基于海面可见光图像的海界线快速检测

针对海面运动载体的可见光序列图像,紧密结合海面图像的特点,提出了一种适用于海天背景和海岸背景的海界线检测方法。根据量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,来判断海界线区域是否存在,若存在则预测海界线区域的位置,若不存在则放弃后续处理。由于海界线是自然视野中最长的连续性最好的直线,所以先利用周围纹理抑制的改进Canny算子提取轮廓边缘,然后对Hough变换进行投票加权,精细检测水平或倾斜的海界线。实验证明,该方法能够快速定位海界线区域,并得出既包含有效信息又大幅缩减了无意义信息的二值图像,可在轮廓边缘中准确找到海界线,具有很好的稳健性和实时性,可以应用于需要精确的海界线信息的工程任务中。     

基于自适应脉冲耦合神经网络的水下激光图像分割方法

距离选通式水下激光成像技术是一种能够有效抑制水介质的后向散射效应的探测技术,在海洋研究、深海探测和水下作业领域中拥有广阔的应用前景。然而在水下激光图像中出现的散斑噪声和灰度不均匀现象使得实现目标的准确分割较为困难。通过分析散斑噪声形成的机理,提出了一种水下激光图像的有效分割方法。该方法根据像素的噪声响应和灰度分布特性自适应确定各神经元的关键参数,并对噪声位置的神经元的行为进行抑制,基于最大二维Renyi熵准则采用梯度下降法确定了神经元的动态阈值,通过实验结果的比较分析说明该方法明显优于Normalized Cut、模糊C均值、均值漂移和分水岭分割方法,而运行时间约为常规脉冲耦合神经网络的五分之一。     

基于自适应脉冲耦合神经网络的水下激光图像分割方法EI北大核心CSCD

距离选通式水下激光成像技术是一种能够有效抑制水介质的后向散射效应的探测技术,在海洋研究、深海探测和水下作业领域中拥有广阔的应用前景。然而在水下激光图像中出现的散斑噪声和灰度不均匀现象使得实现目标的准确分割较为困难。通过分析散斑噪声形成的机理,提出了一种水下激光图像的有效分割方法。该方法根据像素的噪声响应和灰度分布特性自适应确定各神经元的关键参数,并对噪声位置的神经元的行为进行抑制,基于最大二维Renyi熵准则采用梯度下降法确定了神经元的动态阈值,通过实验结果的比较分析说明该方法明显优于Normalized Cut、模糊C均值、均值漂移和分水岭分割方法,而运行时间约为常规脉冲耦合神经网络的五分之一。