一种基于平稳小波变换的海底管线边缘检测方法

海底影像存在着对比度低、噪声污染严重、图像质量差等问题,采用传统算子的海底管线边缘图像中含有大量的无用和断裂边缘信息。文中将多尺度边缘检测和匹配跟踪相结合,提出利用平稳小波变换的海底管线边缘检测方法;在提取边缘的同时利用匹配跟踪手段对噪声干扰进行抑制,提高图像目标边缘检测质量。通过对海底管线和测试图像边缘检测实验表明,文中所提出的方法在抑制图像噪声的干扰、提高水下目标边缘完整性方面明显优于传统的边缘提取算子,证明该算法的有效性。     

小波函数对侧扫声纳图像滤波效果的影响分析

侧扫声纳技术应用日益广泛,已成为海洋测量的重要工具,而去除噪声处理是对侧扫声纳图像进行正确判读的前提。利用小波函数滤波处理的方法,分别采用Haar、Daubechies、Coiflets、Symlets、Discrete Meyer、Biorthogonal、Reverse Biorthogonal等小波函数与中值滤波函数对侧扫声纳图像进行处理,并以平滑指数和边缘保持指数为评价指标,对滤波效果进行定量比较。试验表明,小波函数可以有效地平滑声纳图像,并能保持其较好的边缘效果。     

基于边缘检测的小波阈值图像去噪

小波图像去噪是小波应用较成功的一个方面,其中小波阈值法图像去噪算法简单、计算量小,得到了广泛的应用。在小波阈值去噪的基础上,提出了基于边缘检测的小波阈值图像去噪算法,把高频中的边缘细节与噪声更好地分离开,在主观和客观上去噪效果都比单纯的阈值去噪有所改进。     

一维小波变换在侧扫声纳图像去噪中的应用

针对侧扫声纳呯信号中的斑点噪声问题,采用一维离散小波变换对信号在各尺度分解,采用非极大值抑制技术平滑信号,并对各层小波系数模极大值进行阈值化处理抑制噪声,讨论了不同阈值对去噪效果的影响。结果表明,尺度因子和阈值的选择对原数据能量保持影响不大,但对噪声抑制效果影响大。文中算例均能较好地保持边缘,边缘保持指数均在0.5以上。     

一种基于小波变换的SAR海洋图像数据增强系统

提出了一种基于小波变换的SAR海洋图像数据增强系统,并进行了试验.本系统包括小波变换、Speckle及Pepper-Salt噪声抑制、船等目标提取、内波提取、目标数统计和图像图形显示放大等功能.该图像增强系统可以对含有常见的高斯噪声及Speckle和Pepper-Salt非高斯噪声的污染图像数据进行增强处理,可对SAR等微波成像传感器数据、光学成像传感器数据进行增强处理,具有广泛的应用前景     

基于小波变换的海洋平台损伤检测研究

当结构物产生损伤时,结构的动力特性会发生变化,从而引起结构振动响应产生相应的变化。小波变换是奇异性信号的良好检测工具,可以用于识别结构损伤的发生。建立了某海洋平台有限元模型,得到了随机海浪作用下不同损伤工况的结构振动响应。基于小波变换损伤检测,针对不同类型杆件损伤、不同位置杆件损伤、不同程度的噪声污染以及不同方向振动响应信号情况下,分别研究了海洋平台结构的损伤检测问题,得到了一些有用的结论。     

基于改进YOLOX的侧扫声纳图像沉船检测方法研究

针对传统侧扫声纳图像沉船目标识别精度低的问题,引入深度学习,提出了一种改进的You Only Look Once X(YOLOX)目标检测方法。首先对收集的侧扫声纳沉船图像进行预处理,根据实测过程拖鱼的姿态、仪器设备不同等造成的成像差异进行数据增强与扩充,并构建数据集;其次以YOLOX为基础网络,根据侧扫声纳图像缺少丰富特征信息的问题,对网络进行改进,在网络的Spatial pyramid pooling(SPP)结构引入Softpool池化替换原来的池化,提取更多的细节特征信息;最后对改进前后的网络模型进行精度评估,验证改进网络的可行性。实验结果表明,改进后的网络在平均精确率均值(mAP)等精度评定指标中相较于原网络都有着显著提升,识别效果更好。该研究可为侧扫声纳探测中实时目标物检测提供研究基础。     

基于静态小波变换改进邻域系数法的遥感图像滤波

针对NeighShrink滤波算法存在的不足,提出了改进的阈值估计策略和系数收缩方案,并将改进算法与静态小波变换相结合进行图像滤波,取到了较好的滤波效果.实验验证了改进算法的有效性,以峰值信噪比PSNR作为客观评价指标,通过与经典方法的比较,对该算法的滤波性能做出了客观评价.     

利用海岸带遥感图像提取岸线的小波变换方法

小波变换作为一门新兴的数学分支已被广泛应用于图像处理领域。本文将小波变换应用于黄河三角洲遥感图像的边缘提取 ,检测出图像的边缘 ,从而得到了三角洲岸线信息。实验结果表明基于小波变换的图像边缘提取要优于经典边缘算子的提取。此方法对于把握河口三角洲的冲淤演变规律和海岸带开发具有重要意义     

利用粗集理论的声呐图像边缘锐化

边缘锐化是图像增强的重要内容。声呐图像像素少品质恶劣,边缘锐化是个难题。粗集理论是一种新的处理含糊和不确定性问题的数学工具,它为智能信息处理提供了有效的处理技术。将粗集理论应用于声呐图像的边缘锐化中,给出了实验结果。结果表明这种方法具有可行性。     

Damage Detection Methods for Offshore Platforms Based on Wavelet Packet Transform

1 .IntroductionInthe whole service period of the platforms ,some damage is unavoidable due to the corrosion,impact ,fatigue and so on.The damage whould cause the structures’ultimate capacity and safety de-crease .Presently,it is generally acceptedthat the detection of damage involes considerable statisticaluncertainties,thus lot of efforts is made for the damage probalility model ,for example Song and Lu(1996) usedthefuzzy-settheoryto estimatethe humanerrorsthroughthe definitionof inspection…     

Curvelet变换域侧扫声纳图像增强算法

针对海底侧扫声纳图像对比度低、纹理弱、噪声严重等问题,提出了一种基于第二代Curvelet变换的声纳图像增强算法。首先对原始声纳图像进行多尺度、多方向的Curvelet变换分解,得到低频子带和高频子带;然后引入非线性S型函数对低频系数进行处理,提高图像整体的对比度;采用一种可以避免过度增强的新型非线性函数对各尺度的高频子带系数进行处理,提高图像整体的对比度,增强图像边缘和纹理细节,并通过估计噪声水平设定阈值进行阈值降噪。最后经Curvelet逆变换得到增强图像。实验表明,该方法不仅改善了海底侧扫声纳图像对比度低的问题,而且降低了噪声,突出了声纳图像的边缘和纹理细节。     

基于模糊聚类的声呐图像多区域分割

图像分割是图像识别中的主要问题,同时它又是一个经典难题;声呐图像恶劣的品质使图像的分割变得更为困难。文章将模糊聚类应用于声呐图像的多区域分割,实验证明这种方法简便而有效。