無人機已成為當今世界快速發(fā)展的重要領(lǐng)域,其應用包含了軍事和民用的多個領(lǐng)域。而基于無人機的機器視覺算法更是成為研究熱點。其中,目標顯著性檢測和視頻目標跟蹤算法的研究具有重要的應用價值。超像素,作為一種重要的圖像特征描述,由于其包含豐富的圖像冗余信息,在很大程度上可以降低后續(xù)視覺處理問題的復雜度。針對無人機航拍圖像存在的背景復雜、目標尺度變化及位置漂移等問題,本文將超像素與無人機航拍視頻目標顯著性檢測和跟蹤算法研究相結(jié)合,重點對超像素分割算法進行改進。針對目標顯著性檢測和目標跟蹤算法對圖像信息特征的要求,分別在提高超像素分割精度、超像素質(zhì)量及加快超像素分割算法速度方面提出兩種改進算法。同時,結(jié)合對傳統(tǒng)的目標顯著性檢測算法和目標跟蹤算法的改進,提高了檢測算法的精度和跟蹤算法的魯棒性。此外,本文還提出一種基于稀疏表示的超分辨率重建算法,作為無人機圖像的復原技術(shù)。具體工作內(nèi)容如下:（1）提出一種基于稀疏表示的超分辨率重建的無人機圖像復原技術(shù)。針對無人機由于在圖像信號的采集、傳輸及存儲方面存在的限制及天氣等環(huán)境因素造成的圖像分辨率下降的問題。本文將稀疏表示理論用于對低分辨率圖像的重建過程,實現(xiàn)了速... 

【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)】：80 頁

【學位級別】：碩士

【部分圖文】：

四種超像素算法分割結(jié)果

d)稀疏表示(b)最近鄰插值圖2.9 超分辨重建算法對比圖從圖 2.9 的視覺對比圖可以看出，基于稀疏表示的方法重建后的圖像質(zhì)量最好。在客觀評價中，表 2.2 給出了三種方法的 PSNR 和 SSIM 值表：表2.2 三種超分辨重建 PSNR 和 SSIM 值表算法 PSNR（dB） SSIM最近鄰插值 21.74 0.57雙三次插值 23.55 0.66稀疏表示 26.45 0.79由上表可以證實基于稀疏表示的重建算法具有較高的性能，重建出的圖片質(zhì)量更好，更有利于處理無人機航拍圖像的復原工作。

先驗輪廓分割結(jié)果圖3.1 改進 SLIC 算法整體框架3.1.1 像素鄰域上的魯棒距離無人機航拍的圖像呈現(xiàn)出尺度變化及較大噪聲的問題，這將對超像素分割產(chǎn)生影響。因此，本文將考慮引入像素鄰域信息，包括顏色及邊緣輪廓特征，以達到提高分割精度和魯棒性的效果。本節(jié)將詳細介紹 SLIC 算法中距離測量的改進方法。首先在 SLIC 算法的第二步計算像素i和聚類中心iC 的距離時，引入像素 i 的鄰域信息。所考慮的鄰域范圍是以像素i 為中心，大小為 2 n 1 2 n 1 的正方形區(qū)域 i ，新的顏色距離定義為： 2,kc k j Cj iD i C R R (3-1)其中，生成的超像素kS 由聚類中心kC 描述，其包含所有屬于該超像素中所有像素的平均 CIELAB 顏色信息 , , Ti i i iR l a b及位置信息 , Ti i iX x y

【參考文獻】：
期刊論文
[1]無人機技術(shù)發(fā)展簡況與分析[J]. 何雨瑄,楊濤.  山東工業(yè)技術(shù). 2016(20)
[2]Region-of-interest based rate control for UAV video coding[J]. 趙春蕾,戴明,熊晶瑩.  Optoelectronics Letters. 2016(03)

碩士論文
[1]基于學習的圖像超分辨率重建算法研究[D]. 馮源.哈爾濱理工大學 2015



本文編號：3217865