天際線檢測在很多方面具有重要作用,但目前檢測算法只能滿足于簡單背景下的天際線檢測。在一般的室外煙霧檢測系統(tǒng)中,受攝像頭的抖動、大氣流動等因素的影響,會使檢測算法在天際線附近的云霧被誤報(bào)為煙霧,導(dǎo)致煙霧報(bào)警的準(zhǔn)確率下降。天際線的檢測并進(jìn)行預(yù)處理是降低誤報(bào)率的重要手段。信息論當(dāng)中,信號分為確定與隨機(jī)兩類,圖像信號因?yàn)楸尘暗膹?fù)雜度與噪音的干擾不確定性被歸為隨機(jī)信號,而熵是唯一的一種能確定隨機(jī)信號變化量的一種方法。鑒于此,本文提出一種基于圖像當(dāng)中的灰度熵的天際線檢測算法。本方法首先是對所獲取的圖像進(jìn)行去霧的預(yù)處理,使用何凱明博士的暗通道去霧方法,而后,對預(yù)處理過后的圖像分析其圖像灰度熵的先驗(yàn),并運(yùn)用高斯濾波進(jìn)行去噪處理后,計(jì)算圖像列方向上各像素點(diǎn)的灰度熵。計(jì)算方法為:以此點(diǎn)為分割點(diǎn),將該列分割為上、下兩個(gè)部分,使用整列的灰度熵減去上、下兩部分灰度熵的和,結(jié)果取負(fù),構(gòu)建為該點(diǎn)的熵減系數(shù)。熵減系數(shù)的結(jié)果為正的點(diǎn)就屬于滿足天際線先驗(yàn)的點(diǎn)。對滿足天際線先驗(yàn)的點(diǎn)進(jìn)行篩選平滑就可以得到天際線。使用灰度熵構(gòu)建每個(gè)點(diǎn)對于所在列的熵減系數(shù),考慮了圖像的整體分布,減少了局部噪聲的影響,再進(jìn)行篩選平滑前就可以得到天... 

【文章頁數(shù)】：59 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
    1.3 本文研究內(nèi)容
    1.4 論文章節(jié)安排
2 相關(guān)概念及技術(shù)原理
    2.1 特征提取
        2.1.1 HOG算子
        2.1.2 LBP算子
    2.2 邊緣檢測
        2.2.1 Robert算子
        2.2.2 Canny算子
    2.3 SVM算法
    2.4 本章小結(jié)
3 天際線檢測的先驗(yàn)與熵減系數(shù)
    3.1 信息熵及其相關(guān)的概念
        3.1.1 信息熵的定義與性質(zhì)
        3.1.2 互信息、聯(lián)合熵、條件熵的概念及關(guān)系
        3.1.3 圖像的一維熵與二維熵
        3.1.4 像素級的灰度互信息
    3.2 灰度熵的天際線檢測的先驗(yàn)
    3.3 熵減系數(shù)的來由
    3.4 本章小結(jié)
4 天際線檢測模型
    4.0 檢測前的去霧預(yù)處理
    4.1 圖像去噪
    4.2 檢測中的天際線坐標(biāo)點(diǎn)計(jì)算
    4.3 天際線坐標(biāo)點(diǎn)的擬合
    4.4 本章小結(jié)
5 實(shí)驗(yàn)測評與分析
    5.1 實(shí)驗(yàn)環(huán)境
    5.2 實(shí)驗(yàn)參數(shù)設(shè)置
    5.3 評估方法以及實(shí)驗(yàn)數(shù)據(jù)
        5.3.1 對比實(shí)驗(yàn)設(shè)置與評估方法
        5.3.2 實(shí)驗(yàn)數(shù)據(jù)對比
    5.4 改進(jìn)方法
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
參考文獻(xiàn)
附錄
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于邊緣保持的自適應(yīng)高斯衰減去霧算法[J]. 楊燕,張國強(qiáng),李一菲,岳輝.  激光與光電子學(xué)進(jìn)展. 2018(08)
[2]基于超像素分類的海天線檢測方法[J]. 劉靖逸,陳金波,王志恒,李恒宇.  計(jì)量與測試技術(shù). 2017(03)
[3]區(qū)域協(xié)方差與中值校正融合的天際線檢測算法研究[J]. 涂兵,潘建武,吳健輝,曾香,曹旭.  計(jì)算機(jī)科學(xué). 2017(03)
[4]基于結(jié)構(gòu)森林邊緣檢測和Hough變換的海天線檢測[J]. 徐良玉,馬錄坤,謝燮,彭艷,彭艷青,崔建祥.  上海大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[5]基于二維OTSU的海天分界線提取算法[J]. 韓嘉隆,毛征,王寧,孟博.  國外電子測量技術(shù). 2016(08)
[6]基于LBP和稀疏表示的天際線檢測算法研究[J]. 涂兵,潘建武,張國云,李朝輝,李孝春.  計(jì)算機(jī)工程與應(yīng)用. 2016(20)
[7]基于梯度顯著性的水面無人艇的海天線檢測方法[J]. 王博,蘇玉民,萬磊,莊佳園,張磊.  光學(xué)學(xué)報(bào). 2016(05)
[8]特征學(xué)習(xí)的單幅圖像去霧算法[J]. 麥嘉銘,王美華,梁云,蔡瑞初.  中國圖象圖形學(xué)報(bào). 2016(04)
[9]基于改進(jìn)暗通道和導(dǎo)向?yàn)V波的單幅圖像去霧算法[J]. 陳書貞,任占廣,練秋生.  自動化學(xué)報(bào). 2016(03)
[10]基于Hough變換的海天線檢測算法研究[J]. 安博文,胡春暖,劉杰,曹彥玨.  紅外技術(shù). 2015(03)

碩士論文
[1]天際線檢測關(guān)鍵算法研究[D]. 潘建武.湖南理工學(xué)院 2018
[2]基于FPGA的手指多模態(tài)身份識別系統(tǒng)設(shè)計(jì)[D]. 孫中海.浙江工業(yè)大學(xué) 2016
[3]基于暗原色先驗(yàn)的快速圖像去霧算法[D]. 郭詠詩.北京郵電大學(xué) 2016
[4]基于灰色關(guān)聯(lián)分析的圖像邊緣檢測研究[D]. 薛文格.云南師范大學(xué) 2008



本文編號：3691542