基于機(jī)器學(xué)習(xí)的艦船監(jiān)測(cè)視頻圖像模糊邊緣識(shí)別方法
發(fā)布時(shí)間:2021-07-09 00:19
由于在利用原有方法進(jìn)行艦船監(jiān)測(cè)視頻圖像模糊邊緣識(shí)別時(shí),受邊緣不確定性的影響而無(wú)法進(jìn)行模糊邊緣檢測(cè),在椒鹽噪聲密度為0.010~0.030的范圍內(nèi)存在識(shí)別邊緣品質(zhì)因數(shù)值較低的問(wèn)題,因此設(shè)計(jì)一種基于機(jī)器學(xué)習(xí)的艦船監(jiān)測(cè)視頻圖像模糊邊緣識(shí)別方法;跈C(jī)器學(xué)習(xí)算法中的小波變換方法對(duì)艦船監(jiān)測(cè)視頻圖像進(jìn)行去噪處理。利用Pal. King算法對(duì)艦船監(jiān)測(cè)視頻圖像實(shí)施圖像模糊邊緣檢測(cè),通過(guò)模糊理論邊緣識(shí)別算法進(jìn)行艦船監(jiān)測(cè)視頻圖像的模糊邊緣識(shí)別。為了證明該方法在該椒鹽噪聲密度范圍內(nèi)的識(shí)別邊緣品質(zhì)因數(shù)值較高,將原有方法與其對(duì)比,實(shí)驗(yàn)結(jié)果證明該方法的識(shí)別邊緣品質(zhì)因數(shù)值更高,實(shí)現(xiàn)了邊緣識(shí)別性能的提升。
【文章來(lái)源】:艦船科學(xué)技術(shù). 2020,42(18)北大核心
【文章頁(yè)數(shù)】:3 頁(yè)
【部分圖文】:
第1組實(shí)驗(yàn)圖像的對(duì)比實(shí)驗(yàn)結(jié)果Fig.1Comparativeexperimentalresultsofthefirstgroupofexperimentalimages
?3種方法的對(duì)比實(shí)驗(yàn)結(jié)果如圖1所示。圖1第1組實(shí)驗(yàn)圖像的對(duì)比實(shí)驗(yàn)結(jié)果Fig.1Comparativeexperimentalresultsofthefirstgroupofexperimentalimages圖中三角形表示在該點(diǎn)處識(shí)別邊緣品質(zhì)因數(shù)值在實(shí)驗(yàn)中的浮動(dòng)值,其中位于線(xiàn)條上面的三角形表示向上增幅值;位于線(xiàn)條下面的三角形表示向下遞減值。圖1的實(shí)驗(yàn)結(jié)果表明,基于機(jī)器學(xué)習(xí)的艦船監(jiān)測(cè)視頻圖像模糊邊緣識(shí)別方法的識(shí)別邊緣品質(zhì)因數(shù)值高于其他2種實(shí)驗(yàn)方法。對(duì)于第2組艦船監(jiān)測(cè)視頻圖像,3種方法的對(duì)比實(shí)驗(yàn)結(jié)果如圖2所示。圖2第2組實(shí)驗(yàn)圖像的對(duì)比實(shí)驗(yàn)結(jié)果Fig.2Comparativeexperimentalresultsofthesecondgroupofexperimentalimages圖2的實(shí)驗(yàn)結(jié)果表明,基于機(jī)器學(xué)習(xí)的艦船監(jiān)測(cè)視頻圖像模糊邊緣識(shí)別方法的識(shí)別邊緣品質(zhì)因數(shù)值高于其他2種實(shí)驗(yàn)方法。3結(jié)語(yǔ)基于機(jī)器學(xué)習(xí)的艦船監(jiān)測(cè)視頻圖像模糊邊緣識(shí)別方法通過(guò)引入機(jī)器學(xué)習(xí)中的小波變換方法實(shí)現(xiàn)了識(shí)別邊緣品質(zhì)因數(shù)值的提高,對(duì)于艦船監(jiān)測(cè)視頻圖像處理有一定啟發(fā)。參考文獻(xiàn):鄭冰,趙陽(yáng),葛東林.農(nóng)機(jī)快速導(dǎo)航系統(tǒng)設(shè)計(jì)——基于圖像邊緣檢測(cè)和3D深度視頻幀內(nèi)編碼[J].農(nóng)機(jī)化研究,2018,40(5):181–184.[1]羅晨光,陳黎,聶暉.基于最優(yōu)直線(xiàn)段邊緣方向的視頻清晰度評(píng)估[J].計(jì)算機(jī)工程與設(shè)計(jì),2018,39(2):474–478.[2]刁智華,刁春迎,袁萬(wàn)賓,等.基于改進(jìn)型模糊邊緣檢測(cè)的小麥病斑閾值分割算法[J].農(nóng)業(yè)工程學(xué)報(bào),2018,34(10):155–160.[3]劉艷麗,吳彧,陳祥祥,等.室外移動(dòng)視點(diǎn)視頻的在線(xiàn)陰影邊緣檢測(cè)[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2018,30(10):46–53.[4]表2第2組實(shí)驗(yàn)圖像的具體信息Tab.2Specificinformationofth
本文編號(hào):3272624
【文章來(lái)源】:艦船科學(xué)技術(shù). 2020,42(18)北大核心
【文章頁(yè)數(shù)】:3 頁(yè)
【部分圖文】:
第1組實(shí)驗(yàn)圖像的對(duì)比實(shí)驗(yàn)結(jié)果Fig.1Comparativeexperimentalresultsofthefirstgroupofexperimentalimages
?3種方法的對(duì)比實(shí)驗(yàn)結(jié)果如圖1所示。圖1第1組實(shí)驗(yàn)圖像的對(duì)比實(shí)驗(yàn)結(jié)果Fig.1Comparativeexperimentalresultsofthefirstgroupofexperimentalimages圖中三角形表示在該點(diǎn)處識(shí)別邊緣品質(zhì)因數(shù)值在實(shí)驗(yàn)中的浮動(dòng)值,其中位于線(xiàn)條上面的三角形表示向上增幅值;位于線(xiàn)條下面的三角形表示向下遞減值。圖1的實(shí)驗(yàn)結(jié)果表明,基于機(jī)器學(xué)習(xí)的艦船監(jiān)測(cè)視頻圖像模糊邊緣識(shí)別方法的識(shí)別邊緣品質(zhì)因數(shù)值高于其他2種實(shí)驗(yàn)方法。對(duì)于第2組艦船監(jiān)測(cè)視頻圖像,3種方法的對(duì)比實(shí)驗(yàn)結(jié)果如圖2所示。圖2第2組實(shí)驗(yàn)圖像的對(duì)比實(shí)驗(yàn)結(jié)果Fig.2Comparativeexperimentalresultsofthesecondgroupofexperimentalimages圖2的實(shí)驗(yàn)結(jié)果表明,基于機(jī)器學(xué)習(xí)的艦船監(jiān)測(cè)視頻圖像模糊邊緣識(shí)別方法的識(shí)別邊緣品質(zhì)因數(shù)值高于其他2種實(shí)驗(yàn)方法。3結(jié)語(yǔ)基于機(jī)器學(xué)習(xí)的艦船監(jiān)測(cè)視頻圖像模糊邊緣識(shí)別方法通過(guò)引入機(jī)器學(xué)習(xí)中的小波變換方法實(shí)現(xiàn)了識(shí)別邊緣品質(zhì)因數(shù)值的提高,對(duì)于艦船監(jiān)測(cè)視頻圖像處理有一定啟發(fā)。參考文獻(xiàn):鄭冰,趙陽(yáng),葛東林.農(nóng)機(jī)快速導(dǎo)航系統(tǒng)設(shè)計(jì)——基于圖像邊緣檢測(cè)和3D深度視頻幀內(nèi)編碼[J].農(nóng)機(jī)化研究,2018,40(5):181–184.[1]羅晨光,陳黎,聶暉.基于最優(yōu)直線(xiàn)段邊緣方向的視頻清晰度評(píng)估[J].計(jì)算機(jī)工程與設(shè)計(jì),2018,39(2):474–478.[2]刁智華,刁春迎,袁萬(wàn)賓,等.基于改進(jìn)型模糊邊緣檢測(cè)的小麥病斑閾值分割算法[J].農(nóng)業(yè)工程學(xué)報(bào),2018,34(10):155–160.[3]劉艷麗,吳彧,陳祥祥,等.室外移動(dòng)視點(diǎn)視頻的在線(xiàn)陰影邊緣檢測(cè)[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2018,30(10):46–53.[4]表2第2組實(shí)驗(yàn)圖像的具體信息Tab.2Specificinformationofth
本文編號(hào):3272624
本文鏈接:http://sikaile.net/kejilunwen/chuanbolw/3272624.html
最近更新
教材專(zhuān)著