由于現(xiàn)有的船舶圖像融合方法對紋理細(xì)節(jié)的處理過于粗糙,嚴(yán)重影響了圖像的主觀視覺效果,為此提出計算機(jī)智能技術(shù)的船舶圖像融合方法。獲取潛在目標(biāo)區(qū)域信息,分割顯著區(qū)域,將2個像素連通區(qū)域合并,以視覺焦點(diǎn)為中心,提取有效信息,模擬人類視覺,增強(qiáng)目標(biāo)顯著性,完成計算機(jī)智能技術(shù)的船舶圖像融合方法研究。利用計算機(jī)程序,設(shè)計仿真實(shí)驗(yàn),模擬6種不同海況并隨機(jī)選取3種展開實(shí)驗(yàn),將所提出方法與其他3種現(xiàn)有方法相比較。實(shí)驗(yàn)結(jié)果證實(shí),應(yīng)用計算機(jī)智能技術(shù)后,可以有效增強(qiáng)目標(biāo)船舶與背景之間的對比度,保留源圖像中邊緣與紋理等細(xì)節(jié)信息,與現(xiàn)有方法相比,更適用于船舶圖像的融合。 

【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】：

數(shù)據(jù)源圖像Fig.2Datasourceimage

災(zāi)?栽鑾?在上述研究基礎(chǔ)上，利用圖像局部對比度，區(qū)分圖像模糊區(qū)域與清晰區(qū)域，具體對比度表達(dá)式為：Z=(HHD)/HD。(4)式中：H為圖像的局部灰度；HD為圖像的局部低頻分量；兩者的差值即為圖像局部的高頻分量。由于人類視覺系統(tǒng)的自身特性，導(dǎo)致其融合過程是在信號的不同頻帶上，分別以不同算子實(shí)現(xiàn)的[3]。為獲取到與人類視覺更為相似的融合效果，利用離散小波變換完成多尺度分解與重構(gòu)，以保障信號在分解過程中，不存在信息數(shù)據(jù)損失，使變換域與原信號的數(shù)據(jù)量保持一致。圖1基于小波的圖像融合Fig.1ImagefusionbasedonWavelet將原始圖像設(shè)置為f，對其小波分解，并在濾波前下采樣，得到圖像中高頻分量像素點(diǎn)所對應(yīng)區(qū)域的局部對比度如下：Zif(a,b)=1br∑(a‘,b‘)∈rGif(a‘,b‘)Kf(a‘,b‘)。(5)式中：(a,b)為圖像高頻分量中的像素點(diǎn)；r為圖像塊；br為圖像塊r當(dāng)中的像素個數(shù)。將未融合的圖像設(shè)置為Q(a,b)，W(a,b)；將融合后的圖像設(shè)置為E(a,b)，則能夠獲取到高頻系數(shù)GiQ(a,b)的值。由此能夠得出，低頻系數(shù)的值為：KE(a,b)=μ1×KQ(a,b)+μ2×KW(a,b)。(6)μKE式中：為融合參數(shù)；(a,b)為低頻系數(shù)。在上述計算所得結(jié)果的基礎(chǔ)上，利用小波逆變換重建圖像，即可得到最終的融合圖像，需要注意在圖像高頻系數(shù)融合的過程中，盡量保留來自不同譜段圖像的信息[4]。2實(shí)驗(yàn)論證分析在完成上述研究后，設(shè)計仿真對照實(shí)驗(yàn)，驗(yàn)證將計算機(jī)智能技術(shù)，應(yīng)用到船舶圖像融合當(dāng)中后的效果。為保證實(shí)驗(yàn)的嚴(yán)謹(jǐn)性，分別選擇

【參考文獻(xiàn)】：
期刊論文
[1]基于圖像融合技術(shù)的采摘機(jī)器人自主導(dǎo)航技術(shù)研究[J]. 張曉亮.  農(nóng)機(jī)化研究. 2020(11)
[2]改進(jìn)VGG網(wǎng)絡(luò)的多聚焦圖像的融合方法[J]. 陳清江,汪澤百,柴昱洲.  應(yīng)用光學(xué). 2020(03)
[3]基于自相似性和加權(quán)梯度的遙感圖像融合算法[J]. 方帥,余楚平.  合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2020(04)
[4]計算機(jī)視覺技術(shù)在交通工程測量中的應(yīng)用[J]. 尹燕運(yùn),師影.  工程技術(shù)研究. 2020(05)



本文編號：3528875