水下光學(xué)成像設(shè)備的快速發(fā)展使得光視覺(jué)在水下監(jiān)測(cè)、海洋探索、水下安防、生態(tài)研究等領(lǐng)域有著廣泛的應(yīng)用。因此,作為光視覺(jué)系統(tǒng)的關(guān)鍵,水下目標(biāo)檢測(cè)與識(shí)別技術(shù)的研究無(wú)論是在學(xué)術(shù)領(lǐng)域還是工程領(lǐng)域都有著重要的意義與價(jià)值。本文重點(diǎn)對(duì)水下圖像增強(qiáng)以及運(yùn)動(dòng)目標(biāo)檢測(cè)與識(shí)別技術(shù)進(jìn)行深入研究,主要工作內(nèi)容如下:首先,在分析常用的幾種水下圖像增強(qiáng)算法原理的基礎(chǔ)上,針對(duì)由于水體介質(zhì)對(duì)光線的吸收和散射作用導(dǎo)致的水下圖像對(duì)比度低、光照不均等問(wèn)題,提出一種基于改進(jìn)限制對(duì)比度自適應(yīng)直方圖均衡的水下圖像增強(qiáng)算法。根據(jù)每個(gè)子塊的像素分布確定相應(yīng)的裁剪幅值對(duì)直方圖進(jìn)行裁剪、分配;對(duì)超出裁剪幅值部分進(jìn)行二次分配以進(jìn)一步增強(qiáng)圖像細(xì)節(jié);引入同態(tài)濾波以消除光照不均。通過(guò)與其他算法的對(duì)比實(shí)驗(yàn)驗(yàn)證所提出算法的有效性。其次,分析常用的運(yùn)動(dòng)目標(biāo)檢測(cè)算法并提出一種基于改進(jìn)Vi Be的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。采用高斯金字塔對(duì)視頻序列圖像進(jìn)行尺度縮放以提高算法的實(shí)時(shí)性;將五幀差分法與Vi Be算法相結(jié)合以消除鬼影區(qū)域;針對(duì)傳統(tǒng)Vi Be算法第一幀建模的不足,利用視頻序列的前四幀對(duì)樣本集進(jìn)行填充,同時(shí)引入樣本集的二次更新機(jī)制,以增強(qiáng)背景模型的適應(yīng)能力。通過(guò)對(duì)... 

【文章來(lái)源】：江蘇科技大學(xué)江蘇省

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 水下圖像增強(qiáng)的研究現(xiàn)狀
        1.2.2 水下運(yùn)動(dòng)目標(biāo)檢測(cè)的研究現(xiàn)狀
        1.2.3 水下目標(biāo)識(shí)別的研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
第2章 水下圖像增強(qiáng)算法研究
    2.1 常用的圖像增強(qiáng)算法
        2.1.1 Retinex理論
        2.1.2 小波變換
        2.1.3 直方圖均衡算法
    2.2 基于改進(jìn)CLAHE的水下圖像增強(qiáng)算法
        2.2.1 限制對(duì)比度自適應(yīng)直方圖均衡
        2.2.2 直方圖裁剪幅值的確定
        2.2.3 直方圖二次分配的動(dòng)態(tài)范圍
        2.2.4 基于同態(tài)濾波的光照不均消除
        2.2.5 本文水下圖像增強(qiáng)算法流程
    2.3 實(shí)驗(yàn)結(jié)果與分析
        2.3.1 定性分析
        2.3.2 定量分析
    2.4 本章小結(jié)
第3章 運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究
    3.1 常用的運(yùn)動(dòng)目標(biāo)檢測(cè)算法
        3.1.1 幀間差分法
        3.1.2 光流法
        3.1.3 背景減除法
    3.2 基于改進(jìn)ViBe的運(yùn)動(dòng)目標(biāo)檢測(cè)算法
        3.2.1 ViBe算法原理
        3.2.2 五幀差分法
        3.2.3 改進(jìn)的樣本集填充與更新方式
        3.2.4 高斯金字塔與圖像尺寸縮放
        3.2.5 本文運(yùn)動(dòng)目標(biāo)檢測(cè)算法流程
    3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第4章 水下目標(biāo)識(shí)別方法研究
    4.1 基于tiny-dnn的水下目標(biāo)分類器
        4.1.1 卷積神經(jīng)網(wǎng)絡(luò)的基本原理
        4.1.2 tiny-dnn中卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)分析
    4.2 數(shù)據(jù)集準(zhǔn)備
        4.2.1 數(shù)據(jù)集制作
        4.2.2 數(shù)據(jù)增強(qiáng)
    4.3 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測(cè)試
        4.3.1 激活函數(shù)的對(duì)比與選擇
        4.3.2 訓(xùn)練與測(cè)試
    4.4 本章小結(jié)
第5章 水下運(yùn)動(dòng)目標(biāo)檢測(cè)與識(shí)別系統(tǒng)設(shè)計(jì)
    5.1 系統(tǒng)軟、硬件環(huán)境
        5.1.1 軟件環(huán)境
        5.1.2 硬件環(huán)境
    5.2 系統(tǒng)設(shè)計(jì)與開發(fā)
        5.2.1 系統(tǒng)組成
        5.2.2 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.3 系統(tǒng)測(cè)試與分析
    5.4 本章小結(jié)
總結(jié)與展望
    總結(jié)
    展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝



本文編號(hào)：3070622