目標(biāo)檢測是目標(biāo)提取和識別的前提。本文首先對傳統(tǒng)的三種目標(biāo)檢測方法進(jìn)行了仿真實(shí)驗(yàn),分析了三種方法的優(yōu)缺點(diǎn)。使用背景差分法對目標(biāo)進(jìn)行檢測,背景建模更新過程比較復(fù)雜,且建模過程非常緩慢,由于背景更新不及時導(dǎo)致目標(biāo)檢測結(jié)果誤差較大�；诠饬鞣ǖ哪繕�(biāo)檢測效果優(yōu)于背景差分法,但是光流法計(jì)算量比較大,程序運(yùn)行非常耗時,并不能滿足實(shí)時性方面的要求�；趲罘ǖ哪繕�(biāo)檢測結(jié)果易出現(xiàn)重影現(xiàn)象,且受地面背景影響比較大,對傳統(tǒng)的幀差法進(jìn)行改進(jìn),重影現(xiàn)象得到改善,但是改進(jìn)后的幀差法在進(jìn)行目標(biāo)檢測時仍會受到地面背景的影響,產(chǎn)生誤檢情況。為了解決地面背景對于目標(biāo)檢測結(jié)果的影響,采用了一種去除地面背景干擾的檢測方法,即首先使用閾值分割,形態(tài)學(xué)處理和邊緣檢測技術(shù)對視頻幀圖像進(jìn)行預(yù)處理,然后使用Hough變換直線檢測技術(shù)將視頻幀圖像劃分為天空區(qū)域和地面區(qū)域,對天空區(qū)域采用分塊幀差法與形態(tài)學(xué)處理相結(jié)合的目標(biāo)檢測方法,成功排除了地面背景的干擾從而有效檢測出目標(biāo)。針對空中目標(biāo)的分割提取,確定了一種標(biāo)記的分割提取方法,從而將目標(biāo)成功地提取出來。為了構(gòu)建能夠有效表示目標(biāo)的特征向量,深入研究了兩種不同的特征:Hu不變矩特征和HOG特征...

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 研究的目的和意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 目標(biāo)檢測研究現(xiàn)狀
        1.3.2 目標(biāo)識別研究現(xiàn)狀
    1.4 論文主要工作及結(jié)構(gòu)安排
    1.5 本章小結(jié)
2 空中目標(biāo)檢測算法研究
    2.1 前景檢測算法的選擇
    2.2 基于背景差分法的檢測
        2.2.1 混合高斯背景建模
        2.2.2 實(shí)驗(yàn)結(jié)果分析
        2.2.3 均值背景建模
        2.2.4 實(shí)驗(yàn)結(jié)果分析
        2.2.5 Vibe背景建模
        2.2.6 實(shí)驗(yàn)結(jié)果分析
    2.3 基于光流法的檢測
        2.3.1 光流法基本原理概述
        2.3.2 基于光流法檢測的實(shí)驗(yàn)結(jié)果分析
    2.4 基于幀差法的檢測
        2.4.1 幀差法基本原理概述
        2.4.2 基于幀差法檢測的實(shí)驗(yàn)結(jié)果分析
        2.4.3 對幀差法的改進(jìn)
    2.5 三種檢測算法實(shí)驗(yàn)結(jié)果對比
    2.6 基于hough直線變換的目標(biāo)檢測
        2.6.1 閾值分割處理
        2.6.2 形態(tài)學(xué)膨脹處理
        2.6.3 形態(tài)學(xué)腐蝕處理
        2.6.4 邊緣檢測
        2.6.5 Hough直線變換檢測
        2.6.6 分界后的目標(biāo)檢測
        2.6.7 實(shí)驗(yàn)對比
    2.7 本章小結(jié)
3 空中目標(biāo)的分割提取
    3.1 視頻幀圖像的預(yù)處理
        3.1.1 圖像灰度化處理
        3.1.2 直方圖均衡處理
        3.1.3 濾波去噪處理
    3.2 視頻幀圖像形態(tài)學(xué)處理
        3.2.1 腐蝕、膨脹
        3.2.2 實(shí)驗(yàn)對比
    3.3 圖像的輪廓查找算法
        3.3.1 輪廓查找算法實(shí)現(xiàn)步驟
        3.3.2 連通區(qū)域的提取
    3.4 目標(biāo)分割提取實(shí)驗(yàn)結(jié)果
    3.5 本章小結(jié)
4 空中目標(biāo)特征提取
    4.1 HOG特征描述子
    4.2 Hu不變矩
    4.3 特征提取結(jié)果
        4.3.1 HOG特征提取結(jié)果
        4.3.2 Hu不變矩特征提取結(jié)果
    4.4 本章小結(jié)
5 空中目標(biāo)分類識別方法研究
    5.1 SVM的特征訓(xùn)練與分類
        5.1.1 SVM支持向量機(jī)多分類器構(gòu)造
        5.1.2 基于LibSvm的樣本訓(xùn)練與分類識別
    5.2 實(shí)驗(yàn)結(jié)果
        5.2.1 采用HOG特征做分類的實(shí)驗(yàn)結(jié)果
        5.2.2 采用Hu不變矩特征做分類的實(shí)驗(yàn)結(jié)果
    5.3 本章小結(jié)
6 結(jié)論
    6.1 論文工作總結(jié)
    6.2 工作展望
參考文獻(xiàn)
致謝



本文編號：3833361