在現(xiàn)代戰(zhàn)爭中,精確制導(dǎo)彈藥的使用對戰(zhàn)爭走向起著十分重要的影響,因此研究精確制導(dǎo)技術(shù)具有重要意義。電視制導(dǎo)相比與其它制導(dǎo)方式,不僅隱蔽性高而且抗干擾能力強(qiáng)且成本較低。圖像處理技術(shù)是電視制導(dǎo)技術(shù)的核心,本文對電視制導(dǎo)圖像處理的幾個關(guān)鍵部分即:圖像預(yù)處理、圖像匹配和運(yùn)動目標(biāo)跟蹤等技術(shù)進(jìn)行深入的研究。首先,介紹了研究電視制導(dǎo)圖像處理算法所需的基礎(chǔ)理論,主要是顏色空間模型、圖像灰度變換和圖像形態(tài)學(xué)操作,為后續(xù)研究建立基礎(chǔ)。其次,彈載電視導(dǎo)引頭由于受到各種干擾,采集到的圖像有大量噪聲和退化,針對于此,研究了圖像去噪和圖像銳化操作的常用方法。重點研究了電視制導(dǎo)在惡劣天氣下的圖像增強(qiáng),分析了同態(tài)濾波和Retinex理論兩種常用圖像增強(qiáng)算法,為了解決前者算法丟失細(xì)節(jié)的不足,本文將小波變換融入該算法并加入CLAHE處理,實驗結(jié)果表明,改進(jìn)算法可以有效地增強(qiáng)惡劣天氣下采集的圖像質(zhì)量。再者,圖像匹配算法的性能決定著電視制導(dǎo)的總體性能,也是目標(biāo)跟蹤的研究基礎(chǔ)。本文闡述了基于灰度信息和特征的圖像匹配,分析了包括SIFT特征點在內(nèi)的幾種角點的原理和優(yōu)缺點�；赟IFT特征的圖像匹配較為適合電視制導(dǎo),但SIFT算法較... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景與意義
    1.2 電視制導(dǎo)圖像處理過程及難點
    1.3 電視制導(dǎo)武器及技術(shù)的研究現(xiàn)狀
        1.3.1 電視制導(dǎo)武器的研究現(xiàn)狀
        1.3.2 圖像匹配技術(shù)概述
        1.3.3 運(yùn)動目標(biāo)跟蹤算法概述
    1.4 論文內(nèi)容安排
2 電視制導(dǎo)圖像處理基礎(chǔ)知識
    2.1 引言
    2.2 顏色空間模型
        2.2.1 RGB顏色空間
        2.2.2 HSV顏色空間
        2.2.3 RGB顏色空間到HSV顏色空間的轉(zhuǎn)換
        2.2.4 圖像灰度化
    2.3 圖像形態(tài)學(xué)操作
        2.3.1 腐蝕
        2.3.2 膨脹
        2.3.3 開運(yùn)算
        2.3.4 閉運(yùn)算
    2.4 本章小結(jié)
3 電視制導(dǎo)圖像預(yù)處理研究
    3.1 引言
    3.2 圖像去噪
        3.2.1 均值濾波
        3.2.2 中值濾波
    3.3 圖像銳化
        3.3.1 梯度算子
        3.3.2 拉普拉斯算子
    3.4 電視制導(dǎo)在惡劣天氣下的圖像增強(qiáng)
        3.4.1 同態(tài)濾波
        3.4.2 基于Retinex理論的圖像增強(qiáng)
        3.4.3 改進(jìn)同態(tài)濾波算法
    3.5 本章小結(jié)
4 電視制導(dǎo)圖像匹配算法的研究
    4.1 引言
    4.2 基于灰度信息的圖像匹配
    4.3 基于特征的圖像匹配
        4.3.1 SUSAN算法
        4.3.2 Harris算法
        4.3.3 SIFT算法
    4.4 適于電視制導(dǎo)的改進(jìn)SIFT匹配算法
        4.4.1 Canny邊緣檢測算法
        4.4.2 馬氏距離
        4.4.3 RANSAC算法
        4.4.4 改進(jìn)SIFT匹配算法
    4.5 本章小結(jié)
5 電視制導(dǎo)運(yùn)動目標(biāo)跟蹤算法的研究
    5.1 引言
    5.2 Mean-Shift跟蹤算法
        5.2.1 Mean-Shift跟蹤算法原理
        5.2.2 CamShift算法
    5.3 卡爾曼濾波
    5.4 適于電視制導(dǎo)的改進(jìn)Camshift跟蹤算法
        5.4.1 改進(jìn)算法原理
        5.4.2 改進(jìn)算法實驗與結(jié)果分析
    5.5 本章小結(jié)
6 結(jié)束語
    6.1 本文的主要工作與創(chuàng)新點
    6.2 進(jìn)一步研究展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于雙目測距的晶英石板自動打磨系統(tǒng)研究[J]. 肖純,林嘉欣,王瑋.  武漢理工大學(xué)學(xué)報. 2018(03)
[2]粒子濾波目標(biāo)跟蹤算法綜述[J]. 昝孟恩,周航,韓丹,楊剛,許國梁.  計算機(jī)工程與應(yīng)用. 2019(05)
[3]融合同態(tài)濾波和小波變換的圖像去霧算法研究[J]. 董靜薇,趙春麗,海博.  哈爾濱理工大學(xué)學(xué)報. 2019(01)
[4]基于CLAHE與同態(tài)濾波的細(xì)胞圖像增強(qiáng)新方法[J]. 余成波,孔慶達(dá),田桐.  微型機(jī)與應(yīng)用. 2017(04)
[5]基于Kalman濾波的Camshift運(yùn)動跟蹤算法[J]. 翟衛(wèi)欣,程承旗.  北京大學(xué)學(xué)報(自然科學(xué)版). 2015(05)
[6]基于改進(jìn)的限制對比度自適應(yīng)直方圖的視頻快速去霧算法[J]. 楊驥,楊亞東,梅雪,袁曉龍,袁宇浩.  計算機(jī)工程與設(shè)計. 2015(01)
[7]改進(jìn)的SIFT特征圖像配準(zhǔn)算法[J]. 祁燕,王琰,王明宇.  沈陽理工大學(xué)學(xué)報. 2012(04)
[8]提升小波的同態(tài)濾波在圖像煙霧弱化中的應(yīng)用[J]. 范有臣,李迎春,韓意,張來線.  中國圖象圖形學(xué)報. 2012(05)
[9]光照不均圖像增強(qiáng)方法綜述[J]. 梁琳,何衛(wèi)平,雷蕾,張維,王紅霄.  計算機(jī)應(yīng)用研究. 2010(05)
[10]對威脅交通設(shè)施的精確制導(dǎo)武器分析[J]. 葛強(qiáng)勝,葛強(qiáng)林.  國防交通工程與技術(shù). 2009(05)

博士論文
[1]電視末制導(dǎo)自動目標(biāo)識別研究[D]. 賀柏根.中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所） 2012
[2]面向機(jī)器人跟蹤的視覺注意模型與應(yīng)用研究[D]. 李榮華.大連理工大學(xué) 2011
[3]彩色圖像濾波算法的研究[D]. 李岳陽.江南大學(xué) 2010

碩士論文
[1]基于局部信息的圖像特征提取算法研究與設(shè)計[D]. 姜楊.南京郵電大學(xué) 2017
[2]基于圖像處理的精密鑄件裂紋檢測系統(tǒng)研究[D]. 楊舒曼.太原科技大學(xué) 2017
[3]基于同態(tài)濾波的圖像增強(qiáng)算法研究[D]. 程新.西安郵電大學(xué) 2016
[4]基于直方圖均衡化和Retinex的圖像去霧算法研究[D]. 汪秦峰.西北大學(xué) 2016
[5]基于SIFT算法的圖像特征點提取與匹配[D]. 崔哲.電子科技大學(xué) 2016
[6]基于圖像序列的運(yùn)動目標(biāo)檢測與跟蹤研究[D]. 劉海.江蘇科技大學(xué) 2016
[7]圖像幾何匹配算法研究[D]. 廖萌萌.西安電子科技大學(xué) 2015
[8]基于HSV空間的彩色圖像亞像素邊緣檢測[D]. 李麗莎.西安工業(yè)大學(xué) 2015
[9]高分一號衛(wèi)星影像去薄云方法研究[D]. 徐佳垚.中國地質(zhì)大學(xué)(北京) 2015
[10]圖像制導(dǎo)技術(shù)應(yīng)用中的幾個問題的研究[D]. 龐利功.哈爾濱工程大學(xué) 2015



本文編號：3181157