视觉传达多舰船图像复杂特征分析范文

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