發(fā)布時(shí)間：2020-05-12 17:11

【摘要】：目前,我國的海洋科技力量正在蓬勃發(fā)展,想要突破第一島鏈和第二島鏈的限制,希望向更廣闊的遠(yuǎn)海發(fā)展,為了達(dá)成這個(gè)目標(biāo),就必須將海洋的信息化建設(shè)擺在首要位置。海面的目標(biāo)跟蹤和檢測技術(shù)在海洋信息化建設(shè)中有很重要的應(yīng)用價(jià)值,被廣泛地應(yīng)用于軍情收集,目標(biāo)監(jiān)控,航運(yùn)服務(wù)等領(lǐng)域中。因此,基于光視覺的水面目標(biāo)檢測與跟蹤技術(shù)研究具有重要的軍事戰(zhàn)略意義和工程應(yīng)用價(jià)值。尤其是在移動(dòng)目標(biāo)的檢測與跟蹤方面,取得了前所未有的成就。而無人艇是一種能夠在海洋環(huán)境下自主航行,并能完成各種任務(wù)的小型水面運(yùn)動(dòng)平臺,多被用于目標(biāo)檢測與跟蹤技術(shù)當(dāng)中,隨著科學(xué)技術(shù)的不斷發(fā)展,人們對無人艇跟蹤目標(biāo)的能力要求越來越高,這也就對算法的跟蹤能力提出了更高的要求。本文針對基于光視覺的無人艇的目標(biāo)檢測與跟蹤技術(shù)進(jìn)行了研究,主要研究工作如下:(1)提出了基于光視覺的水面可見光圖像預(yù)處理方法。首先,介紹了水面可見光圖像的平滑去噪方法,包括空間域去噪算法和形態(tài)學(xué)去噪算法,并對其去噪效果進(jìn)行仿真對比和分析,并采用一種改進(jìn)的形態(tài)學(xué)權(quán)重自適應(yīng)圖像去噪算法,仿真驗(yàn)證其有效性;然后,介紹了水面可見光圖像增強(qiáng)方法。介紹了常見的圖像增強(qiáng)算法,包括基于灰度拉伸的圖像增強(qiáng)算法和基于直方圖的圖像增強(qiáng)方法,并對其去噪效果進(jìn)行仿真對比和分析;最后,介紹了水面可見光圖像的穩(wěn)像方法,并仿真驗(yàn)證其有效性。(2)采用改進(jìn)的最大類間方差法(otsu)進(jìn)行目標(biāo)檢測。首先,介紹了幾種常見的目標(biāo)檢測方法,并對其檢測效果進(jìn)行仿真對比和分析;然后,對傳統(tǒng)的遺傳算法進(jìn)行改進(jìn),并將其運(yùn)用到圖像分割方法中,該算法對交叉率和變異率進(jìn)行改進(jìn),并使用otsu作為適應(yīng)度函數(shù),選取最優(yōu)的分割閾值;最后,將上述改進(jìn)算法應(yīng)用于目標(biāo)檢測,并仿真驗(yàn)證該算法有效性。(3)采用改進(jìn)的均值漂移算法進(jìn)行目標(biāo)跟蹤。首先,介紹了常見的海天線檢測方法:Hough變換,并對其檢測效果進(jìn)行仿真和分析;然后,介紹了基于直線檢測原理的海天線檢測算法,并采用直線合并原理對該算法進(jìn)行改進(jìn),仿真驗(yàn)證該算法有效性;最后,采用均值漂移算法進(jìn)行目標(biāo)跟蹤,并對傳統(tǒng)的均值漂移算法進(jìn)行改進(jìn),將卡爾曼濾波軌跡預(yù)測和均值漂移算法結(jié)合,并根據(jù)閾值α,判斷卡爾曼預(yù)測跟蹤后的最優(yōu)解向量和初始向量是否滿足Bhattacharyya系數(shù),并仿真驗(yàn)證該算法有效性。
【圖文】：

9圖 2.1 常用的空間域去噪真結(jié)果如圖 2.1 所示，可知采用同樣大小值濾波去噪效果并不理想，它不僅去除圖像變得模糊，不能很好地去除噪聲點(diǎn)；好；高斯濾波在去噪的同時(shí)，丟失部分細(xì)波效果好于之前三種方法，不但沒有影響(e) 自適應(yīng)加權(quán)中值濾波

像細(xì)節(jié)保護(hù)較好。濾波方法與結(jié)果分析數(shù)學(xué)形態(tài)學(xué)可利用圖像形態(tài)進(jìn)行圖像分析，形態(tài)學(xué)的基礎(chǔ)是形態(tài)學(xué)的基本變換，圖像的過數(shù)學(xué)形態(tài)學(xué)，，圖像數(shù)據(jù)變得簡單，將與圖特征也沒有被破壞，同時(shí)還可以改善圖像的他圖像處理方式不同，研究目標(biāo)為圖像中的本步驟有：特征。。換。換后，物體特征更加明顯，方便了我們提取圖 2.2 所示。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：U664.82;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王延停;歸慶明;田新來;;基于均值漂移模型的抗差估計(jì)[J];大地測量與地球動(dòng)力學(xué);2014年06期

2 潘紅艷;;融合均值漂移和區(qū)域合并的彩色圖像分割方法[J];計(jì)算機(jī)工程與應(yīng)用;2009年22期

3 姜忠民;趙建民;朱信忠;徐慧英;;基于均值漂移與卡爾曼預(yù)測相結(jié)合的視頻運(yùn)動(dòng)目標(biāo)跟蹤算法[J];計(jì)算機(jī)時(shí)代;2010年02期

4 羅海勇;李錦濤;趙方;林以明;;基于均值漂移和聯(lián)合粒子濾波的移動(dòng)節(jié)點(diǎn)定位算法[J];傳感技術(shù)學(xué)報(bào);2009年03期

5 劉寶弟;王延江;馬海;王武禮;;基于均值漂移算法的人臉自適應(yīng)跟蹤[J];中國石油大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年04期

6 林路;數(shù)據(jù)刪除模型和均值漂移模型對嶺估計(jì)的影響[J];邵陽師專學(xué)報(bào);1994年02期

7 孔輝;;基于自適應(yīng)帶寬的均值漂移方法的高分辨率遙感影像分類[J];數(shù)字技術(shù)與應(yīng)用;2018年07期

8 雷飛;趙曉霞;宮君樂;;基于均值漂移算法的水下視頻目標(biāo)跟蹤[J];制造業(yè)自動(dòng)化;2011年12期

9 左軍毅;趙春暉;梁彥;潘泉;張洪才;;一種具有跟蹤外觀變化目標(biāo)能力的均值漂移算法[J];計(jì)算機(jī)科學(xué);2007年10期

10 趙豪;蔡延光;;基于卡爾曼的均值漂移抗遮擋移動(dòng)目標(biāo)追蹤算法[J];電子世界;2018年08期

相關(guān)會(huì)議論文 前10條

1 沈佳潔;容茜;;基于均值漂移算法的高分辨率遙感圖像分割方法研究[A];全國測繪科技信息網(wǎng)中南分網(wǎng)第二十八次學(xué)術(shù)信息交流會(huì)論文集[C];2014年

2 宮軼松;歸慶明;李保利;張靈敏;;基于均值漂移的粒子濾波算法設(shè)計(jì)及其在導(dǎo)航數(shù)據(jù)處理中的應(yīng)用[A];第二屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)電子文集[C];2011年

3 郝元宏;朱元武;盧志剛;樊興;劉禎;支東升;;基于目標(biāo)位置引導(dǎo)的快速部件檢測算法[A];第十屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2016年

4 金哲豪;劉安東;仇翔;俞立;;基于RGB-D傳感器的移動(dòng)目標(biāo)跟蹤算法設(shè)計(jì)[A];第37屆中國控制會(huì)議論文集（D）[C];2018年

5 任紹美;都云程;王濤;呂學(xué)強(qiáng);;基于均值漂移的自適應(yīng)視頻場景分割[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

6 李朋成;黃宗維;陳蘭康;;遙感圖像分割方法的研究[A];全國測繪科技信息網(wǎng)中南分網(wǎng)第三十次學(xué)術(shù)信息交流會(huì)論文集[C];2016年

7 曾安敏;張敏利;陳春旺;;重力數(shù)據(jù)的粗差剔除方法[A];《大地測量與地球動(dòng)力學(xué)進(jìn)展》論文集[C];2004年

8 王立琦;陳海云;燕小強(qiáng);;一種改進(jìn)的粒子濾波視頻跟蹤算法[A];第13屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會(huì)論文集[C];2011年

9 劉濤;仲曉春;孫成明;郭文善;;基于計(jì)算機(jī)視覺的水稻葉部病害識別研究[A];2014年全國青年作物栽培與生理學(xué)術(shù)研討會(huì)論文集[C];2014年

10 李冠彬;吳賀豐;;基于顏色紋理直方圖的帶權(quán)分塊均值漂移目標(biāo)跟蹤算法[A];第五屆全國幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2011年

相關(guān)重要報(bào)紙文章 前1條

1 凌善康;六西格瑪：后ISO9000的新寵[N];中國國門時(shí)報(bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 賈倪;礦井視頻人員目標(biāo)跟蹤與煤巖圖像識別方法研究[D];中國礦業(yè)大學(xué)(北京);2015年

2 王雷光;基于非模糊均值漂移的高空間分辨率遙感影像區(qū)域分割算法研究[D];武漢大學(xué);2009年

3 劉冬生;基于神經(jīng)網(wǎng)絡(luò)方法的自相關(guān)過程控制研究[D];天津大學(xué);2007年

4 王娟;復(fù)雜場景中的目標(biāo)跟蹤優(yōu)化算法研究[D];燕山大學(xué);2014年

5 孫鑫;運(yùn)用先驗(yàn)導(dǎo)向主動(dòng)輪廓的目標(biāo)跟蹤方法研究[D];哈爾濱工業(yè)大學(xué);2015年

6 韓明;基于水平集表示和均值漂移的運(yùn)動(dòng)目標(biāo)檢測與跟蹤研究[D];燕山大學(xué);2015年

7 戴淵明;視頻序列圖像中目標(biāo)跟蹤技術(shù)研究[D];浙江大學(xué);2012年

8 夏瑜;視覺跟蹤新方法及其應(yīng)用研究[D];江南大學(xué);2013年

9 徐旭;復(fù)雜環(huán)境下的車輛目標(biāo)跟蹤技術(shù)研究[D];吉林大學(xué);2013年

10 蔣良衛(wèi);圖像序列中目標(biāo)跟蹤技術(shù)研究[D];華中科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 包澄澄;基于光視覺的無人艇的目標(biāo)檢測與跟蹤[D];哈爾濱工程大學(xué);2019年

2 鄭凱凱;基于四通道不可分小波的均值漂移跟蹤[D];湖北大學(xué);2018年

3 李成龍;基于非線性濾波和均值漂移的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];武漢理工大學(xué);2017年

4 劉響;基于均值漂移和GrowCut的彩色圖像自動(dòng)分割研究[D];江蘇大學(xué);2018年

5 王香蓮;基于多特征融合的均值漂移視頻目標(biāo)跟蹤算法研究[D];貴州大學(xué);2018年

6 王晉麗;基于均值漂移的目標(biāo)跟蹤算法的研究及應(yīng)用[D];南京郵電大學(xué);2015年

7 成偉;均值漂移算法在視頻目標(biāo)跟蹤中的應(yīng)用[D];重慶大學(xué);2009年

8 程平;基于視頻信息的運(yùn)動(dòng)多車輛追蹤的量子均值漂移算法研究[D];廣東工業(yè)大學(xué);2013年

9 鄭勇;基于聯(lián)合均值漂移的單幅圖像去霧算法研究及其硬件實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

10 任娟;基于優(yōu)化均值漂移算法的居民地及面狀地物邊線提取方法[D];電子科技大學(xué);2016年

本文編號：2660564