基于机器学习的舰船监测视频图像模糊边缘识别方法

发布时间：2021-07-09 00:19

　　由于在利用原有方法进行舰船监测视频图像模糊边缘识别时,受边缘不确定性的影响而无法进行模糊边缘检测,在椒盐噪声密度为0.010～0.030的范围内存在识别边缘品质因数值较低的问题,因此设计一种基于机器学习的舰船监测视频图像模糊边缘识别方法。基于机器学习算法中的小波变换方法对舰船监测视频图像进行去噪处理。利用Pal. King算法对舰船监测视频图像实施图像模糊边缘检测,通过模糊理论边缘识别算法进行舰船监测视频图像的模糊边缘识别。为了证明该方法在该椒盐噪声密度范围内的识别边缘品质因数值较高,将原有方法与其对比,实验结果证明该方法的识别边缘品质因数值更高,实现了边缘识别性能的提升。 

【文章来源】：舰船科学技术. 2020,42(18)北大核心

【文章页数】：3 页

【部分图文】：

第1组实验图像的对比实验结果Fig.1Comparativeexperimentalresultsofthefirstgroupofexperimentalimages

?3种方法的对比实验结果如图1所示。图1第1组实验图像的对比实验结果Fig.1Comparativeexperimentalresultsofthefirstgroupofexperimentalimages图中三角形表示在该点处识别边缘品质因数值在实验中的浮动值，其中位于线条上面的三角形表示向上增幅值；位于线条下面的三角形表示向下递减值。图1的实验结果表明，基于机器学习的舰船监测视频图像模糊边缘识别方法的识别边缘品质因数值高于其他2种实验方法。对于第2组舰船监测视频图像，3种方法的对比实验结果如图2所示。图2第2组实验图像的对比实验结果Fig.2Comparativeexperimentalresultsofthesecondgroupofexperimentalimages图2的实验结果表明，基于机器学习的舰船监测视频图像模糊边缘识别方法的识别边缘品质因数值高于其他2种实验方法。3结语基于机器学习的舰船监测视频图像模糊边缘识别方法通过引入机器学习中的小波变换方法实现了识别边缘品质因数值的提高，对于舰船监测视频图像处理有一定启发。参考文献：郑冰,赵阳,葛东林.农机快速导航系统设计——基于图像边缘检测和3D深度视频帧内编码[J].农机化研究,2018,40(5):181–184.[1]罗晨光,陈黎,聂晖.基于最优直线段边缘方向的视频清晰度评估[J].计算机工程与设计,2018,39(2):474–478.[2]刁智华,刁春迎,袁万宾,等.基于改进型模糊边缘检测的小麦病斑阈值分割算法[J].农业工程学报,2018,34(10):155–160.[3]刘艳丽,吴彧,陈祥祥,等.室外移动视点视频的在线阴影边缘检测[J].计算机辅助设计与图形学学报,2018,30(10):46–53.[4]表2第2组实验图像的具体信息Tab.2Specificinformationofth


本文编号：3272624