计算机智能技术的船舶图像融合方法

发布时间：2021-12-02 17:36

　　由于现有的船舶图像融合方法对纹理细节的处理过于粗糙,严重影响了图像的主观视觉效果,为此提出计算机智能技术的船舶图像融合方法。获取潜在目标区域信息,分割显著区域,将2个像素连通区域合并,以视觉焦点为中心,提取有效信息,模拟人类视觉,增强目标显著性,完成计算机智能技术的船舶图像融合方法研究。利用计算机程序,设计仿真实验,模拟6种不同海况并随机选取3种展开实验,将所提出方法与其他3种现有方法相比较。实验结果证实,应用计算机智能技术后,可以有效增强目标船舶与背景之间的对比度,保留源图像中边缘与纹理等细节信息,与现有方法相比,更适用于船舶图像的融合。 

【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】：

数据源图像Fig.2Datasourceimage

灾?栽銮?在上述研究基础上，利用图像局部对比度，区分图像模糊区域与清晰区域，具体对比度表达式为：Z=(HHD)/HD。(4)式中：H为图像的局部灰度；HD为图像的局部低频分量；两者的差值即为图像局部的高频分量。由于人类视觉系统的自身特性，导致其融合过程是在信号的不同频带上，分别以不同算子实现的[3]。为获取到与人类视觉更为相似的融合效果，利用离散小波变换完成多尺度分解与重构，以保障信号在分解过程中，不存在信息数据损失，使变换域与原信号的数据量保持一致。图1基于小波的图像融合Fig.1ImagefusionbasedonWavelet将原始图像设置为f，对其小波分解，并在滤波前下采样，得到图像中高频分量像素点所对应区域的局部对比度如下：Zif(a,b)=1br∑(a‘,b‘)∈rGif(a‘,b‘)Kf(a‘,b‘)。(5)式中：(a,b)为图像高频分量中的像素点；r为图像块；br为图像块r当中的像素个数。将未融合的图像设置为Q(a,b)，W(a,b)；将融合后的图像设置为E(a,b)，则能够获取到高频系数GiQ(a,b)的值。由此能够得出，低频系数的值为：KE(a,b)=μ1×KQ(a,b)+μ2×KW(a,b)。(6)μKE式中：为融合参数；(a,b)为低频系数。在上述计算所得结果的基础上，利用小波逆变换重建图像，即可得到最终的融合图像，需要注意在图像高频系数融合的过程中，尽量保留来自不同谱段图像的信息[4]。2实验论证分析在完成上述研究后，设计仿真对照实验，验证将计算机智能技术，应用到船舶图像融合当中后的效果。为保证实验的严谨性，分别选择

【参考文献】：
期刊论文
[1]基于图像融合技术的采摘机器人自主导航技术研究[J]. 张晓亮.  农机化研究. 2020(11)
[2]改进VGG网络的多聚焦图像的融合方法[J]. 陈清江,汪泽百,柴昱洲.  应用光学. 2020(03)
[3]基于自相似性和加权梯度的遥感图像融合算法[J]. 方帅,余楚平.  合肥工业大学学报(自然科学版). 2020(04)
[4]计算机视觉技术在交通工程测量中的应用[J]. 尹燕运,师影.  工程技术研究. 2020(05)



本文编号：3528875