近年來,由于無人機機動性以及目標(biāo)檢測技術(shù)越來越成熟的發(fā)展,旋翼無人機已經(jīng)被廣泛應(yīng)用在民事、安保、警用及軍事等領(lǐng)域。由于旋翼無人機在執(zhí)行任務(wù)時不易被發(fā)現(xiàn)的優(yōu)點,容易被不法分子用來危害社會、盜取國家機密,影響社會安全。本文對實時檢測空中旋翼無人機的方法進(jìn)行了研究,并主要對如何從視頻數(shù)據(jù)中提取處于懸浮狀態(tài)和巡航狀態(tài)的旋翼無人機的興趣區(qū)域進(jìn)行了研究。本文的主要工作為:1、對基于幀間差分法、高斯背景模型和光流法等視頻目標(biāo)檢測算法、基于滑動窗口檢測的圖像檢測算法、圖像分割結(jié)合分類器等興趣區(qū)域檢測算法以及HOG、LBP等特征提取算法和SVM、隨機森林等分類器模型進(jìn)行實驗,從時間、檢測結(jié)果以及對計算機硬件的需求等方面對各算法的檢測效果進(jìn)行對比,獲得檢測旋翼無人機的系統(tǒng)方案。2、對處于運動狀態(tài)下的旋翼無人機的飛行特性作出總結(jié),針對旋翼無人機有懸浮和巡航兩種運動狀態(tài)以及傳統(tǒng)的興趣區(qū)域提取算法在該場景下工作的局限性問題,對提取興趣區(qū)域的算法進(jìn)行了研究及實驗對比,作出了總結(jié)。3、考慮到非合作無人機距離攝像頭的遠(yuǎn)近情況、在攝像頭里呈現(xiàn)的角度位置的不一致性、復(fù)雜的背景以及它可能處于運動或懸停狀態(tài),容易使拍攝視頻中... 

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 論文的研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于視頻的目標(biāo)檢測算法研究現(xiàn)狀
        1.2.2 基于興趣區(qū)域檢測算法的研究現(xiàn)狀
    1.3 論文的研究內(nèi)容及結(jié)構(gòu)框架
        1.3.1 論文研究內(nèi)容
        1.3.2 論文結(jié)構(gòu)和框架
2 基于無人機拍攝的視頻特性分析
    2.1 旋翼無人機的飛行狀態(tài)
    2.2 基于旋翼無人機懸浮狀態(tài)的視頻圖像特性
    2.3 基于旋翼無人機巡航狀態(tài)的視頻圖像特性
    2.4 本章小結(jié)
3 基于改進(jìn)的視頻圖像興趣區(qū)域提取方法
    3.1 基于動態(tài)圖像的興趣區(qū)域提取
        3.1.1 基于視頻圖像的運動目標(biāo)檢測主流算法
        3.1.2 本文基于幀間差分法的興趣區(qū)域提取
    3.2 基于靜態(tài)圖像的興趣區(qū)域提取
        3.2.1 傳統(tǒng)的靜態(tài)圖像目標(biāo)檢測算法
        3.2.2 基于改進(jìn)的Selective Search算法的興趣區(qū)域提取
    3.3 本文改進(jìn)的興趣區(qū)域提取法及結(jié)果
    3.4 本章小結(jié)
4 基于興趣區(qū)域的空中旋翼無人機檢測方法
    4.1 圖像預(yù)處理方法
        4.1.1 圖像的灰度化
        4.1.2 圖像噪聲的消除
        4.1.3 自適應(yīng)直方圖均衡
        4.1.4 本文的優(yōu)化算法
    4.2 圖像特征提取
        4.2.1 圖像特征的分類
        4.2.2 圖像特征提取算法
        4.2.3 本文的特征提取算法
    4.3 分類器訓(xùn)練模型
        4.3.1 隨機森林模型
        4.3.2 神經(jīng)網(wǎng)絡(luò)
        4.3.3 支持向量機(SVM算法)
        4.3.4 三種算法對比
        4.3.5 本文的分類算法
    4.4 算法的整體設(shè)計及檢測結(jié)果
        4.4.1 算法的整體設(shè)計
        4.4.2 實驗環(huán)境
        4.4.3 獲取數(shù)據(jù)集
        4.4.4 旋翼無人機分類器性能評價
        4.4.5 算法檢測性能評價標(biāo)準(zhǔn)
        4.4.6 調(diào)參
        4.4.7 算法檢測性能評價
        4.4.8 算法檢測結(jié)果
    4.5 本章小結(jié)
5 結(jié)論
    5.1 本文主要研究工作
    5.2 未來工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)的幀間差分運動目標(biāo)提取算法[J]. 趙婷,鄭紫微.  無線通信技術(shù). 2016(02)
[2]改進(jìn)的時空背景差分目標(biāo)檢測[J]. 宋志勤,路錦正,聶詩良.  光電工程. 2016(02)
[3]圖像物體分類與檢測算法綜述[J]. 黃凱奇,任偉強,譚鐵牛.  計算機學(xué)報. 2014(06)
[4]基于幀間差分和光流法的紅外圖像運動檢測[J]. 許敬,張合,張祥金.  計算機仿真. 2012(06)
[5]基于感興趣區(qū)域多特征加權(quán)融合的圖像檢索算法[J]. 唐朝霞,章慧,吳海華.  微電子學(xué)與計算機. 2011(06)
[6]融合光流速度與背景建模的目標(biāo)檢測方法[J]. 張水發(fā),張文生,丁歡,楊柳.  中國圖象圖形學(xué)報. 2011(02)
[7]基于背景估計的運動檢測算法[J]. 司紅偉,全蕾,張杰.  計算機工程與設(shè)計. 2011(01)
[8]基于顯著區(qū)域的圖像檢索方法[J]. 梁春迎,王國營,康進(jìn)峰.  計算機工程. 2010(05)
[9]圖像高斯平滑濾波分析[J]. 王耀貴.  計算機與信息技術(shù). 2008(08)
[10]圖像高斯平滑濾波分析[J]. 王耀貴.  計算機與信息技術(shù). 2008 (08)

博士論文
[1]圖像感興趣區(qū)域提取方法研究[D]. 陳再良.中南大學(xué) 2012

碩士論文
[1]基于顯著區(qū)域的圖像語義檢索方法研究[D]. 李海洋.西北農(nóng)林科技大學(xué) 2013
[2]基于顯著區(qū)域及SVM相關(guān)反饋的圖像檢索技術(shù)研究[D]. 張桂月.西安電子科技大學(xué) 2012
[3]適應(yīng)于復(fù)雜背景的前景檢測算法的研究與實現(xiàn)[D]. 王晶.黑龍江大學(xué) 2011
[4]視頻監(jiān)控中運動目標(biāo)檢測與跟蹤技術(shù)的研究[D]. 孫磊.電子科技大學(xué) 2011
[5]基于改進(jìn)EM算法和混合核SVM的圖像檢索技術(shù)研究及應(yīng)用[D]. 趙亮.南京航空航天大學(xué) 2010
[6]視頻運動人體目標(biāo)跟蹤方法與性能評估[D]. 王靜.西安電子科技大學(xué) 2010



本文編號：3662592