視頻監(jiān)控在內(nèi)河航運(yùn)管理中應(yīng)用廣泛,不僅能監(jiān)控船舶航運(yùn)的狀態(tài),還可實(shí)現(xiàn)船只的跟蹤定位、信息查詢、應(yīng)急處理等功能,已成為未來(lái)航運(yùn)管理發(fā)展的新方向。在實(shí)際的內(nèi)河場(chǎng)景中,由于存在很多不確定因素,包括光線變化、水面波動(dòng)、自身倒影等干擾,準(zhǔn)確提取完整的船舶目標(biāo)仍十分困難。本文從人類的視覺(jué)注意機(jī)制入手,對(duì)視頻序列中的運(yùn)動(dòng)船舶檢測(cè)算法進(jìn)行研究與實(shí)驗(yàn),主要工作和研究成果概括如下:首先,分析了運(yùn)動(dòng)目標(biāo)檢測(cè)中常用算法,確定了背景差分法為最適用于水域環(huán)境下的目標(biāo)檢測(cè)算法。對(duì)存在的水波紋區(qū)域,提出將視覺(jué)顯著性運(yùn)用到船舶的檢測(cè)中;其次,針對(duì)原MSS算法獲取的顯著區(qū)域的顯著度較低,易造成顯著目標(biāo)不完整的問(wèn)題做了改進(jìn)。本文提出用高斯金字塔對(duì)圖像進(jìn)行多尺度采樣,獲取顯著目標(biāo)局部和全局對(duì)比度信息,然后在特征提取部分引入邊緣特征,以保持顯著目標(biāo)信息的完整性,再把不同尺度下的顯著圖融合增強(qiáng)顯著區(qū)域的顯著度。與現(xiàn)有算法對(duì)比實(shí)驗(yàn)表明,本文算法能更好的突出顯著區(qū)域,得到內(nèi)部均勻的顯著目標(biāo);最后,改進(jìn)的MSS算法應(yīng)用于船舶目標(biāo)的檢測(cè)中,不僅能抑制水波紋,而且能定位船舶目標(biāo)區(qū)域。但獲取的結(jié)果除船舶目標(biāo)外,還包含其他高顯著區(qū)域,為此本文... 

【文章來(lái)源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３．１視覺(jué)顯著示例圖??

色空間模型??可以通過(guò)顏色特征很容易辨識(shí)出圖像的主體與背景。因此在顯著多方法都采用了顏色特征。提取顏色特征需要用到相關(guān)的顏色空節(jié)主要介紹文中算法用到的ＲＧＢ顏色空間模型和Ｌａｂ顏色空間）?ＲＧＢ顏色空間模型??Ｂ顏色模型選取紅、綠、藍(lán)三種顏色作為原色，將各原色進(jìn)行組合是與硬件設(shè)備相關(guān)的顏色模型。??ＧＢ顏色空間模型中，可以用一個(gè)長(zhǎng)度為１的立方體來(lái)表示觀察到立在笛卡爾坐標(biāo)系中，示意圖如圖３．２所示。頂點(diǎn)（１，０，０）為紅色，（０，０，１）為藍(lán)色；原點(diǎn)（０，０，０）為黑色，（１，１，１）為白色；頂點(diǎn)（０，１，１）為青色，，（１，１，０）為黃色。立方體中的每一點(diǎn)都可以用坐標(biāo)表示出來(lái)，每個(gè)?Ｒ、Ｇ、Ｂ的分量，三個(gè)坐標(biāo)分量合成的顏色就是空間內(nèi)相應(yīng)坐標(biāo)

ａｂ顏色空間模型??今人眼可見(jiàn)最完備的模型，現(xiàn)經(jīng)修改后被正式命名為ＧＩＥＬ空間模型如圖３．３所示。在Ｌａｂ模型中，Ｌ表示亮度，取值表示顏色從綠色到紅色，取值為［－１２８，１２７］；?ｂ通道表示－１２８，１２７］。??間模型致力于均勻感知，在視覺(jué)感知上可以較好的接近人無(wú)關(guān)，彌補(bǔ)了?ＲＧＢ顏色空間模型必須依賴設(shè)備顏色特性覺(jué)顯著性檢測(cè)法都采用該顏色空間模型進(jìn)行計(jì)算。Ｌａｂ顏色空間轉(zhuǎn)換得到，具體轉(zhuǎn)換如下所示：??１?＝?０．２１２６００７?＊ｉ？?＋?０．７１５１９４７＊Ｇ?＋?０．０７２２０４６?＊?Ｂ??ａ?＝?０．３２５８９６２?＊Ｒ－?０．４９９２５９６?＊?Ｇ?＋?０．１７３３４０９?＊５?＋?１２８６?＝?０．１２１８１２８＊ｉ？?＋?０．３７８５６１０＊Ｇ－０．５００３７３８＊５?＋?１２８??

【參考文獻(xiàn)】：
期刊論文
[1]基于多尺度多特征視覺(jué)顯著性的海面艦船檢測(cè)[J]. 丁鵬,張葉,賈平,常旭嶺.  光學(xué)精密工程. 2017(09)
[2]海事管理過(guò)程中智能視頻技術(shù)的運(yùn)用[J]. 林晨,鐘志根.  中國(guó)水運(yùn). 2017(09)
[3]低空航拍視頻中基于Vibe算法的船舶檢測(cè)方法[J]. 蔣晶晶,安博文.  微型機(jī)與應(yīng)用. 2017(10)
[4]基于視覺(jué)顯著性的無(wú)監(jiān)督海面艦船檢測(cè)與識(shí)別[J]. 徐芳,劉晶紅,曾冬冬,王宣.  光學(xué)精密工程. 2017(05)
[5]圖像閾值分割算法及對(duì)比研究[J]. 詹志宇,安友軍,崔文超.  信息通信. 2017(04)
[6]三幀差分運(yùn)動(dòng)目標(biāo)檢測(cè)算法分析與驗(yàn)證[J]. 尹紅娟,欒帥.  計(jì)算機(jī)與數(shù)字工程. 2017(01)
[7]復(fù)雜環(huán)境下基于視覺(jué)顯著性的人臉目標(biāo)檢測(cè)[J]. 陳凡,童瑩,曹雪虹.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(01)
[8]基于多結(jié)構(gòu)形態(tài)學(xué)的港口船舶檢測(cè)方法[J]. 石文豪,安博文.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2016(10)
[9]論內(nèi)河航運(yùn)的可持續(xù)發(fā)展[J]. 劉冰冰,李怡,吳宇雷,吳林鍵.  水道港口. 2015(02)
[10]內(nèi)河船舶避碰決策研究現(xiàn)狀及趨勢(shì)分析[J]. 盛進(jìn)路,趙虎剛,楊富華,王俊杰,嚴(yán)庭玉.  世界海運(yùn). 2015(03)

博士論文
[1]視覺(jué)顯著性檢測(cè)模型研究及應(yīng)用[D]. 林名強(qiáng).中國(guó)科學(xué)技術(shù)大學(xué) 2016
[2]視覺(jué)顯著性檢測(cè)關(guān)鍵技術(shù)研究[D]. 景慧昀.哈爾濱工業(yè)大學(xué) 2014
[3]視覺(jué)顯著性應(yīng)用研究[D]. 敖歡歡.中國(guó)科學(xué)技術(shù)大學(xué) 2013

碩士論文
[1]基于顯著性和LBP方法的車輛檢測(cè)[D]. 喬廣瑩.吉林大學(xué) 2016
[2]基于視覺(jué)顯著性的遙感圖像飛機(jī)檢測(cè)算法研究[D]. 張文杰.華中科技大學(xué) 2016
[3]基于碼本學(xué)習(xí)的背景建模方法研究[D]. 秦志遠(yuǎn).電子科技大學(xué) 2015



本文編號(hào)：3320538