基于多方向環(huán)形梯度法的紅外小目標檢測技術(shù)研究
發(fā)布時間：2021-01-19 18:18
復雜背景下的紅外小目標檢測是精確制導武器系統(tǒng)與空中偵查的關(guān)鍵技術(shù),受到了越來越多的重視。由于目標與紅外傳感器之間的距離比較遠,導致目標成像面積小,圖像信噪比低,圖像中目標物體的輪廓和紋理模糊,可用信息少。同時,由于復雜背景下的紅外圖像中存在大量的高亮背景區(qū)域和背景邊緣,導致誤檢率比較高,嚴重影響檢測算法的效果。因此,復雜背景下的紅外小目標檢測極具挑戰(zhàn)。1.本文在國內(nèi)外紅外小目標檢測研究的基礎(chǔ)上,首先對紅外小目標特性進行分析,并對目前常用的幾種小目標檢測算法進行仿真。針對紅外小目標檢測所面臨的一些難點,本文以梯度算法為基礎(chǔ),通過對目標的梯度特性進行分析,得出目標在鄰域周圍具有360o梯度快速下降的特性,而疑似目標僅在少數(shù)方向具有梯度下降的特性。為解決普通的檢測算法檢測率低的問題,本文采用多級聯(lián)合的方式。首先,提出了一種基于多方向環(huán)形梯度法的檢測算法用來提取ROI,構(gòu)建圖像高斯金字塔進行多尺度提取ROI,解決目標的尺度問題;其次,為了使目標分割與特征提取更加準確,提出一種自適應(yīng)多方向的新型Top-Hat變換進行背景抑制;最后采用自適應(yīng)閾值算法對目標進行分割。2.基于單幀算法的檢測結(jié)果,結(jié)合...
【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校
【文章頁數(shù)】：95 頁
【學位級別】：碩士
【部分圖文】：
Haar特征模板
開發(fā)周期長、難度大、維護成本高。相反，ARM 比較擅長執(zhí)行邏輯復雜的計算，適合做控制類操作，在系統(tǒng)中完成復雜的運算。系統(tǒng)的實物圖如圖 5.2 所示：圖5.2 系統(tǒng)實物圖
圖5.3 FX3 結(jié)構(gòu)框圖5.1.3 算法移植首先，紅外傳感器通過 CameraLink 將紅外圖像數(shù)據(jù)送入 FPGA，完成圖像數(shù)據(jù)的獲取。其次，F(xiàn)PGA 對傳來的圖像數(shù)據(jù)分流處理，一路數(shù)據(jù)緩存到 DDR2 中，用于系統(tǒng)
【參考文獻】：
期刊論文
[1]基于類Haar特征和自適應(yīng)提升算法的前車識別[J]. 曹景勝,李剛,石晶,王冬霞,郭銀景. 科學技術(shù)與工程. 2019(07)
[2]基于最大中值濾波和K-means聚類紅外弱小目標檢測[J]. 岳付昌. 光電技術(shù)應(yīng)用. 2018(05)
[3]尺度及主方向改正的ORB特征匹配算法[J]. 柴江龍,樊彥國,王斌,韓志聰. 計算機工程與應(yīng)用. 2019(13)
[4]基于邊緣梯度特征的目標定位算法[J]. 陳志彭. 電子世界. 2018(17)
[5]基于Haar-like和AdaBoost的車臉檢測[J]. 朱善瑋,李玉惠. 電子科技. 2018(08)
[6]基于內(nèi)容推薦算法和余弦相似度算法的領(lǐng)導決策輔助信息系統(tǒng)[J]. 駱亮. 廣西科學院學報. 2018(02)
[7]基于多假設(shè)的目標檢測跟蹤算法[J]. 樓曉祥. 電子技術(shù)與軟件工程. 2018(10)
[8]一種改進Haar-like特征的車輛識別算法[J]. 羅瑞奇,鐘忺,鐘珞,李琳. 武漢大學學報(理學版). 2018(03)
[9]紅外目標測量圖像高精度定位方法[J]. 李曉冰. 兵工自動化. 2018(05)
[10]基于國產(chǎn)化ARM平臺的Ceph分布式存儲集群設(shè)計[J]. 周浩宇,李含輝,樊榮,肖威. 艦船電子工程. 2018(02)
博士論文
[1]基于人類視覺特性的復雜背景紅外小目標檢測研究[D]. 韓金輝.華中科技大學 2016
[2]復雜背景下的紅外弱小目標檢測與跟蹤技術(shù)研究[D]. 汪大寶.西安電子科技大學 2010
碩士論文
[1]紅外目標實時檢測系統(tǒng)設(shè)計[D]. 陳星.西安電子科技大學 2018
[2]基于深度學習的人臉身份認證方法研究[D]. 劉炎鍇.西安理工大學 2017
[3]紅外弱小多目標實時處理[D]. 孫慧婷.蘇州科技大學 2017
[4]基于嵌入式系統(tǒng)的實時成像處理研究[D]. 孫超.西安電子科技大學 2017
[5]文本語義相似度計算方法研究及應(yīng)用[D]. 楊萌.蘇州大學 2017
[6]復雜云層背景下紅外小目標檢測算法研究[D]. 孫學超.哈爾濱工程大學 2017
[7]紙幣多光譜高分辨率圖像采集系統(tǒng)的設(shè)計與實現(xiàn)[D]. 周春然.華中科技大學 2016
[8]基于視覺注意機制的紅外弱小目標檢測方法研究[D]. 崔娜.西安電子科技大學 2015
[9]云背景下紅外弱小目標背景抑制方法研究[D]. 梅麗斐.南昌航空大學 2015
[10]低分辨率下的車牌識別技術(shù)研究[D]. 龔小偉.中山大學 2015
本文編號：2987483
【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校
【文章頁數(shù)】：95 頁
【學位級別】：碩士
【部分圖文】：
Haar特征模板
開發(fā)周期長、難度大、維護成本高。相反，ARM 比較擅長執(zhí)行邏輯復雜的計算，適合做控制類操作，在系統(tǒng)中完成復雜的運算。系統(tǒng)的實物圖如圖 5.2 所示：圖5.2 系統(tǒng)實物圖
圖5.3 FX3 結(jié)構(gòu)框圖5.1.3 算法移植首先，紅外傳感器通過 CameraLink 將紅外圖像數(shù)據(jù)送入 FPGA，完成圖像數(shù)據(jù)的獲取。其次，F(xiàn)PGA 對傳來的圖像數(shù)據(jù)分流處理，一路數(shù)據(jù)緩存到 DDR2 中，用于系統(tǒng)
【參考文獻】：
期刊論文
[1]基于類Haar特征和自適應(yīng)提升算法的前車識別[J]. 曹景勝,李剛,石晶,王冬霞,郭銀景. 科學技術(shù)與工程. 2019(07)
[2]基于最大中值濾波和K-means聚類紅外弱小目標檢測[J]. 岳付昌. 光電技術(shù)應(yīng)用. 2018(05)
[3]尺度及主方向改正的ORB特征匹配算法[J]. 柴江龍,樊彥國,王斌,韓志聰. 計算機工程與應(yīng)用. 2019(13)
[4]基于邊緣梯度特征的目標定位算法[J]. 陳志彭. 電子世界. 2018(17)
[5]基于Haar-like和AdaBoost的車臉檢測[J]. 朱善瑋,李玉惠. 電子科技. 2018(08)
[6]基于內(nèi)容推薦算法和余弦相似度算法的領(lǐng)導決策輔助信息系統(tǒng)[J]. 駱亮. 廣西科學院學報. 2018(02)
[7]基于多假設(shè)的目標檢測跟蹤算法[J]. 樓曉祥. 電子技術(shù)與軟件工程. 2018(10)
[8]一種改進Haar-like特征的車輛識別算法[J]. 羅瑞奇,鐘忺,鐘珞,李琳. 武漢大學學報(理學版). 2018(03)
[9]紅外目標測量圖像高精度定位方法[J]. 李曉冰. 兵工自動化. 2018(05)
[10]基于國產(chǎn)化ARM平臺的Ceph分布式存儲集群設(shè)計[J]. 周浩宇,李含輝,樊榮,肖威. 艦船電子工程. 2018(02)
博士論文
[1]基于人類視覺特性的復雜背景紅外小目標檢測研究[D]. 韓金輝.華中科技大學 2016
[2]復雜背景下的紅外弱小目標檢測與跟蹤技術(shù)研究[D]. 汪大寶.西安電子科技大學 2010
碩士論文
[1]紅外目標實時檢測系統(tǒng)設(shè)計[D]. 陳星.西安電子科技大學 2018
[2]基于深度學習的人臉身份認證方法研究[D]. 劉炎鍇.西安理工大學 2017
[3]紅外弱小多目標實時處理[D]. 孫慧婷.蘇州科技大學 2017
[4]基于嵌入式系統(tǒng)的實時成像處理研究[D]. 孫超.西安電子科技大學 2017
[5]文本語義相似度計算方法研究及應(yīng)用[D]. 楊萌.蘇州大學 2017
[6]復雜云層背景下紅外小目標檢測算法研究[D]. 孫學超.哈爾濱工程大學 2017
[7]紙幣多光譜高分辨率圖像采集系統(tǒng)的設(shè)計與實現(xiàn)[D]. 周春然.華中科技大學 2016
[8]基于視覺注意機制的紅外弱小目標檢測方法研究[D]. 崔娜.西安電子科技大學 2015
[9]云背景下紅外弱小目標背景抑制方法研究[D]. 梅麗斐.南昌航空大學 2015
[10]低分辨率下的車牌識別技術(shù)研究[D]. 龔小偉.中山大學 2015
本文編號：2987483
本文鏈接：http://sikaile.net/kejilunwen/dianzigongchenglunwen/2987483.html
最近更新
教材專著
