您现在的位置: 新晨范文网 >> 通信论文 >> 视觉传达论文 >> 正文

视觉传达多舰船图像复杂特征分析

2021/03/23 阅读:

基于视觉传达的舰船图像特征监控方法相对较多,从中找到一种最为有效的方法显得尤为必要。舰船图像监控过程中,在最底层会存在大量具有复杂特点的视觉特征,而通过相应的技术可以对底层视觉特征中的图像进行多个特征标注,由此使得特征提取变得更加容易[1–3]。本文就视觉传达下多舰船图像复杂特征监控方法展开研究。

1舰船图像复杂特征监控关键技术

1.1特征标注技术

在对特征标注技术进行设计时,除了需要对多特征进行采集之外,还应当对多特征进行标注。其中,对特征进行采集,实质上就是对图像进行预处理,通过对图像当中具有单一性的特征进行识别,从而获得包含多特征图像在内的数据集合。同时可依托视觉特征,与更高等级的语义建立联系,以关键词记录的方式,对图像中的多特征进行标记,未采集的图像,则可进行反标记,防止出现特征集成[4–5]。在对多特征进行标注时,可以利用视觉特征对图像中采集到的多个语义关键词进行标记,经过标记之后,图像底层视觉特征将会出现一定程度的变化。此时,自动标注系统会对视觉特征进行集中审核,从而找出与图像底层视觉特征之间存在的不同之处,以标记的方法对视觉特征进行修订,完成对图像二次特征的标注,二次特征图如图1所示。

1.2图像特征序列

在舰船图像复杂特征监控过程中,通过对图像特征序列的选定,可以避免图像集成阴影的产生。对于舰船而言,其视频监控系统获取到的水域场景具有相对较高的复杂性,部分背景甚至杂乱无章,若是这样的图像背景出现特征变化,将会对特征表达的相关细节造成影响,比如纹理、颜色等。所以对图像特征序列进行选定就显得尤为重要。正因如此,使得图像特征序列成为舰船图像复杂特征监控中的关键技术之一。在对特征序列进行选定的过程中,应当先对特征进行跟踪,通过跟踪能够得到相应的结果,以此作为依据,可以对固定背景进行特征忽略,并对其中发生突变的特征按照时间进行排列,在突变特征叠加的作用下,会形成图像阴影。在此需要指出的一点是,背景图像特征会随时间而发生变化,突变特征中所携带的属相,会以图像数据库为依托,生成一个定式序列。按照舰船视频监控系统本身所具备的拍摄能力,可将图像的映射基底用虚拟背景替代,如果无插入序列,那么图像的特征序列为定式序列。图像特征序列图如图2所示。

2视觉传达多舰船图像复杂特征监控方法

2.1复杂特征监控原理

基于视觉传达的多舰船图像复杂特征监控,实质上就是对图像特征进行实时跟踪,其具体原理如下:通过数学建模,使舰船图像进行归一化处理,并进行编码,对经过归一化处理的舰船图像特征进行提取,利用投影矩阵,将图像的高维特征直接投影到低维空间当中,最后运用粒子滤波的方法,对多舰船图像复杂特征进行跟踪监控。可将整个跟踪过程描述为以下情况:引入稀疏表达理论及方法,从多舰船图像中对有效的目标特征进行随机选取,图像特征的选取可以通过下式来完成:

2.2复杂特征提取

为对多舰船图像中的复杂特征进行监控,需要对其显著性的特征进行提取,具体做法如下:采用小波变换的方法,分解多舰船图像中的特征,包括灰度特征、细节特征等。然后借助灰度投影的方法,从舰船图像目标当中,完成特征提取,依据提取到的特征,构建其特征图。这样一来,可以将原本的特征跟踪监控问题,转化为图像目标背景分类问题,进一步简化了问题的解决过程。选取特征分布方差的比值函数作为背景区域的分离系数,并做出如下假设:用fk(x,y)代表多舰船灰度图像,通过相应的算法对灰度图像进行小波分解,利用分解后的灰度图像建立灰度金字塔,并以图像的高频分量代表金字塔的尺度,从而构成图像的灰度与细节特征。基于视觉传达的多舰船图像中,在一个特定的区域范围内,由于某个图像的特征清晰度与局部对比度有关,可采用卷积算法,使图像特征的对比效果得到进一步增强。在尺度大小完全相同的多舰船图像目标区域内,通过逐点相减的方法,能够获得图像灰度与细节特征的显著性特征图。

2.3实时跟踪

在基于视觉传达的多舰船图像复杂特征监控中,为对监控过程进行简化,可将原本复杂的图像特征跟踪问题转换为简单的背景分类问题。经过转化后的背景分类问题,可以通过粒子群算法求取最优解,获得图像特征分量的权重。假设在种群当中有N个粒子,在相同的维度空间内进行搜索,能够获得与各个粒子相应的解。经过迭代,最终可以求出最优解。

2.4实验验证

为对本文提出的监控方法的可行性和有效性进行验证,采取仿真实验的方法,在计算机中构建仿真环境。在仿真环境的建立过程中,可以采用等间隔的方法,对多舰船图像特征进行随机选取。为验证本文提出的方法是否可行,在相应的数据集上,对本文提出的方法(方法1)、基于多模板回归加权均值漂移的目标跟踪(方法2)以及基于深度学习特征的图像动态检测(方法3),分别进行特征精度测试。其中利用方法2得到的图像特征结果中错误特征数量的占比较大,方法3提取到的图像特征数量相对较少。方法1提取到的图像目标特征精度较高,这是因为本文的方法以特征图的构建为基础,从而使邻近图像特征的匹配精度大幅度提升,错误匹配显著减少。由图3中可以看出,在t2时刻,3种方法的跟踪监控的成功率基本一致,而随着时间的推移,方法1的成功率能够始终保持最高。这是因为方法1对特征跟踪监控问题进行转化,使其变为背景分类问题,然后通过粒子群算法对最优解进行求取,使结果的准确性和成功率得到保障。从图4可以看出,方法1在图像特征跟踪监控时间效率上优于方法2和方法3。由此可见,本文提出的方法,具有良好的使用价值,可以在多舰船图像复杂目标监控中进行应用。

3结语

在视觉传达下,多舰船图像复杂特征监控需要选择合理可行的方法。从目前的情况来看,可用的方法较多,效果好的方法较少。为从监控方法中选取最优,应当了解多舰船图像复杂特征监控的方法种类,并以对比的方式,从各种方法中选取出效果最佳的一种。

作者:吕文静 单位:河南省智慧教育与智能技术应用工程技术研究中心

视觉传达多舰船图像复杂特征分析

2021/03/23 阅读:

推荐度:

免费复制文章