目前很多目標(biāo)檢測需要先進(jìn)行快速準(zhǔn)確的橢圓檢測,從一張圖片中快速準(zhǔn)確地檢測出橢圓成為一個必要的研究問題,然而在橢圓檢測中存在一圖多橢圓、類橢圓、橢圓嵌套、缺失橢圓、小橢圓等諸多問題,到目前為止還沒有一種算法能夠準(zhǔn)確快速地檢測出這些橢圓,所以橢圓檢測的應(yīng)用受到限制。本文突破性地提出一種基于深度網(wǎng)絡(luò)架構(gòu)的橢圓檢測算法,即先用深度學(xué)習(xí)中的目標(biāo)檢測算法將一幅圖中的橢圓框取出來,使得目標(biāo)框最大可能地去除噪聲并和橢圓相切,之后本文在現(xiàn)有目標(biāo)框的基礎(chǔ)上進(jìn)行橢圓檢測。通過對一幅圖片中的各個目標(biāo)框區(qū)域分別進(jìn)行橢圓擬合,有效地減少了橢圓擬合時弧段匹配的過程,進(jìn)而顯著地提高了橢圓檢測的快速性;通過限制弧段檢測范圍來解決嵌套橢圓的問題;傳統(tǒng)方法檢測不出來的類橢圓問題本文也可以先利用目標(biāo)框的方式進(jìn)行定位框取,之后在此基礎(chǔ)上放松驗(yàn)證條件來解決類橢圓的問題;因?yàn)槟繕?biāo)框幾乎和橢圓相切,所以當(dāng)本文判斷目標(biāo)框小于一定閾值時,直接按照與目標(biāo)框相切的算法畫出橢圓,進(jìn)而解決小橢圓缺失的問題。因此,本文提出的算法可以有效地解決的一些傳統(tǒng)橢圓檢測算法解決不了的問題。本文在三個現(xiàn)實(shí)圖片的數(shù)據(jù)集上進(jìn)行了大量實(shí)驗(yàn),驗(yàn)證了所提出的算法確實(shí)可... 

【文章來源】：大連理工大學(xué)遼寧省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于霍夫變換的橢圓檢測
        1.2.2 基于最小二乘的橢圓檢測
        1.2.3 基于聚類的橢圓檢測
    1.3 本文研究內(nèi)容
    1.4 本文組織結(jié)構(gòu)
2 橢圓檢測中的理論和算法
    2.1 基于卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)架構(gòu)設(shè)計
        2.1.1 輸入層設(shè)計
        2.1.2 隱含層設(shè)計
        2.1.3 輸出層設(shè)計
    2.2 基于Region-CNN(R-CNN)的網(wǎng)絡(luò)架構(gòu)設(shè)計
    2.3 基于Fast R-CNN的網(wǎng)絡(luò)架構(gòu)設(shè)計
    2.4 基于Faster R-CNN的網(wǎng)絡(luò)架構(gòu)設(shè)計
    2.5 選取模型評估參數(shù)
        2.5.1 準(zhǔn)確率和召回率以及IOU
        2.5.2 非極大值抑制(NMS)
        2.5.3 均值平均精度(MAP)
    2.6 橢圓擬合算法設(shè)計
        2.6.1 圖像增強(qiáng)算法的設(shè)計
        2.6.2 圖像縮放算法的設(shè)計
        2.6.3 邊緣檢測算法的設(shè)計
        2.6.4 特征數(shù)
3 基于Faster R-CNN的橢圓檢測
    3.1 橢圓框取
        3.1.1 模型選擇
        3.1.2 數(shù)據(jù)集預(yù)處理
        3.1.3 模型設(shè)計
        3.1.4 模型評估
    3.2 預(yù)處理
    3.3 橢圓弧篩選和橢圓擬合
    3.4 橢圓評定
    3.5 本章小結(jié)
4 實(shí)驗(yàn)結(jié)果與分析
    4.1 實(shí)驗(yàn)結(jié)果評價標(biāo)準(zhǔn)
    4.2 數(shù)據(jù)集合
    4.3 參數(shù)分析
        4.3.1 模型參數(shù)分析
        4.3.2 目標(biāo)檢測框擴(kuò)大倍數(shù)選擇
    4.4 與其他方法的比較
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
博士論文
[1]面向機(jī)器人操作的目標(biāo)檢測與抓取規(guī)劃研究[D]. 郭迪.清華大學(xué) 2016

碩士論文
[1]基于深度學(xué)習(xí)的二進(jìn)制程序漏洞分析與檢測方法研究[D]. 吳芳.北京交通大學(xué) 2018
[2]基于DCGAN算法的圖像生成技術(shù)研究[D]. 蔡曉龍.青島理工大學(xué) 2018
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的表單中手寫簽名位置定位方法[D]. 李雪薇.西安理工大學(xué) 2017
[4]高超聲速目標(biāo)攔截中的中末交班條件分析與設(shè)計[D]. 梁壯.哈爾濱工業(yè)大學(xué) 2017
[5]基于不變量篩選的快速橢圓檢測研究與實(shí)現(xiàn)[D]. 宋連博.大連理工大學(xué) 2017
[6]基于幾何不變量的直線匹配與三維建模[D]. 高新凱.大連理工大學(xué) 2017
[7]基于視頻的三維人臉動畫驅(qū)動的設(shè)計與實(shí)現(xiàn)[D]. 普波.電子科技大學(xué) 2010
[8]全景視覺圖像去噪與增強(qiáng)方法的研究[D]. 金甲.哈爾濱工程大學(xué) 2010



本文編號：3611949