本文關(guān)鍵詞：基于多特征融合的無(wú)人機(jī)航拍圖像識(shí)別研究

  更多相關(guān)文章： 航拍圖像 特征提取 GLCM 多特征融合 神經(jīng)網(wǎng)絡(luò)

【摘要】：無(wú)人機(jī)作為一種新的航測(cè)平臺(tái)在近年得到了迅速發(fā)展,廣泛應(yīng)用于低空攝影測(cè)量領(lǐng)域。目前,對(duì)無(wú)人機(jī)采集圖像處理的研究熱點(diǎn)和難點(diǎn)主要集中于圖像的預(yù)處理和拼接等方面。結(jié)合數(shù)字圖像處理方法和模式識(shí)別方法,加深對(duì)無(wú)人機(jī)航拍圖像自動(dòng)識(shí)別處理的研究,對(duì)于豐富無(wú)人機(jī)的應(yīng)用范圍和加強(qiáng)對(duì)航拍圖像的有效利用,具有重要意義。本文在考慮單一圖像特征對(duì)圖像識(shí)別精度不高的前提下,提出采用多特征融合的方式對(duì)航拍圖像進(jìn)行識(shí)別;針對(duì)采用多特征融合完成航拍圖像識(shí)別時(shí),圖像特征向量較多,難以確定特征權(quán)重,及航攝區(qū)域廣,地物目標(biāo)類別多、待識(shí)別分類對(duì)象多的特點(diǎn),提出采用神經(jīng)網(wǎng)絡(luò)的分類方法,通過(guò)前向反饋不斷調(diào)整閾值,得到較理想的分類結(jié)果。本文的主要工作如下:介紹了有關(guān)圖像識(shí)別、圖像預(yù)處理、圖像分割、圖像特征提取、多特征融合、無(wú)人機(jī)航拍圖像處理的國(guó)內(nèi)外研究現(xiàn)狀;由于航拍圖像存在鏡頭畸變、航拍易受到天氣影響等因素,研究了圖像的預(yù)處理方法,分析了圖像鏡頭畸變校正、圖像去噪、基于暗色先驗(yàn)的圖像去霧技術(shù),實(shí)現(xiàn)了航拍圖像的鏡頭畸變校正及圖像去霧處理;由于航拍地區(qū)包含范圍較廣,地物類別眾多,在分析了圖像基于閾值、區(qū)域、邊緣檢測(cè)的分割方法的基礎(chǔ)上,根據(jù)航拍圖像的特點(diǎn),對(duì)航拍圖像采用按一定像素大小分割成許多的圖像塊區(qū)域;針對(duì)圖像多特征融合問(wèn)題,研究了圖像的顏色、紋理、形狀特征提取方法;分析了圖像的顏色矩、顏色直方圖、顏色相關(guān)圖,針對(duì)基于顏色直方圖的特征提取方法維數(shù)太高的特點(diǎn),對(duì)HSV顏色空間進(jìn)行了非均勻量化,得到了航拍圖像的22維顏色特征向量;基于紋理特征分析了空間自相關(guān)法、GLCM紋理特征、Tamura紋理特征、Gabor小波變換的紋理特征提取方法,實(shí)現(xiàn)了航拍圖像基于GLCM紋理特征的8維紋理特征向量提取;基于形狀特征提取分析了形狀描述法、Hu不變矩描述法,實(shí)現(xiàn)了航拍圖像的7個(gè)Hu不變矩形狀特征提取;設(shè)計(jì)了采用多特征融合對(duì)航拍圖像進(jìn)行識(shí)別的方法流程;對(duì)圖像的顏色直方圖、GLCM紋理、Hu不變矩單一特征,通過(guò)BP神經(jīng)網(wǎng)絡(luò)分類,得到單一顏色特征對(duì)航拍圖像識(shí)別,具有較好識(shí)別率,而單一紋理、形狀特征的識(shí)別效果很差;對(duì)圖像的顏色、紋理、形狀特征進(jìn)行兩兩融合及三個(gè)特征的融合,通過(guò)神經(jīng)網(wǎng)絡(luò)分類器得到圖像識(shí)別結(jié)果,結(jié)果表明經(jīng)過(guò)多特征融合提高了航拍圖像整體的識(shí)別率;通過(guò)對(duì)比發(fā)現(xiàn)形狀和紋理特征對(duì)于單一特征識(shí)別率很低的地物類別是重要特征,大大提高了該類地物的識(shí)別精度。
【關(guān)鍵詞】：航拍圖像 特征提取 GLCM 多特征融合 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41;V279
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 引言10-16
• 1.1 研究背景與意義10-11
• 1.1.1 研究背景10-11
• 1.1.2 研究意義11
• 1.2 國(guó)內(nèi)外研究進(jìn)展11-14
• 1.3 技術(shù)路線與組織結(jié)構(gòu)14-16
• 1.3.1 技術(shù)路線14-15
• 1.3.2 組織結(jié)構(gòu)15-16
• 第2章 圖像預(yù)處理與分割16-26
• 2.1 圖像預(yù)處理16-20
• 2.1.1 鏡頭畸變校正16-17
• 2.1.2 圖像平滑去噪17-19
• 2.1.3 暗原色先驗(yàn)圖像去霧19-20
• 2.2 圖像分割20-26
• 2.2.1 基于閾值的分割方法21
• 2.2.2 基于區(qū)域的分割方法21-22
• 2.2.3 基于邊緣檢測(cè)的分割方法22-24
• 2.2.4 無(wú)人機(jī)航拍圖像的分塊24-26
• 第3章 圖像特征提取與分類研究26-43
• 3.1 顏色空間模型26-28
• 3.1.1 RGB顏色空間26
• 3.1.2 CMY顏色空間26-27
• 3.1.3 YIQ顏色空間27
• 3.1.4 HSV顏色空間27-28
• 3.2 顏色特征提取算法28-31
• 3.2.1 顏色矩28
• 3.2.2 顏色直方圖28-29
• 3.2.3 顏色相關(guān)圖29
• 3.2.4 圖像顏色特征提取29-31
• 3.3 紋理特征提取算法31-37
• 3.3.1 空間自相關(guān)法紋理特征提取31-32
• 3.3.2 GLCM紋理特征提取32-34
• 3.3.3 Tamura紋理特征提取34-36
• 3.3.4 Gabor小波變換紋理特征提取36-37
• 3.3.5 圖像紋理特征提取37
• 3.4 形狀特征提取算法37-39
• 3.4.1 傅里葉描述法37-38
• 3.4.2 Hu不變矩描述法38-39
• 3.5 圖像分類方法39-43
• 3.5.1 歐式距離分類法39-40
• 3.5.2 BP神經(jīng)網(wǎng)絡(luò)40-42
• 3.5.3 SVM分類器42-43
• 第4章 基于多特征融合的無(wú)人機(jī)航拍圖像識(shí)別實(shí)驗(yàn)43-57
• 4.1 特征融合方式43
• 4.2 識(shí)別分類方法及流程43-45
• 4.3 基于神經(jīng)網(wǎng)絡(luò)的航拍圖像識(shí)別45-51
• 4.3.1 實(shí)驗(yàn)數(shù)據(jù)及神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置45-46
• 4.3.2 基于HSV空間的顏色直方圖特征圖像識(shí)別46-49
• 4.3.3 基于GLCM紋理特征的圖像識(shí)別49-50
• 4.3.4 基于Hu不變矩的形狀特征圖像識(shí)別50-51
• 4.4 航拍圖像多特征融合識(shí)別51-56
• 4.4.1 顏色直方圖、GLCM特征融合識(shí)別51-52
• 4.4.2 顏色直方圖、Hu不變矩特征融合識(shí)別52-54
• 4.4.3 GLCM紋理、Hu不變矩特征融合識(shí)別54
• 4.4.4 顏色直方圖、GLCM紋理、Hu不變矩特征融合識(shí)別54-56
• 4.5 航拍圖像識(shí)別總結(jié)與評(píng)價(jià)56-57
• 結(jié)論57-59
• 致謝59-60
• 參考文獻(xiàn)60-63
• 攻讀學(xué)位期間取得學(xué)術(shù)成果63

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李訓(xùn)銘;周志權(quán);;基于BP神經(jīng)網(wǎng)絡(luò)和灰色理論的示功圖故障診斷[J];電子設(shè)計(jì)工程;2012年17期

2 韓致遠(yuǎn);王伯安;;煉油企業(yè)綜合能源效率評(píng)價(jià)指標(biāo)體系的研究[J];北京石油化工學(xué)院學(xué)報(bào);2013年02期

3 劉增明;陳運(yùn)非;蔣海青;;基于PCA-BP神經(jīng)網(wǎng)絡(luò)方法的供應(yīng)商選擇[J];工業(yè)工程與管理;2014年01期

4 王燦進(jìn);孫濤;石寧寧;王銳;王挺峰;王衛(wèi)兵;郭勁;陳娟;;基于雙隱含層BP算法的激光主動(dòng)成像識(shí)別系統(tǒng)[J];光學(xué)精密工程;2014年06期

5 丁碩;常曉恒;巫慶輝;魏洪峰;;基于GRNN與BPNN的二維向量模式分類對(duì)比研究[J];國(guó)外電子測(cè)量技術(shù);2014年05期

6 任偉建;陳奕君;;基于神經(jīng)網(wǎng)絡(luò)的移動(dòng)機(jī)器人多傳感器數(shù)據(jù)融合研究[J];電子設(shè)計(jì)工程;2014年12期

7 朱斌;;基于BP神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組NO_x排放濃度預(yù)測(cè)系統(tǒng)[J];電力科技與環(huán)保;2015年03期

8 卓中文;王山東;楊松;;基于BP神經(jīng)網(wǎng)絡(luò)的礦山地下水位預(yù)測(cè)研究[J];計(jì)算機(jī)與數(shù)字工程;2012年10期

9 王云亮;崔學(xué)海;;基于神經(jīng)網(wǎng)絡(luò)的諧波檢測(cè)研究[J];化工自動(dòng)化及儀表;2013年03期

10 王中凱;梁秀娟;肖長(zhǎng)來(lái);翟天放;楊曉晗;;Elman神經(jīng)網(wǎng)絡(luò)在平原區(qū)降水入滲補(bǔ)給預(yù)測(cè)中的應(yīng)用[J];節(jié)水灌溉;2013年07期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前6條

1 王新忠;溫室番茄收獲機(jī)器人選擇性收獲作業(yè)信息獲取與路徑規(guī)劃研究[D];江蘇大學(xué);2012年

2 項(xiàng)榮;開(kāi)放環(huán)境中番茄的雙目立體視覺(jué)識(shí)別與定位[D];浙江大學(xué);2013年

3 汪成龍;基于多源信息融合的馬鈴薯分級(jí)無(wú)損檢測(cè)方法研究[D];華中農(nóng)業(yè)大學(xué);2014年

4 王芳;基于光技術(shù)的皮蛋蛋殼破損檢測(cè)方法研究[D];華中農(nóng)業(yè)大學(xué);2013年

5 付濤;新型光纖傳感器及其在纖維復(fù)合材料的聲發(fā)射源定位研究[D];哈爾濱工業(yè)大學(xué);2014年

6 李棟;基于免疫系統(tǒng)的小樣本在線學(xué)習(xí)異常檢測(cè)與故障診斷方法[D];上海大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 陳清華;圖像結(jié)構(gòu)的形式化描述[D];福建師范大學(xué);2008年

2 孫曉平;基于DSA圖像的腦血管瘤輔助診斷研究[D];蘇州大學(xué);2009年

3 施達(dá)雅;基于噪聲統(tǒng)計(jì)模型的區(qū)域分割[D];福建師范大學(xué);2009年

4 劉軍;全自動(dòng)調(diào)光計(jì)算機(jī)輔助診斷觀片系統(tǒng)設(shè)計(jì)[D];太原科技大學(xué);2010年

5 莊小芳;基于混合圖結(jié)構(gòu)的圖像相似度的研究[D];福建師范大學(xué);2013年

，

本文編號(hào)：664007