由于在利用原有方法進行艦船監(jiān)測視頻圖像模糊邊緣識別時,受邊緣不確定性的影響而無法進行模糊邊緣檢測,在椒鹽噪聲密度為0.010～0.030的范圍內(nèi)存在識別邊緣品質(zhì)因數(shù)值較低的問題,因此設(shè)計一種基于機器學(xué)習(xí)的艦船監(jiān)測視頻圖像模糊邊緣識別方法�；跈C器學(xué)習(xí)算法中的小波變換方法對艦船監(jiān)測視頻圖像進行去噪處理。利用Pal. King算法對艦船監(jiān)測視頻圖像實施圖像模糊邊緣檢測,通過模糊理論邊緣識別算法進行艦船監(jiān)測視頻圖像的模糊邊緣識別。為了證明該方法在該椒鹽噪聲密度范圍內(nèi)的識別邊緣品質(zhì)因數(shù)值較高,將原有方法與其對比,實驗結(jié)果證明該方法的識別邊緣品質(zhì)因數(shù)值更高,實現(xiàn)了邊緣識別性能的提升。 

【文章來源】：艦船科學(xué)技術(shù). 2020,42(18)北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

第1組實驗圖像的對比實驗結(jié)果Fig.1Comparativeexperimentalresultsofthefirstgroupofexperimentalimages

?3種方法的對比實驗結(jié)果如圖1所示。圖1第1組實驗圖像的對比實驗結(jié)果Fig.1Comparativeexperimentalresultsofthefirstgroupofexperimentalimages圖中三角形表示在該點處識別邊緣品質(zhì)因數(shù)值在實驗中的浮動值，其中位于線條上面的三角形表示向上增幅值；位于線條下面的三角形表示向下遞減值。圖1的實驗結(jié)果表明，基于機器學(xué)習(xí)的艦船監(jiān)測視頻圖像模糊邊緣識別方法的識別邊緣品質(zhì)因數(shù)值高于其他2種實驗方法。對于第2組艦船監(jiān)測視頻圖像，3種方法的對比實驗結(jié)果如圖2所示。圖2第2組實驗圖像的對比實驗結(jié)果Fig.2Comparativeexperimentalresultsofthesecondgroupofexperimentalimages圖2的實驗結(jié)果表明，基于機器學(xué)習(xí)的艦船監(jiān)測視頻圖像模糊邊緣識別方法的識別邊緣品質(zhì)因數(shù)值高于其他2種實驗方法。3結(jié)語基于機器學(xué)習(xí)的艦船監(jiān)測視頻圖像模糊邊緣識別方法通過引入機器學(xué)習(xí)中的小波變換方法實現(xiàn)了識別邊緣品質(zhì)因數(shù)值的提高，對于艦船監(jiān)測視頻圖像處理有一定啟發(fā)。參考文獻(xiàn)：鄭冰,趙陽,葛東林.農(nóng)機快速導(dǎo)航系統(tǒng)設(shè)計——基于圖像邊緣檢測和3D深度視頻幀內(nèi)編碼[J].農(nóng)機化研究,2018,40(5):181–184.[1]羅晨光,陳黎,聶暉.基于最優(yōu)直線段邊緣方向的視頻清晰度評估[J].計算機工程與設(shè)計,2018,39(2):474–478.[2]刁智華,刁春迎,袁萬賓,等.基于改進型模糊邊緣檢測的小麥病斑閾值分割算法[J].農(nóng)業(yè)工程學(xué)報,2018,34(10):155–160.[3]劉艷麗,吳彧,陳祥祥,等.室外移動視點視頻的在線陰影邊緣檢測[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報,2018,30(10):46–53.[4]表2第2組實驗圖像的具體信息Tab.2Specificinformationofth


本文編號：3272624