本文關(guān)鍵詞：基于圖像處理的機場外來物檢測研究

  更多相關(guān)文章： FOD 圖像處理 異物檢測 異物識別

【摘要】：當(dāng)今社會生活節(jié)奏越來越快,航空運輸也越來越發(fā)達,空中飛行器的使用呈現(xiàn)井噴式增長。隨著空中流量的增長,飛行器的安全成為廣泛關(guān)注的問題,其中,機場停機坪的異物是引發(fā)事故的一種隱患。為了減少發(fā)生事故的可能性,同時提高航空運行效率,利用基于視頻檢測技術(shù)自動檢測機場外來異物受到人們重視。相比于傳統(tǒng)的人工清除,智能視頻監(jiān)控具有操作簡單、直觀性強,成本低等特點,是機場外來異物檢測的新方式。本文針對機場外來異物視頻處理方法和系統(tǒng)構(gòu)建進行了研究。本文采用高清攝像球機采集待檢測區(qū)域視頻數(shù)據(jù),通過分析和處理視頻圖像數(shù)據(jù),實現(xiàn)了對機場規(guī)定區(qū)域場景中的外來異物目標(biāo)的檢測、識別與報警。本文給出了一種基于時間平滑的背景提取方法,相比于中值法和其他統(tǒng)計模型算法,計算效率更高,更適用于變化較小的畫面。同時,采用了選擇性圖像背景自適應(yīng)更新算法,將背景和前景圖像分離,利用背景部分進行背景更新,更好地適應(yīng)了背景的變化。本文根據(jù)實際需要研究了微小目標(biāo)的檢測算法,在常用的目標(biāo)檢測算法的基礎(chǔ)上進行了改進與更新。即采用了一種基于背景相減與時域平滑的目標(biāo)提取方法,結(jié)合了傳統(tǒng)的背景作差法和幀差法,相比了單一的背景作差法與幀差法,改進的算法可以有效減少外界光線等條件變化對檢測結(jié)果的影響。給出了一種連通區(qū)域的查找方法,以矩形框作為目標(biāo)的提取結(jié)果,簡化了目標(biāo)模型。同時,由于檢測區(qū)域較大,本文將大區(qū)域劃分為若干孫區(qū)域,程序加入了攝像機的輪詢掃描功能,分塊掃描的同時,也可以排除疑似FOD報警記錄,給出有效的FOD位置信息和報警記錄。以上算法及程序開發(fā)部分基于MFC平臺下設(shè)計與實現(xiàn),經(jīng)過室外環(huán)境測試達到了異物檢測以及定位的功能。本文最后提出了一種構(gòu)建實時機場外來異物監(jiān)測系統(tǒng)的方法,利用高分辨率球機、控制計算機等設(shè)備搭建監(jiān)測平臺。該視頻監(jiān)測裝置可監(jiān)測較大范圍內(nèi)的直徑可達2cm的FOD,且操作簡易,經(jīng)濟有效,檢測方法集視頻監(jiān)控、視頻處理和實時報警于一體,可在無人值守的情況下自主對區(qū)域內(nèi)疑似FOD進行判斷并報警,實現(xiàn)一種準(zhǔn)確、高效的機場外來異物(FOD)監(jiān)測系統(tǒng)。
【關(guān)鍵詞】：FOD 圖像處理 異物檢測 異物識別
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：V328;TP391.41
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-17
• 1.1 課題的研究背景11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.2.1 國外研究現(xiàn)狀12-14
• 1.2.2 國內(nèi)研究現(xiàn)狀14-15
• 1.3 論文研究內(nèi)容及意義15
• 1.4 論文組織結(jié)構(gòu)15-17
• 第二章 視頻圖像特點與數(shù)字圖像處理基本理論17-27
• 2.1 圖像與視頻圖像的含義與特點17-18
• 2.2 圖像的顏色空間介紹18-19
• 2.2.1 RGB空間18
• 2.2.2 YUV空間18-19
• 2.2.3 YCbCr空間19
• 2.3 圖像的灰度轉(zhuǎn)化與二值轉(zhuǎn)化19-21
• 2.3.1 圖像灰度轉(zhuǎn)化的基本原理19-20
• 2.3.2 灰度圖像的矩陣表示20
• 2.3.3 圖像二值化處理的基本原理20-21
• 2.4 視頻圖像的背景提取21-23
• 2.4.1 統(tǒng)計的直方圖法21-22
• 2.4.2 中值法22
• 2.4.3 平均幀法22-23
• 2.5 其他已知的圖像處理技術(shù)分類23-26
• 2.5.1 圖像變換23-24
• 2.5.2 圖像增強24-25
• 2.5.3 圖像編碼25
• 2.5.4 圖像復(fù)原25-26
• 2.5.5 圖像分割26
• 2.6 本章小結(jié)26-27
• 第三章 FOD目標(biāo)檢測27-39
• 3.1 檢測預(yù)處理——提取與更新背景27-29
• 3.1.1 背景初始化27-29
• 3.1.2 待檢測區(qū)域的背景更新29
• 3.2 圖像噪聲去除——圖像平滑29-32
• 3.2.1 鄰域平均法30-31
• 3.2.2 閾值鄰域平均法31
• 3.2.3 低通濾波法31-32
• 3.2.4 均值濾波——多圖像平均法32
• 3.2.5 噪聲處理效果32
• 3.3 圖像邊緣加強——銳化處理32-34
• 3.4 常見目標(biāo)檢測方法34-36
• 3.4.1 幀差法34-35
• 3.4.2 背景作差法35-36
• 3.5 改進的目標(biāo)檢測算法36-38
• 3.6 本章小結(jié)38-39
• 第四章 FOD目標(biāo)的識別與判定39-55
• 4.1 目標(biāo)圖像提取后處理——形態(tài)學(xué)處理39-43
• 4.1.1 圖像的膨脹39-41
• 4.1.2 圖像的腐蝕41-42
• 4.1.3 腐蝕膨脹算法的實際應(yīng)用42-43
• 4.2 陰影問題處理43-47
• 4.2.1 陰影的類型與特性43-45
• 4.2.2 陰影檢測與去除的常用方法45-46
• 4.2.3 本文采用的陰影檢測與去除方法46-47
• 4.3 FOD目標(biāo)的提取47-48
• 4.4 FOD目標(biāo)跟進與確認48-53
• 4.4.1 FOD目標(biāo)二次檢測與確認流程48-52
• 4.4.2 二次檢測中的算法優(yōu)化52
• 4.4.3 圖像抖動的快速消除算法52-53
• 4.5 本章小結(jié)53-55
• 第五章 FOD視頻監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)55-69
• 5.1 系統(tǒng)概述55-56
• 5.2 系統(tǒng)設(shè)計思路56-57
• 5.3 球機圖像數(shù)據(jù)的獲取57-58
• 5.4 模塊設(shè)計——圖像處理功能的實現(xiàn)58-60
• 5.4.1 基本的球機運動控制58-59
• 5.4.2 輪詢功能的實現(xiàn)——預(yù)置位控制59
• 5.4.3 圖像結(jié)果的保存——拍照與錄像59-60
• 5.5 系統(tǒng)工作流程圖60-61
• 5.6 系統(tǒng)測試布局與測試結(jié)果61-66
• 5.6.1 用于系統(tǒng)測試的FOD目標(biāo)62-64
• 5.6.2 測試目標(biāo)的布局64-66
• 5.7 系統(tǒng)測試結(jié)果展示66-67
• 5.8 本章小結(jié)67-69
• 第六章 總結(jié)與展望69-71
• 6.1 本文工作總結(jié)69-70
• 6.2 未來工作展望70-71
• 致謝71-73
• 碩士期間科研成果73-75
• 參考文獻75-78

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 邱聚能;李輝;閆樂樂;梁平;;基于圖像質(zhì)量評價的LCD運動模糊檢測方法[J];液晶與顯示;2015年03期

2 桑海峰;李偉;陳仲;;自適應(yīng)權(quán)值的靜態(tài)背景提取與更新算法[J];電子測量與儀器學(xué)報;2015年03期

3 莊哲民;章聰友;楊金耀;李芬蘭;;基于灰度特征和自適應(yīng)閾值的虛擬背景提取研究[J];電子與信息學(xué)報;2015年02期

4 袁博;阮秋琦;安高云;;改進的自適應(yīng)灰度視頻序列陰影檢測方法[J];信號處理;2014年11期

5 張明杰;康寶生;;一種改進的目標(biāo)自動跟蹤與計數(shù)方法研究[J];計算機應(yīng)用研究;2014年06期

6 陳唯實;李敬;;基于視頻數(shù)據(jù)的機場跑道外來物檢測[J];北京航空航天大學(xué)學(xué)報;2014年12期

7 常慶龍;夏洪山;黎寧;;一種基于歸一化前景和角點信息的復(fù)雜場景人數(shù)統(tǒng)計方法[J];電子與信息學(xué)報;2014年02期

8 華媛蕾;劉萬軍;;改進混合高斯模型的運動目標(biāo)檢測算法[J];計算機應(yīng)用;2014年02期

9 馬爽;樊養(yǎng)余;雷濤;吳鵬;;一種基于多特征提取的實用車牌識別方法[J];計算機應(yīng)用研究;2013年11期

10 屈靜軍;曹曉勇;李佳寧;;視頻序列中運動目標(biāo)檢測與跟蹤[J];信息通信;2013年04期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 楊晶晶;數(shù)字視頻圖像預(yù)處理算法的研究與實現(xiàn)[D];復(fù)旦大學(xué);2012年

2 樊曼R，

本文編號：656654