近年來(lái),無(wú)人機(jī)以體積小、重量輕、機(jī)動(dòng)靈活的特點(diǎn)在諸多領(lǐng)域迅猛發(fā)展。在無(wú)人機(jī)上搭載顯著性檢測(cè)系統(tǒng)可使無(wú)人機(jī)快速靈活地處理采集的圖像、標(biāo)注顯著目標(biāo)的區(qū)域和位置,從而提高無(wú)人機(jī)的目標(biāo)檢測(cè)效率。本文設(shè)計(jì)并研制出一套基于無(wú)人機(jī)平臺(tái)的多光譜圖像顯著性檢測(cè)系統(tǒng),該系統(tǒng)使用無(wú)人機(jī)搭載紅外相機(jī)和可見(jiàn)光相機(jī)采集圖像,通過(guò)圖像傳輸子系統(tǒng)傳回地面,在地面檢測(cè)子系統(tǒng)上完成圖像顯著性檢測(cè)。地面顯著性檢測(cè)子系統(tǒng)是本系統(tǒng)的重要組成部分,主要包括紅外圖像增強(qiáng)和超像素分割組成的預(yù)處理模塊、靜態(tài)和動(dòng)態(tài)顯著檢測(cè)方法構(gòu)成的顯著性檢測(cè)模塊,以及顯著目標(biāo)分割模塊。在靜態(tài)顯著性檢測(cè)部分,針對(duì)傳統(tǒng)的顯著性檢測(cè)方法存在的背景噪聲干擾嚴(yán)重、前景內(nèi)部不一致、輪廓邊界不清晰等不足,本文提出了一種基于兩級(jí)隨機(jī)游走的顯著性檢測(cè)算法模型,通過(guò)使用部分吸收隨機(jī)游走概率去加權(quán)吸收馬爾科夫鏈從而得到邊界描述性好、均勻突出了整個(gè)顯著區(qū)域的檢測(cè)結(jié)果。實(shí)驗(yàn)表明,該方法在公開(kāi)數(shù)據(jù)集中獲得了較好的性能曲線,在實(shí)際場(chǎng)景取得了良好的視覺(jué)效果。而基于運(yùn)動(dòng)信息的動(dòng)態(tài)顯著性檢測(cè)算法重新考慮了光流統(tǒng)計(jì)方式和運(yùn)動(dòng)顯著性的關(guān)系,通過(guò)光流直方圖計(jì)算運(yùn)動(dòng)量級(jí)的對(duì)比度,從而得到運(yùn)動(dòng)顯著性圖像。實(shí)驗(yàn)表明,該方法在標(biāo)準(zhǔn)數(shù)據(jù)集和實(shí)際應(yīng)用場(chǎng)景中均能得到定位準(zhǔn)確,符合人眼主觀評(píng)價(jià)的顯著目標(biāo),有效地為系統(tǒng)提供了運(yùn)動(dòng)顯著信息,完善了整個(gè)系統(tǒng)的檢測(cè)結(jié)果。為了提升本系統(tǒng)的運(yùn)行效率,本文采用基于GPU的CUDA架構(gòu)對(duì)系統(tǒng)中的部分模塊進(jìn)行加速優(yōu)化,經(jīng)測(cè)試,經(jīng)過(guò)優(yōu)化的部分,其運(yùn)行速度顯著提升,保證了系統(tǒng)的實(shí)時(shí)性和有效性。在上述研究的基礎(chǔ)上,本文搭建出一套基于無(wú)人機(jī)平臺(tái)的多光譜圖像顯著性檢測(cè)系統(tǒng),驗(yàn)證了該系統(tǒng)的工作流程和檢測(cè)功能。該系統(tǒng)運(yùn)行效率高,顯著性檢測(cè)結(jié)果準(zhǔn)確,功能模塊全面完整,能夠提供較為準(zhǔn)確的顯著目標(biāo)輪廓和運(yùn)動(dòng)信息,提高了無(wú)人機(jī)的目標(biāo)檢測(cè)效率,具有很強(qiáng)的實(shí)用性和應(yīng)用前景。
【學(xué)位單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41;V279
【部分圖文】：

圖２．３云臺(tái)與Ａ３飛行控制的連接圖??

２檢測(cè)系統(tǒng)的總體方案設(shè)計(jì)?碩士學(xué)卻僅有５０？１５０毫秒的延時(shí)。??（２）視頻的解壓縮模塊??在無(wú)線傳輸視頻時(shí)，為了有效傳輸，保證傳輸效率與實(shí)時(shí)性，通常通過(guò)視頻壓到有效發(fā)送和存儲(chǔ)數(shù)字視頻文件的目的。在本系統(tǒng)的無(wú)人機(jī)傳輸中，采集到源視頻需要通過(guò)壓縮算法進(jìn)行處理，傳輸和存儲(chǔ)之后，通過(guò)相應(yīng)的解壓縮算法還原圖像。其他編碼方式，本系統(tǒng)采用Ｈ．２６４視頻編解碼技術(shù)，Ｈ．２６４視頻的編碼效率高，抗性強(qiáng)，而且對(duì)視頻內(nèi)容自適應(yīng)性強(qiáng)。??如圖２．４所示，Ｈ．２６４標(biāo)準(zhǔn)壓縮系統(tǒng)由視頻編碼層（ＶｉｄｅｏＣｏｄｉｎｇＬａｙｅｒ，ＶＣＬ）網(wǎng)絡(luò)提取層（ＮｅｔｗｏｒｋＡｂｓｔｒａｃｔｉｏｎＬａｙｅｒ，ＮＡＬ）兩部分組成［２４］。楨內(nèi)預(yù)測(cè)，偵間預(yù)于預(yù)測(cè)編碼部分，與變換量化和熵編碼構(gòu)成了?ＶＣＬ層，ＮＡＬ層提供了一個(gè)統(tǒng)一的接采用統(tǒng)一的數(shù)據(jù)格式，封裝打包視頻數(shù)據(jù)然后在網(wǎng)絡(luò)中傳送。??

文系統(tǒng)分為飛行控制子系統(tǒng)、圖像傳輸子系統(tǒng)、地面顯著檢設(shè)計(jì)上介紹了本系統(tǒng)的機(jī)載硬件組成和軟件設(shè)計(jì)。硬件部臺(tái)的性能和參數(shù)，機(jī)載系統(tǒng)的飛行控制系統(tǒng)、圖傳模塊和，展示了系統(tǒng)各部件的連接方式，介紹了本系統(tǒng)信息傳輸?shù)慕B了地面ＰＣ端對(duì)航拍圖像的處理模塊，包括圖像增強(qiáng)，動(dòng)態(tài)顯著性檢測(cè)和圖像分割等模塊。清晰地展示了該系統(tǒng)基能和該系統(tǒng)的功能所在。??
【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 云紅全;徐力;孫驍;明德烈;鞠雯;;基于超像素時(shí)空顯著性的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J];紅外技術(shù);2015年05期

2 王樹(shù)源;;國(guó)外軍用無(wú)人機(jī)發(fā)展現(xiàn)狀與趨勢(shì)[J];硅谷;2014年18期

3 陳小波;魯新平;劉志波;;一種基于圖像分層處理的DDE算法[J];微處理機(jī);2013年02期

4 陳濱;田啟川;;改進(jìn)的快速Otsu自適應(yīng)分割算法及其應(yīng)用[J];計(jì)算機(jī)應(yīng)用研究;2012年04期

5 張偉;李松維;陳蕾;;計(jì)算機(jī)紅外成像技術(shù)研究[J];電腦知識(shí)與技術(shù);2010年15期

6 范永杰;金偉其;劉斌;劉崇亮;;FLIR公司熱成像細(xì)節(jié)增強(qiáng)DDE技術(shù)的分析[J];紅外技術(shù);2010年03期

7 呂書強(qiáng);晏磊;張兵;楊紹文;焦健;趙紅穎;秦其明;曾琪明;;無(wú)人機(jī)遙感系統(tǒng)的集成與飛行試驗(yàn)研究[J];測(cè)繪科學(xué);2007年01期

8 蘇新兵 ,王建平,華江濤;無(wú)人駕駛飛機(jī)綜述[J];航空制造技術(shù);2003年09期

相關(guān)博士學(xué)位論文 前1條

1 魏昱;圖像顯著性區(qū)域檢測(cè)方法及應(yīng)用研究[D];山東大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 黃紀(jì)潤(rùn);DJ公司無(wú)人機(jī)發(fā)展策略問(wèn)題研究[D];華中師范大學(xué);2016年

2 孫星;基于部分吸收隨機(jī)游走的協(xié)同顯著性檢測(cè)[D];大連理工大學(xué);2015年

3 王青苗;基于超像素分割的視覺(jué)顯著性檢測(cè)[D];河北工業(yè)大學(xué);2015年

4 宋熙煜;基于超像素的圖像分割技術(shù)研究[D];解放軍信息工程大學(xué);2015年

5 金純;基于無(wú)人機(jī)平臺(tái)的目標(biāo)檢測(cè)跟蹤系統(tǒng)研究[D];西安電子科技大學(xué);2015年

6 姜博文;基于馬爾可夫鏈的顯著性檢測(cè)[D];大連理工大學(xué);2014年

7 鄭薈;基于超像素和圖割的視頻顯著物體分割算法研究[D];中山大學(xué);2014年

8 劉婷婷;紅外圖像細(xì)節(jié)增強(qiáng)算法與實(shí)現(xiàn)的研究[D];電子科技大學(xué);2014年

9 馬威;某無(wú)人機(jī)火箭助推發(fā)射起飛動(dòng)力學(xué)研究與參數(shù)優(yōu)化[D];南京理工大學(xué);2014年

10 楊川;基于先驗(yàn)融合和流形排序的顯著目標(biāo)檢測(cè)[D];大連理工大學(xué);2013年

本文編號(hào)：2891787