【摘要】：近年來小型無人機(jī)在氣象探測、地圖測繪、邊境控制、森林火災(zāi)防救、災(zāi)害監(jiān)測、農(nóng)藥噴灑、交通管制和地質(zhì)勘測等領(lǐng)域具有廣泛的應(yīng)用價值。無人機(jī)可見光圖像目標(biāo)小、對比度弱、背景復(fù)雜多變,小目標(biāo)可能完全淹沒在背景噪聲中,在這種復(fù)雜背景的條件下,檢測出小目標(biāo)變得非常困難。針對上述問題本文首先對小目標(biāo)圖像進(jìn)行初始分割,將小目標(biāo)從背景中分割出來,接著進(jìn)行SLIC(Simple Linear Iterative Clustering)精細(xì)分割,分割出容易隱藏在背景中的小目標(biāo),然后采用 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚類算法剔除部分虛假目標(biāo),提出一種基于SVM(Support Vector Machine)支持向量機(jī)的小目標(biāo)檢測方法,本文的主要工作包括:1.小目標(biāo)分割。針對小型無人機(jī)圖像對比度弱的問題,對小目標(biāo)圖像進(jìn)行光線增強(qiáng)。然后對小目標(biāo)圖像進(jìn)行濾波,形態(tài)學(xué)變換將小目標(biāo)從背景中分割出來。小目標(biāo)尺寸比較小,容易隱藏在背景中,接著對小目標(biāo)圖像進(jìn)行SLIC精細(xì)分割,將小目標(biāo)圖像分割成超像素單元。把超像素單元的亮度空間作為聚類特征,采用DBSCAN聚類算法對分割成的超像素單元進(jìn)行聚類,剔除部分虛假目標(biāo)。2.小目標(biāo)特征提取。小目標(biāo)尺寸比較小,直接提取HOG、LBP等特征具有很大的難度。傳統(tǒng)的方法直接將均值、方差、信息熵作為SVM支持向量機(jī)的輸入訓(xùn)練SVM支持向量機(jī),實踐證明該方法不能應(yīng)對復(fù)雜場景。本文提取小目標(biāo)的均值、方差、信息熵等特征,將它們進(jìn)行特征融合后作為系統(tǒng)的輸入,提出了一種改進(jìn)的特征訓(xùn)練方法訓(xùn)練SVM支持向量機(jī)。3.小目標(biāo)識別算法移植。針對工程的可應(yīng)用性進(jìn)行了移植驗證,將小目標(biāo)識別算法移植到DM642平臺上。同時考慮到本次設(shè)計的實時性要求,借助RF5參考框架新建三個任務(wù),分別實現(xiàn)視頻的采集、處理、顯示任務(wù),三個任務(wù)相互配合實現(xiàn)小目標(biāo)的檢測。實驗結(jié)果表明:算法在復(fù)雜場景也具有一定的準(zhǔn)確率,滿足實時性要求。
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：V279
【圖文】：

本次設(shè)計的背景是基于某研究所的一個預(yù)研項目，項目主要分為小目標(biāo)圖逡逑像的ＳＬＩＣ分割，ＤＢＳＣＡＮ聚類，小目標(biāo)的識別和最后的硬件移植驗證等模塊。逡逑移植的平臺是基于ＤＳＰ的ＤＭ６４２，各個模塊的組成如圖１．１所示。逡逑３逡逑

２．１預(yù)處理流程逡逑小目標(biāo)圖像的預(yù)處理是由一系列的步驟組成，本章主要介紹小目標(biāo)圖像的逡逑預(yù)處理，具體的流程圖如圖２．１所示：逡逑ｃ開始）逡逑邐邐逡逑中值濾波邐邐？形態(tài)學(xué)初始分割逡逑邐＾邐邋邐３Ｃ邐邐逡逑光線增強(qiáng)邋邐＾輸出結(jié)果逡逑ｆ邋結(jié)束Ｄ逡逑圖２．１小目標(biāo)圖像預(yù)處理流程圖逡逑本章主要介紹小目標(biāo)圖像的預(yù)處理，如圖２．〗可以看到，這個流程是小目標(biāo)逡逑圖像的初始階段，主要包括中值濾波，主要目的是去除小目標(biāo)圖像的椒鹽噪聲等逡逑雜波，光線增強(qiáng)，增加圖像的對比度，彌補(bǔ)小型無人機(jī)圖像的光線不足，接著進(jìn)逡逑行形態(tài)學(xué)的初始分割，將小目標(biāo)從背景中分割出來，圖像預(yù)處理在整個流程里面逡逑是至關(guān)重要的，如果預(yù)處理的效果不好，將直接影響后面的檢測結(jié)果。下面介紹逡逑了圖像預(yù)處理的算法原理及其實現(xiàn)方法。逡逑６逡逑

以方便的調(diào)用，使用ＯｐｅｎＣＶ開源視覺庫可以大大縮短開發(fā)周期。逡逑ＯｐｅｎＣＶ庫的功能非常強(qiáng)大，按照常用的功能算法，可以將它劃分為五個模逡逑塊，其中四個模塊如圖２．２所示。ＣＶ模塊封裝的主要是一些基礎(chǔ)的圖像處理的逡逑函數(shù)同時也有一些高級的計算機(jī)視覺庫。ＭＬ是主要用來做機(jī)器學(xué)習(xí)的庫，這個逡逑庫的特點(diǎn)是包括一些分類和聚類工具。ＨｉｇｈＧＵＩ包含圖像和視頻輸入／輸出的函逡逑數(shù)。ＣＸＣｏｒｅ包含ＯｐｅｎＣＶ的一些基本數(shù)據(jù)結(jié)構(gòu)和相關(guān)函數(shù)。逡逑ｃｖ圖像處理和視覺算法邐ＭＬ統(tǒng)計分類器邐丨逡逑邐ｉｚ邐＼ｚ邐＼７邐逡逑Ｃｘｏｒｅ逡逑基本結(jié)構(gòu)和算法、ＸＭＬ支持、繪圖函數(shù)逡逑圖２．２邋ＯｐｅｎＣＶ模塊組成框圖逡逑ＯｐｅｎＣＶ還有很多其他的特點(diǎn)。比如，它的源代碼完全開源代碼免費(fèi)共享，逡逑可以跨平臺操作，大部分算法都經(jīng)過高度優(yōu)化，運(yùn)行速度非�？欤褂煤唵蔚�，逡逑本次設(shè)計過程中采用Ｖｉｓｕａｌ邋Ｓｔｕｄｉｏ邋２０１０結(jié)合ＯｐｅｎＣＶ邋２．４進(jìn)行算法的實現(xiàn)。逡逑７逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 陳曉斯;樊祥;程正東;朱斌;方義強(qiáng);;基于紅外小目標(biāo)圖像庫的特征識別探測研究[J];彈箭與制導(dǎo)學(xué)報;2013年04期

2 趙雙柱;;基于相對密度的聚類算法研究與應(yīng)用[J];現(xiàn)代計算機(jī);2013年13期

3 朱學(xué)玲;劉麗;;圖像增強(qiáng)中的平滑濾波技術(shù)[J];科技信息;2012年32期

4 孫樂公;毛征;毛羽忻;高安潔;齊南;;空中小目標(biāo)實時檢測的快速局部熵算法研究[J];國外電子測量技術(shù);2011年06期

5 高會生;郭愛玲;;組合核函數(shù)SVM在網(wǎng)絡(luò)安全風(fēng)險評估中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2009年11期

6 陳彬,魏丹,鄧德祥,陳勇;C64x系列DSP/BIOS中設(shè)備驅(qū)動程序的設(shè)計[J];電子技術(shù)應(yīng)用;2004年11期

7 黃永平,王麗珍;考慮對象方向關(guān)系的密度聚類算法[J];云南大學(xué)學(xué)報(自然科學(xué)版);2004年03期

相關(guān)碩士學(xué)位論文 前10條

1 許文伯;基于DSP平臺及RF5框架的圖像增強(qiáng)系統(tǒng)的實現(xiàn)[D];內(nèi)蒙古大學(xué);2017年

2 韓冬越;基于超像素生成的圖像分割算法研究及應(yīng)用[D];廣西師范學(xué)院;2016年

3 李湛;基于Android平臺的光學(xué)字符識別應(yīng)用的設(shè)計與實現(xiàn)[D];南京大學(xué);2016年

4 王國成;基于形態(tài)學(xué)的文本圖像光照均衡化算法研究及實現(xiàn)[D];電子科技大學(xué);2015年

5 沈佩s

本文編號：2804225