本文關(guān)鍵詞：基于數(shù)字圖像處理的草坪場景分析算法研究

  更多相關(guān)文章： 場景分析 特征提取 目標(biāo)識別 圖像分割

【摘要】：城市綠化一直是城市基礎(chǔ)規(guī)劃建設(shè)非常重要的組成部分,伴隨著城市建設(shè)的飛速提升,城市草坪面積日趨增長,并且草坪情況也趨向復(fù)雜。智能割草機(jī)器人是替代人們完成草坪維護(hù)的現(xiàn)代化科技工具。面對日趨增長的城市草坪面積,智能割草機(jī)器人的工作能力急需改進(jìn)。通過對草坪場景圖像進(jìn)行分析處理為智能割草機(jī)器人提升工作能力是一種有效思路,也是智能割草機(jī)器人完成自主導(dǎo)航與環(huán)境探索等任務(wù)的基礎(chǔ)。本文在這樣的背景下以數(shù)字圖像處理技術(shù)為基礎(chǔ),對草坪場景分析算法進(jìn)行研究,并且在VS2010環(huán)境下,結(jié)合OpenCV類庫進(jìn)行算法的實(shí)現(xiàn)與驗(yàn)證。本文主要的研究內(nèi)容如下:1、研究了現(xiàn)有的圖像分析算法的基本概念及其實(shí)現(xiàn)方法,并將現(xiàn)有的圖像處理相關(guān)技術(shù)應(yīng)用于草地場景分析。2、提出一種基于SIFT和SUSAN融合的草地障礙物特征點(diǎn)自動匹配算法。已知的SIFT算法是一種具有尺度不變特性的特征提取算法,但是對草地障礙物的特征提取容易受到草地紋理特征的干擾;而SUSAN是一種對于圖像的角點(diǎn)和邊緣特征有著敏感的檢測能力的算法。首先對SUSAN和SIFT提取的特征點(diǎn)進(jìn)行融合計(jì)算,然后對SIFT提取的特征點(diǎn)進(jìn)行精簡。最后通過歐式距離的計(jì)算完成特征向量的匹配。融合算法減少了大量無意義特征點(diǎn)的匹配計(jì)算次數(shù),相對原SIFT算法極大地提高了匹配效率和準(zhǔn)確率。3、提出一種基于改進(jìn)分水嶺算法的草坪背景快速分割算法。分水嶺是一種融合數(shù)學(xué)形態(tài)和拓?fù)浠A(chǔ)理論的圖像快速分割算法。但是分水嶺算法用在草地圖像處理上非常容易產(chǎn)生過度分割的情況,因此本文在分水嶺算法的基礎(chǔ)上進(jìn)行改進(jìn)設(shè)計(jì),首先分別對灰度圖像進(jìn)行膨脹和腐蝕,然后通過線性疊加得到聯(lián)合體圖像,最后使用分水嶺算法對聯(lián)合體圖像進(jìn)行分割。與傳統(tǒng)的圖像分割算法相比,該算法取得了更高的識別準(zhǔn)確率和更快的計(jì)算速度,同時(shí)該算法的跨平臺移植性更好。4、使用Open CV類庫和MFC類庫進(jìn)行混合編程,并編寫相應(yīng)的軟件,將本文提出的兩種圖像分析算法在智能割草機(jī)器人上進(jìn)行實(shí)際應(yīng)用,應(yīng)用試驗(yàn)結(jié)果證明本文提出的兩種算法的實(shí)際應(yīng)用效果較好。
【關(guān)鍵詞】：場景分析 特征提取 目標(biāo)識別 圖像分割
【學(xué)位授予單位】：浙江理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要6-7
• Abstract7-12
• 第1章 緒論12-17
• 1.1 數(shù)字圖像處理概述12-13
• 1.2 草坪業(yè)的現(xiàn)狀和發(fā)展趨勢13-14
• 1.3 選題的目的和意義14-15
• 1.4 本文的主要內(nèi)容和安排15-17
• 第2章 數(shù)字圖像處理的相關(guān)技術(shù)研究現(xiàn)狀17-24
• 2.1 圖像的采集17-18
• 2.2 常用顏色模型18-20
• 2.3 圖像預(yù)處理20-21
• 2.3.1 灰度化20
• 2.3.2 圖像平滑20-21
• 2.4 圖像邊緣檢測21-22
• 2.5 圖像特征提取算法22-23
• 2.6 本章小結(jié)23-24
• 第3章 草地圖像處理算法軟硬件實(shí)現(xiàn)平臺設(shè)計(jì)24-28
• 3.1 軟硬件平臺總體結(jié)構(gòu)設(shè)計(jì)24-26
• 3.1.1 集成USB采集攝像頭選型設(shè)計(jì)25
• 3.1.2 集成USB攝像頭功能結(jié)構(gòu)25-26
• 3.1.3 USB攝像頭圖像采集的數(shù)據(jù)結(jié)構(gòu)26
• 3.2 草地圖像算法軟件實(shí)現(xiàn)平臺設(shè)計(jì)26-27
• 3.2.1 軟件開發(fā)工具選型設(shè)計(jì)26-27
• 3.2.2 計(jì)算機(jī)視覺算法類庫選擇27
• 3.3 本章總結(jié)27-28
• 第4章 基于SIFT-SUSAN融合的草地障礙物識別特征匹配算法28-37
• 4.1 SIFT算法簡介28-29
• 4.2 SUSAN算法簡介29-30
• 4.3 SIFT-SUSAN融合算法設(shè)計(jì)30-33
• 4.4 實(shí)驗(yàn)結(jié)果分析33-35
• 4.5 本章總結(jié)35-37
• 第5章 基于改進(jìn)分水嶺方法的草坪背景快速分割算法設(shè)計(jì)37-52
• 5.1 總體設(shè)計(jì)思路37-38
• 5.2 具體實(shí)現(xiàn)流程38-48
• 5.2.1 目標(biāo)圖像灰度化38-39
• 5.2.2 Otsu算法求取最佳閾值39-41
• 5.2.3 灰度圖像二值化41
• 5.2.4 分水嶺方法41-48
• 5.3 實(shí)驗(yàn)結(jié)果與分析48-50
• 5.4 本章小結(jié)50-52
• 第6章 障礙物特征自動匹配和草坪背景分割的實(shí)際應(yīng)用52-63
• 6.1 應(yīng)用平臺和應(yīng)用場景52-56
• 6.1.1 應(yīng)用平臺52-53
• 6.1.2 應(yīng)用場景53-56
• 6.1.2.1 障礙物場景53-55
• 6.1.2.2 草地背景場景55-56
• 6.2 應(yīng)用軟件接口實(shí)現(xiàn)56-61
• 6.2.1 軟件接口基本系統(tǒng)架構(gòu)56
• 6.2.2 軟件接口基本功能56-57
• 6.2.3 算法應(yīng)用效果57-61
• 6.2.3.1 背景區(qū)域快速分割58-60
• 6.2.3.2 基于特征匹配的障礙物識別60-61
• 6.3 本章小結(jié)61-63
• 第7章 總結(jié)與展望63-66
• 7.1 本文的主要工作與創(chuàng)新點(diǎn)63-64
• 7.2 未來工作展望64-66
• 參考文獻(xiàn)66-70
• 致謝70-71
• 攻讀學(xué)位期間研究成果71

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 周文利;;基于依賴網(wǎng)絡(luò)的告警分析算法[J];桂林電子科技大學(xué)學(xué)報(bào);2007年06期

2 朱述龍;快速近似主成分分析算法[J];遙感學(xué)報(bào);1999年01期

3 馬奎俊;韓彥軍;陶卿;王玨;;基于核的慢特征分析算法[J];模式識別與人工智能;2011年02期

4 郭亞軍;何炎祥;;一種有效的匿名分析算法[J];計(jì)算機(jī)科學(xué);2007年11期

5 吳龍華,唐洪武,嚴(yán)忠民;數(shù)字粒子圖像測速中相關(guān)分析算法的改進(jìn)[J];水利水運(yùn)工程學(xué)報(bào);2002年01期

6 曾生根,朱寧波,包曄,夏德深;一種改進(jìn)的快速獨(dú)立分量分析算法及其在圖象分離中的應(yīng)用[J];中國圖象圖形學(xué)報(bào);2003年10期

7 董曉梅,于戈;入侵報(bào)警模式挖掘分析算法研究[J];東北大學(xué)學(xué)報(bào);2005年11期

8 胡永剛,喬如良;一個(gè)有效的并行分析算法[J];計(jì)算機(jī)學(xué)報(bào);1999年02期

9 季策;于洋;于鵬;;改進(jìn)的獨(dú)立分量分析算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年08期

10 羅海麗;;算符優(yōu)先分析算法的探討與改進(jìn)[J];計(jì)算機(jī)教育;2008年24期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 喬林;黃維通;湯志忠;;軟件流水領(lǐng)域二維數(shù)組數(shù)據(jù)相關(guān)性分析算法研究[A];2005年全國理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會論文集[C];2005年

2 吳瓊;譚松波;張剛;段m#毅;程學(xué)旗;;基于圖排序模型的跨領(lǐng)域傾向性分析算法[A];中國計(jì)算機(jī)語言學(xué)研究前沿進(jìn)展（2007-2009）[C];2009年

3 吳t熻，

本文編號：542352