本文關(guān)鍵詞：海浪爬浪監(jiān)測系統(tǒng)設(shè)計與研究

  更多相關(guān)文章： 海浪監(jiān)測 圖像匹配 運(yùn)動海浪檢測 混合差分 閾值分割

【摘要】：中國作為一個海洋大國,島嶼眾多,海岸線曲折漫長,因此海浪監(jiān)測對我國具有極其重要的戰(zhàn)略與實際意義。建立一個可視化遠(yuǎn)程監(jiān)控系統(tǒng),是海浪監(jiān)測的一種有效手段。本文結(jié)合具體項目背景,在對基于計算機(jī)視覺的運(yùn)動海浪檢測中的關(guān)鍵技術(shù)進(jìn)行大量研究的基礎(chǔ)上,提出了海浪爬浪監(jiān)測系統(tǒng)方案。本文的研究內(nèi)容概述如下,其中,創(chuàng)新點主要體現(xiàn)在2和3：1)運(yùn)動背景補(bǔ)償。針對攝像機(jī)移動造成背景運(yùn)動的問題,本文采用基于簡化的ORB(ORiented Brief)特征檢測與匹配算法,將兩幅圖像進(jìn)行匹配,利用PROSAC(Progressive Sample Consensus)算法進(jìn)行模型參量擬合,獲得兩幅圖像之間的仿射矩陣,根據(jù)仿射矩陣對其中一幀圖像進(jìn)行運(yùn)動背景補(bǔ)償。2)閾值分割。針對將灰度圖轉(zhuǎn)換成二值化圖需要保留完整的有用信息并具有良好的抗噪性能等要求,本文提出一種基于帶權(quán)積分圖的自適應(yīng)閾值分割算法。該算法結(jié)合網(wǎng)格模型思想和權(quán)重思想,利用帶權(quán)積分圖實現(xiàn)圖像的二值化。實驗證明,算法在復(fù)雜海浪環(huán)境下能表現(xiàn)出良好的魯棒性。3)運(yùn)動海浪檢測。針對具體海浪檢測中難以同時滿足準(zhǔn)確性和實時性的問題,本文提出一種基于混合差分的海浪邊緣檢測算法,首先采用三幀差法進(jìn)行場景區(qū)域的快速分類,把運(yùn)動區(qū)域分割出來；然后對其進(jìn)行腐蝕膨脹等形態(tài)學(xué)處理,并使用Sobel算子提取運(yùn)動物體邊緣；最后,運(yùn)用基于混合高斯模型的背景差分法去除干擾運(yùn)動。實驗證明,算法在保證效率的同時,對復(fù)雜的海浪場景具有較好的魯棒性,能準(zhǔn)確地提取出運(yùn)動海浪浪尖邊緣。4)標(biāo)桿提取。為了提取出海浪圖片中的標(biāo)桿并將其作為標(biāo)尺,本文首先選取一張清晰的初始圖片,利用基于HSV空間的閾值分割算法將初始圖片中的標(biāo)桿提取出來,然后將初始圖片與當(dāng)前圖片進(jìn)行匹配,利用匹配得到的仿射矩陣計算出當(dāng)前圖片中標(biāo)桿的位置。此外,針對獲取歷史視頻拍攝時間的問題,本文還提出一種基于Bayes分類器及形狀相近概率的字符識別算法,該算法具有識別時間短、準(zhǔn)確率高等優(yōu)點�；谏鲜鲅芯�,本文搭建了完整的海浪爬浪監(jiān)測系統(tǒng),并使用實際海浪視頻對本文算法進(jìn)行實驗分析,實驗結(jié)果充分證明了本文提出算法的可行性與有效性。
【關(guān)鍵詞】：海浪監(jiān)測 圖像匹配 運(yùn)動海浪檢測 混合差分 閾值分割
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP274
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-16
• 1.1 論文研究背景介紹10-12
• 1.1.1 論文研究背景10
• 1.1.2 國內(nèi)外發(fā)展現(xiàn)狀10-12
• 1.2 課題技術(shù)方案12-13
• 1.3 論文章節(jié)安排13-16
• 第二章 海浪視頻預(yù)處理16-40
• 2.1 運(yùn)動背景補(bǔ)償16-31
• 2.1.1 圖像匹配算法16-23
• 2.1.1.1 SIFT算法概述16-19
• 2.1.1.2 SURF算法概述19-21
• 2.1.1.3 ORB算法概述21-23
• 2.1.2 基于PROSAC算法的模型參量擬合23-24
• 2.1.3 算法比較與實驗24-31
• 2.1.3.1 三種特征檢測算法性能比較24-28
• 2.1.3.2 簡化的ORB算法28-31
• 2.2 閾值分割算法31-38
• 2.2.1 基于積分圖的閾值分割算法32-33
• 2.2.2 基于帶權(quán)積分圖的自適應(yīng)閾值分割算法33-35
• 2.2.3 實驗分析與比較35-38
• 2.4 本章小結(jié)38-40
• 第三章 浪高測量關(guān)鍵問題研究40-54
• 3.1 運(yùn)動海浪檢測40-50
• 3.1.1 經(jīng)典運(yùn)動目標(biāo)檢測算法41-42
• 3.1.1.1 光流法41-42
• 3.1.1.2 背景差分法42
• 3.1.1.3 幀間差分法42
• 3.1.2 基于混合差分的海浪邊緣檢測算法42-47
• 3.1.3 實驗分析與比較47-50
• 3.2 標(biāo)桿提取50-52
• 3.3 本章小結(jié)52-54
• 第四章 系統(tǒng)設(shè)計與實現(xiàn)54-62
• 4.1 系統(tǒng)總體設(shè)計54-55
• 4.2 系統(tǒng)具體功能介紹55-57
• 4.2.1 系統(tǒng)界面介紹55-56
• 4.2.2 標(biāo)桿檢測56
• 4.2.3 數(shù)據(jù)查詢56-57
• 4.3 時間字符識別57-60
• 4.3.1 基于Bayes分類器及形狀相近概率的字符識別算法57-59
• 4.3.2 實驗分析與比較59-60
• 4.4 本章小結(jié)60-62
• 第五章 總結(jié)與展望62-64
• 5.1 全文工作總結(jié)62-63
• 5.2 工作展望63-64
• 致謝64-66
• 參考文獻(xiàn)66-72
• 作者碩士期間發(fā)表的論文與專利72

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 梁光明;唐朝京;劉東華;孫即祥;張志濤;;基于分割評價的多層次自適應(yīng)雙閾值分割算法[J];電子學(xué)報;2009年04期

2 相卓;;基于遺傳算法的圖像閾值分割算法研究[J];科技信息;2009年12期

3 李彬;謝云;;閾值分割算法在醫(yī)用藥瓶溶液雜質(zhì)檢測中的研究[J];自動化與信息工程;2012年05期

4 孫光靈,周慶松,方傳剛;基于最小類內(nèi)方差的快速閾值分割算法[J];安徽理工大學(xué)學(xué)報(自然科學(xué)版);2005年01期

5 王艷秋;;羽絨圖像閾值分割算法研究[J];計算機(jī)工程與應(yīng)用;2008年34期

6 王亮亮;王黎;高曉蓉;王澤勇;;兩種改進(jìn)的局部閾值分割算法[J];現(xiàn)代電子技術(shù);2009年14期

7 程紅;王志強(qiáng);白新偉;;航拍膠片注釋信息閾值分割算法研究[J];地理與地理信息科學(xué);2011年04期

8 李靜,王衛(wèi)星;巖石骨料圖像閾值分割算法的比較研究[J];中南林學(xué)院學(xué)報;2004年05期

9 徐奕奕;;腐蝕線材的閾值分割算法研究[J];廣西工學(xué)院學(xué)報;2006年02期

10 鄭根讓;王成;查爾斯;;二維自由粒子群圖像閾值分割算法[J];科技通報;2012年04期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 仇紅娟;杜大軍;邱道尹;;模糊閾值分割算法在燒結(jié)機(jī)尾斷面圖像處理中的應(yīng)用[A];科技、工程與經(jīng)濟(jì)社會協(xié)調(diào)發(fā)展——河南省第四屆青年學(xué)術(shù)年會論文集（上冊）[C];2004年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 林正春;無準(zhǔn)則多維圖像閾值分割算法——最優(yōu)進(jìn)化算法[D];華南理工大學(xué);2010年

2 魏巍;噪聲和不均勻光照圖像閾值分割技術(shù)研究[D];吉林大學(xué);2011年

3 龍建武;圖像閾值分割關(guān)鍵技術(shù)研究[D];吉林大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 吳佳;海浪爬浪監(jiān)測系統(tǒng)設(shè)計與研究[D];東南大學(xué);2016年

2 張赫;基于波谷相對信息的閾值分割算法研究[D];吉林大學(xué);2015年

3 許鑫;無適度圖像閾值分割算法—最優(yōu)蜜源算法（ONSA）[D];長安大學(xué);2012年

4 龍建武;基于Otsu的圖像閾值分割算法的研究[D];吉林大學(xué);2011年

5 李靜;降落巖石骨料圖像閾值分割算法的研究[D];湖南師范大學(xué);2004年

6 朱磊;自適應(yīng)閾值分割技術(shù)及在工業(yè)視覺檢測中的應(yīng)用[D];江南大學(xué);2014年

7 周海兵;基于GPU加速的Otsu圖像閾值分割算法實現(xiàn)[D];大連理工大學(xué);2009年

8 安妮;基于局部自適應(yīng)閾值分割算法的高壓線圖像檢測方法[D];武漢工程大學(xué);2015年

9 謝鵬鶴;圖像閾值分割算法研究[D];湘潭大學(xué);2012年

10 褚巧龍;基于Otsu的圖像閾值分割算法的研究[D];燕山大學(xué);2011年

，

本文編號：559871