隨著無人平臺技術(shù)與傳感器設(shè)備的快速發(fā)展與完善,無人機(jī)載平臺已經(jīng)能夠同時裝備可見光、紅外等多種載荷,從而實現(xiàn)對目標(biāo)更為精準(zhǔn)的定位。借助可見光、紅外的成像特性以及無人機(jī)機(jī)動靈活的特點,多模無人機(jī)載光電成像平臺在交通監(jiān)控、野外搜救等民用領(lǐng)域得到了廣泛應(yīng)用。本文重點研究了無人機(jī)載光電平臺下的多形態(tài)目標(biāo)檢測、識別及跟蹤方法。主要的研究內(nèi)容和取得的成果如下。（1）針對紅外圖像中弱小目標(biāo)檢測方法中存在對不同背景適應(yīng)性差的問題,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的紅外弱小目標(biāo)檢測方法。首先,利用已有圖像集對模型的參數(shù)進(jìn)行預(yù)訓(xùn)練;其次,借助篩選操作的思想對網(wǎng)絡(luò)進(jìn)行調(diào)整;最后,利用訓(xùn)練所得參數(shù)實現(xiàn)對紅外弱小目標(biāo)的檢測與增強(qiáng)。分別通過真實場景與模擬實驗對檢測方法進(jìn)行測試,由仿真結(jié)果可知所提方法具有很好的檢測效果。（2）針對原始YOLO檢測方法對面目標(biāo)的檢測存在精度較低以及網(wǎng)絡(luò)模型訓(xùn)練速度慢等問題,提出了一種快速端對端多尺度深層全卷積網(wǎng)絡(luò)的光電面目標(biāo)檢測方法。首先,去掉了原始YOLO的全連接層,同時借鑒了Faster RCNN的預(yù)定義框機(jī)制,加快了網(wǎng)絡(luò)的處理速度;其次,通過對應(yīng)用環(huán)境與目標(biāo)特性的分析,并針對探測目標(biāo)的... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：104 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 課題背景與意義
    1.2 相關(guān)領(lǐng)域研究現(xiàn)狀
        1.2.1 多形態(tài)目標(biāo)檢測方法的研究現(xiàn)狀
        1.2.2 面目標(biāo)跟蹤方法的研究現(xiàn)狀
    1.3 本論文課題來源及主要研究內(nèi)容
        1.3.1 本論文課題來源
        1.3.2 主要研究內(nèi)容
第二章 基于卷積網(wǎng)絡(luò)的多形態(tài)目標(biāo)檢測
    2.1 引言
    2.2 基于卷積網(wǎng)絡(luò)信息篩選的場景自適應(yīng)紅外弱小目標(biāo)檢測
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)原理概述
        2.2.2 卷積網(wǎng)絡(luò)信息篩選弱小目標(biāo)檢測
        2.2.3 算法評估標(biāo)準(zhǔn)
        2.2.4 實驗結(jié)果分析
    2.3 基于多尺度深層全卷積網(wǎng)絡(luò)的快速高精度光電面目標(biāo)檢測
        2.3.1 YOLO檢測過程概述
        2.3.2 快速多尺度深層全卷積網(wǎng)絡(luò)目標(biāo)檢測原理
        2.3.3 算法評估標(biāo)準(zhǔn)
        2.3.4 實驗結(jié)果分析
    2.4 本章小結(jié)
第三章 基于多層深度特征結(jié)合的自更新抗遮擋目標(biāo)跟蹤
    3.1 引言
    3.2 核相關(guān)跟蹤基本原理
        3.2.1 線性條件下的嶺回歸
        3.2.2 非線性核空間的嶺回歸
    3.3 基于多層深度特征結(jié)合的自更新抗遮擋目標(biāo)跟蹤
        3.3.1 目標(biāo)多層深度特征獲取
        3.3.2 目標(biāo)初步定位
        3.3.3 目標(biāo)重檢測與終定位
    3.4 實驗結(jié)果與分析
        3.4.1 算法評估標(biāo)準(zhǔn)
        3.4.2 實驗分析
    3.5 本章小結(jié)
第四章 基于私有云平臺的多形態(tài)目標(biāo)感知系統(tǒng)設(shè)計與實現(xiàn)
    4.1 引言
    4.2 基于私有云的多形態(tài)目標(biāo)感知系統(tǒng)框架
    4.3 系統(tǒng)云化核心搭建過程
        4.3.1 整體部署規(guī)劃
        4.3.2 驗證模塊部署
        4.3.3 云端數(shù)據(jù)存儲模塊部署
        4.3.4 鏡像模塊部署
        4.3.5 核心控制模塊部署
        4.3.6 可視化操作模塊
    4.4 目標(biāo)感知云平臺使用情況
        4.4.1 創(chuàng)建多形態(tài)目標(biāo)感知系統(tǒng)云主機(jī)
        4.4.2 啟動多形態(tài)目標(biāo)感知云主機(jī)實例
        4.4.3 添加安全組管理規(guī)則
        4.4.4 遠(yuǎn)程訪問目標(biāo)感知云實例
        4.4.5 云環(huán)境安全性檢查
        4.4.6 目標(biāo)感知系統(tǒng)數(shù)據(jù)處理展示
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
附錄
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于自適應(yīng)改進(jìn)的壓縮域紅外弱小目標(biāo)檢測[J]. 李安冬,林再平,安瑋,楊林娜.  中國激光. 2015(10)
[2]基于空間距離改進(jìn)的視覺顯著性弱小目標(biāo)檢測[J]. 楊林娜,安瑋,林再平,李安冬.  光學(xué)學(xué)報. 2015(07)
[3]采用圖像塊對比特性的紅外弱小目標(biāo)檢測[J]. 王剛,陳永光,楊鎖昌,高敏,戴亞平.  光學(xué)精密工程. 2015(05)
[4]基于分塊速度域改進(jìn)迭代運動目標(biāo)檢測算法的紅外弱小目標(biāo)檢測[J]. 侯旺,于起峰,雷志輝,劉曉春.  物理學(xué)報. 2014(07)
[5]基于無下采樣Contourlet變換和獨立分量分析的紅外弱小目標(biāo)檢測[J]. 吳一全,紀(jì)守新,占必超.  光學(xué)學(xué)報. 2011(05)
[6]基于圖像稀疏表示的紅外小目標(biāo)檢測算法[J]. 趙佳佳,唐崢遠(yuǎn),楊杰,劉爾琦,周越.  紅外與毫米波學(xué)報. 2011(02)
[7]紅外圖像序列運動小目標(biāo)檢測的預(yù)處理算法研究[J]. 周衛(wèi)祥,孫德寶,彭嘉雄.  國防科技大學(xué)學(xué)報. 1999(05)



本文編號：3203822