隨著計(jì)算機(jī)視覺的飛速發(fā)展,基于可見光圖像的目標(biāo)識(shí)別及跟蹤算法,在視頻監(jiān)控、人機(jī)交互等領(lǐng)域,得到了廣泛的應(yīng)用。本文主要針對(duì)目標(biāo)識(shí)別及跟蹤算法進(jìn)行研究,針對(duì)傳統(tǒng)算法的缺點(diǎn),提出改進(jìn)方案,實(shí)現(xiàn)了航拍圖像的多目標(biāo)識(shí)別以及對(duì)航拍視頻的多目標(biāo)跟蹤,并且基于飛行器通過航拍圖像對(duì)地面目標(biāo)位置估計(jì)的方法進(jìn)行了理論研究。首先,本文研究了去除圖像噪聲的均值濾波算法、中值濾波算法及高斯濾波算法,通過仿真實(shí)驗(yàn)得到了三種濾波算法的去噪效果及特點(diǎn);考慮到霧霾對(duì)圖像像素質(zhì)量的影響,本文研究了暗通道先驗(yàn)的圖像去霧算法,并對(duì)霧霾圖像和視頻進(jìn)行去霧仿真,針對(duì)傳統(tǒng)視頻去霧算法的不足,提出改進(jìn)的視頻去霧算法對(duì)其進(jìn)行改進(jìn),并進(jìn)行仿真驗(yàn)證。然后,在多目標(biāo)識(shí)別方面,首先在傳統(tǒng)機(jī)器視覺框架內(nèi),提出了改進(jìn)特征提取算法多目標(biāo)識(shí)別技術(shù),將其應(yīng)用于傳統(tǒng)的機(jī)器視覺多目標(biāo)識(shí)別算法中,分別針對(duì)地面平視拍攝圖像及低空俯拍圖像進(jìn)行多目標(biāo)識(shí)別仿真,仿真結(jié)果表明該算法在識(shí)別的精度上需要進(jìn)一步改進(jìn)。接下來,考慮到傳統(tǒng)機(jī)器視覺的局限性,本文研究了基于神經(jīng)網(wǎng)絡(luò)的多目標(biāo)識(shí)別算法,通過對(duì)YOLO算法和SSD算法的原理分析及仿真,結(jié)果表明YOLO算法和SSD算法存在抗...

【文章頁數(shù)】：97 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容和結(jié)構(gòu)
        1.3.1 本文主要研究內(nèi)容
        1.3.2 本文主要結(jié)構(gòu)
第2章 圖像去噪及視頻去霧改進(jìn)算法
    2.1 圖像去噪
        2.2.1 圖像噪聲
        2.2.2 圖像去噪算法
    2.2 暗通道先驗(yàn)圖像去霧算法
    2.3 改進(jìn)的視頻去霧算法研究
        2.3.1 大氣光平滑處理
        2.3.2 基于直方圖均衡化的圖像增強(qiáng)技術(shù)
        2.3.3 改進(jìn)的視頻去霧算法
    2.4 本章小結(jié)
第3章 基于改進(jìn)特征提取算法的多目標(biāo)識(shí)別技術(shù)
    3.1 矩形框的設(shè)置
    3.2 特征提取技術(shù)
        3.2.1 SIFT特征提取算法
        3.2.2 SURF特征提取算法
        3.2.3 改進(jìn)的特征提取算法
    3.3 SVM分類器
    3.4 基于改進(jìn)特征提取算法的多目標(biāo)識(shí)別技術(shù)
    3.5 本章小結(jié)
第4章 基于神經(jīng)網(wǎng)絡(luò)的多目標(biāo)識(shí)別算法
    4.1 卷積神經(jīng)網(wǎng)絡(luò)及樣本采集
    4.2 YOLO目標(biāo)識(shí)別算法
        4.2.1 網(wǎng)絡(luò)模型及損失函數(shù)的訓(xùn)練
        4.2.2 非極大值抑制及網(wǎng)絡(luò)測試過程
        4.2.3 YOLO目標(biāo)識(shí)別算法的仿真
    4.3 SSD目標(biāo)識(shí)別算法
        4.3.1 SSD算法的網(wǎng)絡(luò)模型
        4.3.2 網(wǎng)絡(luò)訓(xùn)練過程
        4.3.3 SSD目標(biāo)識(shí)別算法的仿真
    4.4 改進(jìn)的神經(jīng)網(wǎng)絡(luò)多目標(biāo)識(shí)別算法
        4.4.1 改進(jìn)算法的特征增強(qiáng)
        4.4.2 改進(jìn)算法的網(wǎng)絡(luò)模型
        4.4.3 仿真與分析
    4.5 本章小結(jié)
第5章 多目標(biāo)跟蹤算法及飛行器位置估計(jì)
    5.1 KCF目標(biāo)跟蹤算法的原理
    5.2 KCF目標(biāo)跟蹤算法的實(shí)現(xiàn)
        5.2.1 循環(huán)矩陣及多通道特征提取
        5.2.2 核函數(shù)的脊回歸及樣本的快速檢測
        5.2.3 KCF多目標(biāo)跟蹤算法的仿真與分析
    5.3 改進(jìn)的多目標(biāo)跟蹤算法
        5.3.1 多尺度模塊的設(shè)計(jì)
        5.3.2 抗遮擋模塊的設(shè)計(jì)
        5.3.3 改進(jìn)的多目標(biāo)跟蹤算法及仿真
    5.4 飛行器位置估計(jì)
        5.4.1 攝像機(jī)的成像原理和坐標(biāo)轉(zhuǎn)換
        5.4.2 基于相似三角形的圖像測距
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和獲得的科研成果
致謝



本文編號(hào)：3864147