测方法,提升船舶图像目标检测效果。利用船舶图像建立船舶图像字典;通过稀疏表示算法结合字典,稀疏编码船舶图像;依据稀疏编码结果,在船舶图像内提取视觉显著图;通过自适应阈值法,分割视觉显著图,得到船舶目标候选区域,缩小船舶目标检测范围;在概率神经网络内,输入船舶目标候选区域,判断其是否为船舶目标,完成船舶图像目标检测。实验证明,该方法可有效稀疏编码船舶图像,并提取视觉显著图;该方法可有效分割视觉显著图;在简单背景与复杂背景下,该方法均可精准检测船舶目标。

摘要：为了更好的识别船舶图像信息,提出基于卷积神经网络的船舶图像增强方法,利用卷积神经网络技术对船舶图像特征进行采集和建模,并对采集到的数据进行降噪,再根据图像颜色特征进行图像缺陷修复和图像的逆向恢复处理,从而获得高品质的船舶图像。最后通过实验证实,卷积神经网络能够有效改善船舶图像的显示质量,满足传播图像增强的设计目标。

摘要：为了改善逆光船舶图像恢复的质量,设计了基于改进全变分算法的逆光船舶图像恢复方法。首先对逆光船舶图像恢复研究现状进行分析,找到引起当前逆光船舶图像恢复效果差的原因,然后建立逆光船舶图像糊模和退化模型,并引入全变分算法对逆光船舶图像进行恢复,对标准全变分算法的局限性进行改进,最后进行逆光船舶图像恢复的验证性测试实验,结果表明,本文方法提高了逆光船舶图像的信噪比,可以大幅度丰富逆光船舶图像的细节信息,使恢复的逆光船舶图像更加清晰。

摘要：图像修复对于研究船舶海上运行状态有重要意义。传统的船舶图像修复算法针对范围很小,修复速度很慢,难以满足目前人们的要求。为了解决这一问题,研究一种新的船舶破损图像快速修复算法,分析压缩和编码过程,建立船舶修复数学模型,根据建立的数学模型计算船舶图像信息,完成船舶破损图像修复。为了验证研究算法的有效性,与传统算法进行对比,从修复范围和修复速度两方面设计对比实验。由实验结果可知,所研究算法能够针对大范围船舶图像进行快速修复。本研究对于船舶海上运行状态分析有一定的指导意义。

摘要：传统船舶图像分割方法存在分割误差大,抗噪声干扰能力差、分割效率低等缺陷,为了解决传统船舶图像分割方法存在的不足,设计了基于模糊聚类算法的船舶图像分割方法。首先对当前船舶图像分割研究进展进行分析,指出不同传统船舶图像分割方法存在的局限性,然后对船舶图像进行去噪处理,提高船舶图像质量,改善抗噪声干扰能力,最后引入模糊聚类算法进行船舶图像分割,并采用多幅标准船舶图像与传统船舶图像分割方法进行对比测试。测试结果表明,本文方法可以对船舶图像进行高精度的准确分割,能够保留船舶图像边缘的重要信息,船舶图像分割速度可以满足实际应用的要求,获得了比传统船舶图像分割方法更优的结果,具有更加广泛的应用范围。

摘要：船舶图像检索是高效管理船舶图像的关键技术,由于船舶图像类型多、复杂,使得当前船舶图像检索准确性差,无法满足船舶图像管理的实际应用要求,为了提高船舶图像检索准确性,设计了基于统计模型的船舶图像检组合优化算法。首先提取船舶图像的不同种类特征,并采用现代统计学理论中的支持向量机分别对每一种特征进行船舶图像检索,然后通过BP神经网络对每一种特征的船舶图像检索结果进行融合,实现船舶图像组合检索,最后采用具体船舶图像检索实例分析算法的性能,结果表明,本文算法解决了当前船舶图像检索算法存在的弊端,船舶图像检索成功率大幅度提升,同时可以有效减少船舶图像检索时间,改善了船舶图像检索效率,可以应用于实际的船舶图像管理系统中。

摘要：数字水印可以对船舶图像的版权和重要信息进行保护,当前船舶图像数字水印算法对各种噪声、裁剪、尺寸变化等攻击的抵抗能力差,而且船舶图像数字水印的隐藏性差,为了提高船舶图像数字水印的效果,设计了基于虚拟现实技术的船舶图像数字水印保护算法。首先对当前船舶图像数字水印保护的研究进展进行分析,找到当前船舶图像数字水印保护研究中存在的一些难题,然后基于虚拟现实技术对原始船舶载体图像进行预处理,并对水印进行置乱操作,使攻击者无法获取水印的原始信息,最后通过水印嵌入算法将水印嵌入到原始船舶载体图像的最优位置,并通过实验对船舶图像数字水印保护算法的性能进行测试。结果表明,本文算法可以将水印信息很好的隐藏于原始船舶载体图像中,水印具有良好的不可见性,可以抵抗各种非法攻击,解决了当前船舶图像数字水印保护算法存在的缺陷,具有更加广泛的应用前景。

摘要：基于船舶自动驾驶存在的问题以及需求,提出了一个基于卷积神经网络的船舶自动识别系统。系统设计使用的生成对抗神经网络算法,基于互信息理论,能够无监督式地学习船舶图像特征。通过实验论证,在分类准确度上取得了显著地提升,表明本系统方法合理有效,具有较高地运用前景。