發(fā)布時間：2018-05-14 07:31

  本文選題：雙目立體夜視系統(tǒng) + 極線校正　； 參考：《南京理工大學(xué)》2017年碩士論文

【摘要】：隨著夜視技術(shù)的發(fā)展,紅外探測器被廣泛地應(yīng)用在無人駕駛、機(jī)器導(dǎo)航、虛擬現(xiàn)實(shí)及醫(yī)學(xué)圖像處理等領(lǐng)域。由于單紅外相機(jī)只能采集圖像的表層信息,不利于捕捉深度信息,因此利用雙目立體夜視技術(shù)來實(shí)現(xiàn)圖像場景的三維重建是發(fā)展的趨勢。本文基于雙目立體夜視原理,研究了極線校正、顯著目標(biāo)檢測,設(shè)計(jì)并搭建雙目紅外顯著目標(biāo)提取硬件平臺。雙目立體夜視利用左右紅外相機(jī)進(jìn)行圖像采集,由于存在裝配誤差,不能確保兩路相機(jī)處于完全水平狀態(tài),導(dǎo)致圖像對不滿足極限約束等缺陷,本文研究了基于單一變換矩陣的極線校正方法。該方法利用左圖作為基準(zhǔn)圖,對右圖像進(jìn)行線性變換,使得變換后的右圖像與原始左圖像為校正后的圖像對。針對雙目紅外顯著目標(biāo)檢測,本文提出并研究了基于LARK的局部特征的全局對比度顯著性檢測方法。該方法利用局部特征協(xié)方差矩陣作為特征值進(jìn)行顯著性檢測,通過引入空間加權(quán)信息和亮度權(quán)值信息,將局部顯著性檢測擴(kuò)展到全局顯著性檢測。該方法不僅運(yùn)用了圖像的特征信息來衡量顯著性,同時考慮了全局對比度和空間相干性來區(qū)分顯著目標(biāo)和背景。針對基于背景信息的顯著性檢測,本文提出并研究了一種有效的距離估算模型。該模型利用像素之間的距離來提煉邊界超像素,同時利用邊界對比度,精化邊緣信息,最終達(dá)到改善顯著模型檢測效果。針對系統(tǒng)硬件化實(shí)現(xiàn),設(shè)計(jì)并搭建了基于多核DSP6678和FPGA為核心的硬件平臺。將極線校正及顯著提取等算法集成到硬件系統(tǒng)中,并在不同場景下進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,該系統(tǒng)能夠達(dá)到實(shí)時性處理,并且能很好的提取出顯著目標(biāo)信息。
[Abstract]:With the development of night vision technology, infrared detectors are widely used in the fields of pilotless, machine navigation, virtual reality and medical image processing. Because the single infrared camera can only collect the surface information of the image, it is not conducive to capture depth information. Therefore, the use of binocular stereo night vision technology to realize the three-dimensional reconstruction of the image scene is the development. Based on the principle of binocular stereo night vision, this paper studies the pole line correction, the significant target detection, and the design and construction of the double eye infrared significant target extraction hardware platform. The binocular stereo night vision uses the left and right infrared cameras for image acquisition. Because of the existence of assembly errors, the two cameras can not ensure that the two cameras are in a complete level state, resulting in the image correct. In this paper, the pole line correction method based on the single transformation matrix is studied in this paper. This method uses the left image as the reference map, and makes the linear transformation of the right image, making the right image after the transformation and the original left image as the corrected image. The paper proposes and studies the LARK based on the binocular infrared explicit target detection. The local feature covariance matrix is used as the eigenvalue to detect the feature value. The local saliency detection is extended to the global saliency detection by introducing the spatial weighted information and the weight information of the luminance. The method not only uses the feature information of the image to measure the obvious. In order to distinguish significant targets and backgrounds from global contrast and spatial coherence, an effective distance estimation model is proposed and studied in this paper for the significance detection based on background information. This model uses the distance between pixels to extract boundary super pixels, and uses boundary contrast to refinement edge information. According to the hardware realization of the system, a hardware platform based on multi core DSP6678 and FPGA is designed and built. The algorithm of pole line correction and significant extraction is integrated into the hardware system, and the experiments are carried out in different scenes. The experimental results show that the system can achieve real-time processing, and the results show that the system can be processed in real time, and It can be very good to extract the significant target information.

【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN21;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐秋平;郭敏;王亞榮;;基于圖割的目標(biāo)提取實(shí)時修正算法[J];計(jì)算機(jī)應(yīng)用;2008年12期

2 靳俊峰;方青;田明輝;;基于檢測分段的機(jī)場目標(biāo)提取算法[J];計(jì)算機(jī)應(yīng)用;2013年S1期

3 張?zhí)煨�，魏洛剛，彭嘉雄，，謝先明;目標(biāo)提取與跟蹤的穩(wěn)定性研究[J];華中理工大學(xué)學(xué)報(bào)(社會科學(xué)版);1994年05期

4 田曉冬;趙海嘯;孫運(yùn)達(dá);;基于視覺的目標(biāo)提取方法綜述[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年02期

5 丁亞蘭;耿楠;周全程;;基于圖像的獼猴桃果實(shí)目標(biāo)提取研究[J];微計(jì)算機(jī)信息;2009年18期

6 傅偉;萬洪曉;熊平;;基于透明度的目標(biāo)提取的研究[J];計(jì)算機(jī)應(yīng)用與軟件;2009年07期

7 孫棣華;王川童;趙敏;;基于非參數(shù)核密度模型的交通圖像目標(biāo)提取[J];計(jì)算機(jī)工程與應(yīng)用;2011年21期

8 徐亞飛;;基于多目標(biāo)提取與航跡處理的目標(biāo)告警算法[J];探測與控制學(xué)報(bào);2012年04期

9 王亞榮;徐秋平;;基于窄帶圖割的交互式快速目標(biāo)提取[J];計(jì)算機(jī)工程與應(yīng)用;2013年03期

10 劉少創(chuàng)，林宗堅(jiān);基于動態(tài)規(guī)劃的航空影象中的目標(biāo)提取[J];中國圖象圖形學(xué)報(bào);1996年01期

相關(guān)會議論文 前8條

1 劉鎮(zhèn);趙秋實(shí);孫遠(yuǎn)平;;一種注意力驅(qū)動的顯著目標(biāo)提取方法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會論文集[C];2008年

2 鄭江濱;張艷寧;付亞奇;趙榮椿;;視頻監(jiān)視中精確的目標(biāo)提取算法[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

3 劉銳;孫涵;;基于行掃描的目標(biāo)提取算法[A];中國電子學(xué)會第十六屆信息論學(xué)術(shù)年會論文集[C];2009年

4 王秋讓;趙榮椿;;基于圖象結(jié)構(gòu)的門限自動選擇及目標(biāo)提取[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會論文集[C];1998年

5 閆敬文;盧剛;王超;郭子祺;;基于形態(tài)學(xué)小波變換的SAR圖像數(shù)據(jù)海洋目標(biāo)提取[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實(shí)技術(shù)研討會（CVR’2001）論文集[C];2001年

6 石雪強(qiáng);程新文;;蘋果采摘機(jī)器人視覺系統(tǒng)的目標(biāo)提取研究[A];現(xiàn)代果樹示范區(qū)創(chuàng)建暨果樹優(yōu)質(zhì)高效標(biāo)準(zhǔn)化生產(chǎn)技術(shù)交流會論文匯編[C];2012年

7 王剛;王奮飛;陳建勝;陳世榮;;典型災(zāi)害對象目標(biāo)提取方法研究[A];第十七屆中國遙感大會摘要集[C];2010年

8 鄭存紅;張文艷;董靜;;紅外小目標(biāo)聚類算法研究及DSP實(shí)現(xiàn)[A];中國造船工程學(xué)會電子技術(shù)學(xué)術(shù)委員會2006學(xué)術(shù)年會論文集（下冊）[C];2006年

相關(guān)博士學(xué)位論文 前4條

1 胡粲彬;基于時頻分析的極化SAR圖像人造目標(biāo)提取技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

2 王欽軍;高/多光譜遙感目標(biāo)識別算法及其在巖性目標(biāo)提取中的應(yīng)用[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

3 張曉峰;基于條件隨機(jī)場的目標(biāo)提取[D];華東師范大學(xué);2012年

4 蔣鵬;基于語義的視頻內(nèi)容提取與分析關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 龔香;運(yùn)動車輛目標(biāo)提取與跟蹤技術(shù)研究[D];電子科技大學(xué);2015年

2 劉江;車輛目標(biāo)提取算法研究[D];東南大學(xué);2015年

3 李浩;基于自適應(yīng)橢圓分塊和小波邊緣檢測的多豬目標(biāo)提取方法[D];江蘇大學(xué);2016年

4 文倩云;視頻序列圖像中微動目標(biāo)提取與背景替換算法研究[D];重慶郵電大學(xué);2016年

5 吳軍旗;基于時空分析的顯著目標(biāo)提取算法的研究[D];北京交通大學(xué);2017年

6 張超;雙目紅外顯著目標(biāo)提取及其硬件實(shí)現(xiàn)[D];南京理工大學(xué);2017年

7 李英;新一代智能視頻分析系統(tǒng)中目標(biāo)提取算法的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2010年

8 李龍飛;衛(wèi)星圖像中車輛目標(biāo)提取方法優(yōu)化與精度評價[D];北京交通大學(xué);2012年

9 張曉麗;基于慢鏡頭的網(wǎng)球視頻目標(biāo)提取[D];內(nèi)蒙古師范大學(xué);2013年

10 田明楊;基于時空分析的目標(biāo)提取算法研究與應(yīng)用[D];北京交通大學(xué);2014年

本文編號：1886947