多尺度舰船图像静态视点平滑特征优化模型
孟庆玉
(永城职业学院电子信息工程系，河南永城 476600)
摘要: 针对传统方法受到天气因素和信号干扰问题影响，使研究结果精准度较低，提出了一种归一线性图像静态视点平滑特征优化模型研究方法。根据平滑特征研究优化原理，提取图库中的图像特征向量，并设计了图像检索结构框图。从检索图像中任意选取连续2个小区域像素点，分析静态视点平滑特征向量，以此为基础构建优化模型，对其进行归一化线性滤波处理，获取更加平滑的图像。通过对比结果可知，采用归一线性方法研究结果精准度最高可达到85%，保证了多尺度舰船图像质量。
关键词：多尺度舰船；图像；静态视点；平滑特征；模型；像素点
中图分类号：TP391 文献标识码：A
文章编号： 1672 – 7649(2018)8A – 0130 – 03 doi：10.3404/j.issn.1672 – 7649.2018.8A.044
Rearch on multi-scale static image smoothing feature optimization羽绒服脏了怎么办
model for ship images
MENG Qing-yu
(Department of Electronic Information Engineering, Yongcheng Vocational College, Yongcheng 476600, China)
Abstract: In view of the influence of weather factors and signal interference on the traditional methods, the precision of the rearch results is low, and a method for studying the static feature optimization model of the static view point of the lin-ear image is propod. The optimization principle is studied according to the smoothness feature, and the image feature vec-tor in the drawing library is extracted, and the block diagram of the image retrieval is designed. From the retrieval image, two successive cell pixels are lected, and the static feature vector is analyzed. On this basis, the optimization model is construc-ted, and the normalized linear filtering is ud to obtain a more smooth image. The results show that the accuracy of the res-ult obtained by the normalized linear method is up to 85%, which ensures the multi-scale ship image quality.
Key words: multi-scale warship；image；static viewpoint；smoothing feature；model；pixel point
不劳而获英语
0 引 言
由于计算机技术快速发展，人们可借助该技术对图像静态视点平滑特征进行处理，将图像中细节特征获取结果显示在计算机屏幕上。在对视点平滑处理过程中，需结合各个视点所在位置和观察角度，设定相关参数，使静态多尺度舰船图像视点平滑特征能够准确描述舰船在实际运行环境中的特点，尤其是多尺度分析舰船图像特征给图像处理和高维空间数据带来一定影响。由于静态视点是多尺度舰船图像的重要特征，对图像进行检索和处理已经成为静态视点平滑处理领域重要理论和实践难点，所以对其进行深入研究是一个必要决策。采用传统研究方法容易受到天气和信号干扰，使研究过程受到滤波影响，导致研究结果不准确，导致舰船图像关键特征失真[1]。为此，构建归一线性图像静态视点平滑特征优化模型，通过对图像进行平滑处理，可改善传统存在的问题，大大提高研究结果精准度。使用该模型对静态视点平滑优化研究在体育、医学和军事方面都具有应用价值，而且该研究方法拥有广阔发展前景，为许多科研院校提供理论依据。
quiet翻译1 图像静态视点平滑特征优化模型研究
1.1 平滑特征优化研究原理
针对多尺度舰船图像静态视点平滑特征研究优化原理，如图1所示。
第40 卷第 8A 期舰船科学技术Vol. 40, No. 8A 2018 年 8 月SHIP SCIENCE AND TECHNOLOGY Aug. , 2018
伤感的昵称收稿日期: 2018 – 06 – 08
作者简介: 孟庆玉(1980 – )，男，硕士，讲师，研究方向为多媒体技术及计算机应用。
由图1可知：视点平滑特征优化模型构建的优劣取决于相对稳定舰船图像的选取，通过提取关键特征和基础边缘区域采样点，能够实现对多尺度舰船图像中的静态视点平滑特征优化研究。
1.2 基于研究原理的图像检索
为了使静态视点平滑特征研究不受到天气因素影响，需先对图像进行检索。提取图库中图像特征向量，将提取结果与特征库中的向量进行对比，按照相似度从大到小排序，并传送到计算机中进行显示[2]。图像检索结构如图2所示。
1.3 优化模型的构建
什么是爱好
p =(a ,b ,1)q p l ′p W 对多尺度舰船图像静态视点平滑特征研究的过程中，需从舰船上述检索的图像中任意选取连续2个小区域的像素点。设第1个小区域图像任意像素点为
，像素点为与第2个小区域图像中相对应的像素点位于对极线上，根据平滑特征优化研究原理，设为基础矩阵，由此可获取对极函数如下式：
p ′(a ′,b ′,1)l ′p 二幅图像中相对应的像素点为位于
上，则有
由式（2
）可转换为：
αp ′βl ′p 其中：为上所有匹配点的集合；为上所有匹配
点的基础矩阵[3]。其中：
W 在2幅图像中存在8个匹配对和1个常数，如果缺少1个常数，那么可获取基础矩阵。
||w ||=1若图像中匹配对的数量超过8个时，需对其进行优化求解。利用约束条件对各个解向量之间存
在的未知系数差异进行约束，由此可获取舰船图像中静态视点的特征向量[4]。
基于该特征向量，构建静态视点平滑特征优化模型如下：
S i i S 0S f N 式中：为图像静态视点的平滑位置；为平滑初始位置；为平滑完成位置；为平滑过程中的插值点数。
1.4 归一化线性滤波处理
通过上述模型可对图像静态视点的平滑特征进行研
究，但是由于受
到滤波影响，导致
研究结果不准确，因此需对其进行归一化线性滤波处理。
处理的平滑过渡示意图如图3所示。
根据实际环境，对T1和T2进行动态调整，确保最终显示图像更加平滑，不会受到天气和信号干扰影响，使研究结果更准确。
2 实 验
法律小报
2.1 实验结果与分析
针对天气因素和信号干扰对图像静态视点平滑特征研究过程中存在的滤波问题，采用归一化处理方
法，使最终显示图像更加平滑，进而提高研究结果精准度。分别从天气因素和信号干扰角度展开分析。
图 1 平滑特征优化研究原理
Fig. 1 Rearch principle of smoothing feature optimization
图 2 图像检索结构Fig. 2 Image retrieval structure
图 3 平滑过渡示意图Fig. 3 Smooth transition diagram
第 40 卷
孟庆玉：多尺度舰船图像静态视点平滑特征优化模型
· 131 ·
1）天气影响验证分析
采用传统方法受到天气影响，无法对稳定状态下的图像进行检索，影响研究结果精准度；而采用归一线性方法进行研究时，直接提取图像库中的图像特征向量，可有效避免天气影响，使研究结果更精准。
为了验证该点，将传统方法与归一线性方法进行对比，结果如图4所示。
处于高温天气下采用传统方法，研究结果精准度可达到41%，而采用归一线性方法，研究结果精准度可达到85%；处于降雨天气下采用传统方法，研究结果精准度可达到58%，而采用归一线性方法，研究结果精准度可达到81%；处于大雾天气下采用传统方法，研究结果精准度可达到57%，而采用归一线性方法，研究结果精准度可达到81%；处于大风天气下采用传统方法，研究结果精准度可达到40%，而采用归一线性方法，研究结果精准度可达到83%；处于低温天气下采用传统方法，研究结果精准度可达到37%，而采用归一线性方法，研究结果精准度可达到85%。
由此可知，在天气影响条件下，采用归一线性研究结果精准度较高。
2）信号干扰验证分析
采用传统方法进行研究时，受到信号干扰，使图像中的像素点无法进行精准匹配，导致研究结果精准度较低；而采用归一线性方法进行研究时，分别从一幅图的2个区域进行像素点提取，可有效避免信号干扰，使研究结果更精准。
为了验证该点，将传统方法与归一线性方法进行对比，结果如图5所示。
当2种方法都不受到信号干扰时，研究结果精准度可达到86%。当信号干扰强度为50 Hz时，传统方法研究结果精准度为74%，而归一线性研究结果精准度为81%；当信号干扰强度为100 Hz时，传统方法研究结果精准度比归一线性研究结果精准度低10%左右；当信号干扰强度为300 Hz时，2种方法研究结果精准度都达到最低，传统方法研究结果精准度为37%，而归一线性研究结果精准度为56%。
由此可知，在信号干扰条件下，采用归一线性研究结果精准度较高。
2.2 实验结论
1）在天气影响条件下，采用归一线性方法，在低温天气下研究结果精准度达到最高，为85%。
2）在信号干扰条件下，采用归一线性方法，在信号干扰强度为50 Hz时，研究结果精准度达到最高，为81%。
根据上述实验结果，可得出实验结论：采用归一线性方法对图像静态视点平滑特征优化模型设计具有合理性。
3 结 语
针对传统方法对图像静态视点平滑特征优化模型研究结果精准度较低的问题，提出了归一线性方法，使用该方法可有效改善上述问题。实验结果表明，利用归一线性方法对图像静态视点平滑特征优化模型进行研究，可有效提高研究结果精准度。
虽然该方法具有较高的研究结果精准度，但是缺少实验参考数据，使研究结果可靠性降低，在以后研究过程中，应加强该方面的讨论，为其他领域图像特征研究奠定基础。
白垩纪是什么意思
参考文献：
丁鹏, 张叶, 贾平，等. 基于多尺度多特征视觉显著性的海面舰船检测[J]. 光学精密工程, 2017, 25(9): 2461–2468.
[1]
高瑞, 苗长云, 苗笛，等. 输送带故障检测多视点图像自适应增强方法[J]. 煤炭学报, 2017, 42(S2): 594–602.
[2]
梅丹, 王公宝, 叶志浩，等. 电机控制及配电系统备件优化配置[J]. 电机与控制应用, 2018, 20(1): 41–45.
[3]
刘海, 程科, 高尚. 基于费效分析的舰船备件优化模型研究[J].
电子设计工程, 2016, 24(5): 1–4.
[4]
图 4 两种方法在天气影响下研究精准度对比结果Fig. 4 Comparison of accuracy of two methods under
weather conditions
图 5 信号干扰条件下2种方法研究精准度对比结果Fig. 5 Precision comparison results of two methods under
signal jamming conditions
· 132 ·舰船科学技术第 40 卷
川菜蚂蚁上树
