發(fā)布時間：2020-12-14 06:48

　　無人機作為一種智能航空器,具有廣泛的應用前景,并已在民用、軍用領(lǐng)域受到普遍關(guān)注。目前,計算機視覺技術(shù)的飛速發(fā)展,大大提升了無人機通過視覺系統(tǒng)完成各種任務的綜合能力。其中,目標追蹤技術(shù)已成為無人機通過視覺對場景進行感知和理解的核心手段。然而,受霧、雨等惡劣天氣影響,視覺系統(tǒng)性能會受到不同程度的干擾,若僅依賴于低質(zhì)的圖像信號,則難以完成預期的目標追蹤任務。為了使無人機在惡劣天氣狀況下更好地完成目標追蹤任務,本文提出了一種面向無人機的低能見度下視覺追蹤方法。該方法在對低質(zhì)圖像數(shù)據(jù)進行去霧預處理的基礎(chǔ)上,引入誤差修正后的無人機導航參數(shù)作為環(huán)境感知的輔助手段,來提高無人機視覺追蹤的性能。由此,本文的主要研究工作如下:（1）針對霧天情況下航空圖像清晰度減小、細節(jié)丟失、質(zhì)量大大降低等問題,提出一種基于深度學習的低質(zhì)航空圖像去霧方法。首先引入大氣散射模型,用于解釋航空圖像退化機理;然后設計一個自編碼網(wǎng)絡,通過非監(jiān)督學習方式提取圖像的霧相關(guān)特征;并設計一個卷積神經(jīng)網(wǎng)絡,回歸出霧相關(guān)特征對應的場景透射率;最后依據(jù)場景透射率反演出清晰的航空圖像。預先建立一個包含多場景有霧圖像和對應透射率圖的數(shù)據(jù)庫作為訓練樣... 

【文章來源】：武漢理工大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【部分圖文】：

本文的技術(shù)路線

A為大氣光強， t ( x )表示透射率，β 為大氣散射系數(shù)， d ( x場景深度。 I ( x )已知，去霧問題本質(zhì)是求出大氣光強 A和透射率 t ( x )，然過大氣散射模型反演出無霧圖像 J ( x )。當景深 d ( x )取無窮大時， t ( x )接近入公式（2-1）則有：A = I ( x ), d ( x)→∝ （2公式（2-3）表示大氣光照度 A近似等于圖像中最遠像素點的強度值。在的場景中，距離不會取無窮大；但當距離足夠遠時，透射率 t ( x )取值很小于 0。因此 A一般取值為天空區(qū)域或者景深最大區(qū)域的像素值。計算 A之霧問題的關(guān)鍵是通過一定策略估算透射率 t ( x )。

圖 2-3 自編碼網(wǎng)絡結(jié)構(gòu)圖在訓練階段，以總量為 N、大小為r × r的有霧圖像塊ix 作為樣本輸入（需向量化），以ix 自身作為標簽進行訓練。各層之間使用 sigmoid 激活函數(shù)，以均方誤差函數(shù) MES 作為loss函數(shù)，通過反向傳播策略最小化網(wǎng)絡輸入ix 和輸出之間的loss函數(shù)值，訓練得到各網(wǎng)絡層參數(shù)。對于訓練樣本ix ，定義各層的輸出為：( (1) (1) (1))( (2) (2) (2))( (3) (3) (3)(1)(2)(3)(4) )iW a bWa xa fa a ba W abff====+++ （2-4）式中網(wǎng)絡的層數(shù)為 4，網(wǎng)絡參數(shù)W 和b 表示相鄰兩層間的聯(lián)結(jié)權(quán)重和偏置，(1)ia = x表 示 第 一 層 網(wǎng) 絡 的 輸 出 ； f ( x )代 表 sigmoid 函 數(shù) ， 定 義 為f ( x ) = 1/(1 + exp ( x))。loss函數(shù)定義為：( )21( , , ) 4,NLoss W b x a xi xiN= （2-5）


本文編號：2916010