隨著產(chǎn)業(yè)技術(shù)升級(jí),智能安防監(jiān)控、圖像采集、目標(biāo)識(shí)別與追蹤等設(shè)備在糧庫(kù)安全保障中得到大面積推廣。安防視頻監(jiān)控系統(tǒng)能夠?qū)Z庫(kù)主要的進(jìn)出口儲(chǔ)糧通道、庫(kù)區(qū)、作業(yè)點(diǎn)、器械庫(kù)、藥品庫(kù)等一些重要場(chǎng)所的工作情況進(jìn)行實(shí)時(shí)監(jiān)控,對(duì)于人員聚集、越界、區(qū)域入侵、作業(yè)人員違章等異常行為進(jìn)行警告,不僅減少了現(xiàn)場(chǎng)檢查,降低了糧庫(kù)人工管理的成本,更有利于儲(chǔ)糧工作過(guò)程中的管理和數(shù)據(jù)的收集。然而,糧庫(kù)中粉塵和霧霾天氣的出現(xiàn),導(dǎo)致監(jiān)控系統(tǒng)獲取的糧庫(kù)圖像質(zhì)量嚴(yán)重下降,細(xì)節(jié)信息模糊,限制了對(duì)圖像進(jìn)一步的識(shí)別、分析與利用。因此,本文基于機(jī)器學(xué)習(xí)的方法,針對(duì)如何提高霧塵環(huán)境下糧庫(kù)圖像質(zhì)量,進(jìn)行全面的研究,具體研究?jī)?nèi)容如下:1.針對(duì)糧庫(kù)霧塵環(huán)境下采集到的圖像背景中大多含有白色區(qū)域,然而現(xiàn)有去霧方法在處理該類圖像時(shí)由于白色區(qū)域的存在會(huì)影響到大氣光值估計(jì)的準(zhǔn)確性,提出了基于四叉樹分解的方法在天空區(qū)域內(nèi)對(duì)大氣光進(jìn)行準(zhǔn)確估計(jì);同時(shí),基于現(xiàn)有去霧方法容易受手工特征提取及假設(shè)條件的限制,本文提出改進(jìn)的基于神經(jīng)網(wǎng)絡(luò)的方法。首先,利用多尺度卷積神經(jīng)網(wǎng)絡(luò)通過(guò)學(xué)習(xí)的方式獲得粗略透射圖透,然后使用圖像融合方法對(duì)其進(jìn)行細(xì)化;最后,將估計(jì)的參數(shù)帶入大氣散射模...

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景和意義
    1.2 相關(guān)技術(shù)研究現(xiàn)狀
        1.2.1 傳統(tǒng)圖像去霧技術(shù)
        1.2.2 基于機(jī)器學(xué)習(xí)的圖像去霧技術(shù)
    1.3 論文的主要研究工作
    1.4 論文的組織結(jié)構(gòu)
2 圖像去霧的基礎(chǔ)和機(jī)器學(xué)習(xí)
    2.1 糧庫(kù)霧塵環(huán)境的成因
    2.2 圖像退化及顏色失真機(jī)理分析
    2.3 大氣散射理論方法
        2.3.1 入射光衰減模型
        2.3.2 大氣光成像模型
        2.3.3 大氣光散射模型
    2.4 圖像去霧技術(shù)
        2.4.1 CLAHE方法
        2.4.2 暗通道方法
        2.4.3 多尺度Retinex方法
    2.5 機(jī)器學(xué)習(xí)理論
        2.5.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.5.2 支持向量機(jī)
    2.6 本章小結(jié)
3 基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的糧庫(kù)圖像去霧方法
    3.1 糧庫(kù)圖像的特點(diǎn)及重點(diǎn)監(jiān)控區(qū)域
    3.2 基于神經(jīng)網(wǎng)絡(luò)去霧方法的不足及改進(jìn)
    3.3 四叉樹分解法獲取大氣光
    3.4 基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的透射率估計(jì)
        3.4.1 網(wǎng)絡(luò)設(shè)計(jì)
        3.4.2 網(wǎng)絡(luò)訓(xùn)練
        3.4.3 透射圖的細(xì)化
        3.4.4 復(fù)原無(wú)霧圖像
    3.5 實(shí)驗(yàn)結(jié)果分析與對(duì)比
        3.5.1 合成圖像對(duì)比實(shí)驗(yàn)
        3.5.2 真實(shí)圖像對(duì)比實(shí)驗(yàn)
    3.6 本章小結(jié)
4 基于SVM的自適應(yīng)單幅圖像去霧方法
    4.1 霧天圖像分類
        4.1.1 訓(xùn)練樣本
        4.1.2 暗通道直方圖特征
        4.1.3 紋理特征
        4.1.4 模型訓(xùn)練與圖像分類
    4.2 圖像質(zhì)量評(píng)價(jià)指標(biāo)
    4.3 自適應(yīng)圖像去霧
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 圖像質(zhì)量評(píng)價(jià)與對(duì)比
    4.6 本章小結(jié)
5 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介、攻讀碩士學(xué)位期間取得的階段性成果



本文編號(hào)：3745318