本文關(guān)鍵詞：基于二維激光與圖像的林區(qū)采育目標(biāo)識別方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：為解決目前林木裝備在作業(yè)時由于林區(qū)環(huán)境、地形復(fù)雜、障礙物的存在而導(dǎo)致的工作效率較低,危險較大的問題。本課題擬基于二維激光測距儀和紅外熱像儀來對林區(qū)環(huán)境信息進(jìn)行采集。通過信息融合技術(shù),利用機(jī)器學(xué)習(xí)算法,對林區(qū)采育目標(biāo)進(jìn)行檢測和識別,并在圖片中進(jìn)行顯示,為采育作業(yè)操作員提供輔助信息,從而彌補(bǔ)人眼判斷的不足,降低作業(yè)危險,為實現(xiàn)林業(yè)裝備智能化奠定理論與技術(shù)基礎(chǔ)。本文的主要研究工作和結(jié)論有以下幾方面內(nèi)容：1.根據(jù)林區(qū)環(huán)境特點以及實際試驗條件,選擇二維激光測距儀和紅外熱像儀來采集林區(qū)環(huán)境信息,利用上位機(jī)對傳感器的信息采集和存儲進(jìn)行控制,并對采集到的信號進(jìn)行預(yù)處理。2.根據(jù)兩種傳感器的工作原理,通過傳感器內(nèi)部標(biāo)定和外部聯(lián)合標(biāo)定將二維激光點與圖像中目標(biāo)進(jìn)行標(biāo)定和匹配,從而獲取圖像中我們需要的目標(biāo)區(qū)域,同時由激光坐標(biāo)得到目標(biāo)的位置信息。根據(jù)標(biāo)定結(jié)果標(biāo)定參數(shù)進(jìn)行了校正,得到更準(zhǔn)確的目標(biāo)區(qū)域,為后續(xù)的目標(biāo)識別提供依據(jù)。3.將紅外熱像儀采集到的可見光圖像和紅外熱圖像進(jìn)行融合,分別利用PCA(主成分分析)和PCNN(脈沖耦合神經(jīng)網(wǎng)絡(luò))兩種算法進(jìn)行了圖像融合�；趫D像對目標(biāo)特征進(jìn)行了選擇和提取,為后續(xù)建立目標(biāo)分類模型提供數(shù)據(jù)依據(jù)。4.基于前期采集到的樹木、行人和巖石的150組樣本數(shù)據(jù),分別采用當(dāng)前流行的機(jī)器學(xué)習(xí)算法,包括AdaBoost、K近鄰、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)對其進(jìn)行了分類識別。其中針對神經(jīng)網(wǎng)絡(luò)算法通過組合不同的訓(xùn)練函數(shù),找到對本數(shù)據(jù)庫分類性能最好的四種模型。5.針對支持向量機(jī)算法進(jìn)行進(jìn)一步研究�；诤笃诓杉�500組樣本數(shù)據(jù),從兩方面對其進(jìn)行了優(yōu)化和改進(jìn)。一方面通過不同的優(yōu)化算法對SVM內(nèi)部參數(shù)進(jìn)行了優(yōu)化；另一方面建立模糊向量機(jī),提出了一種新的模糊隸屬度計算方法,并基于不同的數(shù)據(jù)庫進(jìn)行了驗證。改進(jìn)后的SVM分類模型在采育目標(biāo)的識別中可達(dá)到96%以上的識別正確率。
【關(guān)鍵詞】：二維激光 圖像 信息融合 采育目標(biāo)識別 模式識別
【學(xué)位授予單位】：北京林業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 1 緒論9-23
• 1.1 研究目的和意義9-11
• 1.2 國內(nèi)外林業(yè)智能裝備研究進(jìn)展11-19
• 1.2.1 國內(nèi)外林業(yè)裝備技術(shù)水平和發(fā)展趨勢11-12
• 1.2.2 面向林業(yè)裝備的智能環(huán)境檢測系統(tǒng)研究12-14
• 1.2.3 傳感器信息融合技術(shù)14-18
• 1.2.4 研究現(xiàn)狀中現(xiàn)存的主要問題18-19
• 1.3 本文主要工作19-23
• 1.3.1 主要研究內(nèi)容19
• 1.3.2 研究方法和方案19-20
• 1.3.3 技術(shù)路線與論文結(jié)構(gòu)20-23
• 2 實驗設(shè)備與數(shù)據(jù)采集23-31
• 2.1 林區(qū)環(huán)境信息采集系統(tǒng)搭建23-25
• 2.1.1 二維激光測距儀LMS29123-24
• 2.1.2 紅外熱像儀Ti5524-25
• 2.2 實驗地點與環(huán)境25-26
• 2.3 原始數(shù)據(jù)采集26-28
• 2.4 激光數(shù)據(jù)目標(biāo)特征的提取28-29
• 2.5 本章小結(jié)29-31
• 3 激光與圖像數(shù)據(jù)的預(yù)處理31-49
• 3.1 二維激光數(shù)據(jù)與圖像的標(biāo)定31-44
• 3.1.1 CCD相機(jī)的標(biāo)定模型31-34
• 3.1.2 CCD相機(jī)的參數(shù)標(biāo)定方法34
• 3.1.3 張氏標(biāo)定法的相機(jī)標(biāo)定試驗34-38
• 3.1.4 外部參數(shù)求解38-41
• 3.1.5 結(jié)果優(yōu)化41-44
• 3.2 紅外圖像與可見光圖像的融合44-48
• 3.2.1 圖像分解44-46
• 3.2.2 圖像重建46-47
• 3.2.3 圖像融合結(jié)果47-48
• 3.3 本章小結(jié)48-49
• 4 基于圖像的目標(biāo)特征提取與分析49-57
• 4.1 溫度特征49-50
• 4.2 顏色特征50-51
• 4.3 形狀特征51-52
• 4.3.1 寬高比51-52
• 4.3.2 矩形度52
• 4.4 特征分析52-56
• 4.5 本章小結(jié)56-57
• 5 基于激光與圖像的采育目標(biāo)識別算法研究57-76
• 5.1 AdaBoost算法57-60
• 5.1.1 AdaBoost算法原理58-59
• 5.1.2 基于AdaBoost算法的采育目標(biāo)識別結(jié)果59-60
• 5.2 k近鄰算法60-61
• 5.2.1 k近鄰算法原理60
• 5.2.2 基于k近鄰算法的采育目標(biāo)識別結(jié)果60-61
• 5.3 人工神經(jīng)網(wǎng)絡(luò)算法61-72
• 5.3.1 人工神經(jīng)網(wǎng)絡(luò)算法原理61-63
• 5.3.2 基于人工神經(jīng)網(wǎng)絡(luò)的采育目標(biāo)識別結(jié)果63-72
• 5.4 SVM支持向量機(jī)72-74
• 5.4.1 SVM支持向量機(jī)算法原理72-73
• 5.4.2 基于SVM的采育目標(biāo)識別結(jié)果73-74
• 5.5 不同算法的識別結(jié)果比較74
• 5.6 本章小結(jié)74-76
• 6 基于SVM的采育目標(biāo)識別算法的改進(jìn)與優(yōu)化76-90
• 6.1 SVM模型的參數(shù)優(yōu)化設(shè)置76-81
• 6.1.1 模型參數(shù)對模型性能的影響76-77
• 6.1.2 模型參數(shù)的優(yōu)化計算77-80
• 6.1.3 不同算法優(yōu)化后模型性能比較80-81
• 6.2 基于模糊SVM的采育目標(biāo)識別算法81-88
• 6.2.1 模糊支持向量機(jī)的算法原理82-83
• 6.2.2 模糊向量機(jī)的模糊隸屬度計算83-84
• 6.2.3 不同模糊向量機(jī)模型對采育目標(biāo)識別結(jié)果比較84-88
• 6.3 不同檢測模式下的算法驗證88-89
• 6.4 檢測結(jié)果可視化顯示89
• 6.5 本章總結(jié)89-90
• 7 結(jié)論與展望90-92
• 7.1 結(jié)論90
• 7.2 創(chuàng)新點90
• 7.3 不足與展望90-92
• 參考文獻(xiàn)92-98
• 個人簡介98-99
• 導(dǎo)師簡介99-100
• 獲得成果目錄100-101
• 致謝10

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫政,鄧俊輝,唐澤圣;基于狹縫圖像的四維光場模型[J];工程圖學(xué)學(xué)報;2000年03期

2 張亞南;朱長青;杜福光;;多進(jìn)制小波變換的圖像分辨率定量降低方法[J];地球信息科學(xué)學(xué)報;2012年03期

3 何建農(nóng);圖像的掃描、存貯及顯示[J];福建電腦;1994年01期

4 劉浩學(xué);楊文杰;黃敏;武兵;;一種用單幅圖像生成真實感立體圖的算法[J];北京印刷學(xué)院學(xué)報;2009年04期

5 胡少軍;耿楠;張志毅;楊沛;何東健;;基于稀疏圖像的真實樹交互式建模方法[J];農(nóng)業(yè)工程學(xué)報;2014年09期

6 李蘭;各種分辨率[J];電子科技;2000年17期

7 崔寧;視頻圖像分辨率的特點和概念[J];現(xiàn)代電視技術(shù);2002年02期

8 王卓;焦淑紅;鄧?yán)?;基于降低圖像分辨率的紅外目標(biāo)跟蹤方法[J];應(yīng)用科技;2007年03期

9 朱萬軍;;漫談電子文件的分辨率[J];科協(xié)論壇(下半月);2007年04期

10 王江寧;紀(jì)力強(qiáng);;昆蟲圖像特征研究[J];山東大學(xué)學(xué)報(工學(xué)版);2011年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王江寧;紀(jì)力強(qiáng);;昆蟲圖像特征研究[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

2 楊德強(qiáng);蘇光大;徐天偉;;一種基于幻想臉的人臉圖像分辨率提升新技術(shù)[A];第二十七屆中國控制會議論文集[C];2008年

3 張莉;李佩臻;;用Photoshop對1：1萬DRG入庫數(shù)據(jù)的處理[A];全國測繪科技信息網(wǎng)中南分網(wǎng)第二十一次學(xué)術(shù)信息交流會論文集[C];2007年

4 任曉暉;龔勇清;;體全息存儲再現(xiàn)圖像分辨率實驗研究[A];第十一屆全國光學(xué)測試學(xué)術(shù)討論會論文（摘要集）[C];2006年

5 廖熠;趙榮椿;;一種基于小波分層模型的自然景物圖像表面恢復(fù)算法[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

6 劉達(dá);李樞平;;對DCI數(shù)字影院技術(shù)規(guī)范中圖像分級技術(shù)的理解[A];中國電影電視技術(shù)學(xué)會影視技術(shù)文集[C];2007年

7 湯敏;王惠南;;基于IDL語言的醫(yī)學(xué)圖像可視化初步研究[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

8 趙源萌;鄧朝;張馨;張存林;;被動式人體太赫茲安檢成像的分辨率增強(qiáng)算法研究[A];中國光學(xué)學(xué)會2011年學(xué)術(shù)大會摘要集[C];2011年

9 張尚軍;徐光;祁小江;;影響CR膠片質(zhì)量原因的探討[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

10 何東曉;隋守鑫;劉微;;高清透霧攝像機(jī)的研發(fā)及在交通領(lǐng)域的應(yīng)用[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 劉筱霞;陳永常;PHOTOSHOP中圖像分辨率的設(shè)置[N];中國包裝報;2002年

2 王樹連;從購買圖像到租用衛(wèi)星[N];中國測繪報;2003年

3 楊興平;如何抓取指定分辨率的圖像[N];中國電腦教育報;2003年

4 李鑫;飛利浦200BW8商務(wù)人士明智新寵[N];電子資訊時報;2007年

5 記者 曾遺榮邋通訊員 冷承秋 實習(xí)生 向哲林;美國一高科技公司將落戶武漢[N];湖北日報;2007年

6 唐鳳碧;正確運用數(shù)碼相機(jī)分辨率[N];中國攝影報;2007年

7 ;創(chuàng)維TWH-43L（DLP）光顯背投圖像不良的檢修[N];電子報;2008年

8 WLF;細(xì)說分辨率[N];電腦報;2003年

9 宏杉;感受專業(yè)動力[N];中國計算機(jī)報;2001年

10 宋連黨;家庭VCD像冊大制作[N];中國電腦教育報;2003年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王洪;航空光電平臺圖像穩(wěn)定技術(shù)研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2012年

2 孫艷;基于內(nèi)容圖像檢索與敏感圖像過濾的若干算法研究[D];吉林大學(xué);2011年

3 趙瑩;基于分形幾何學(xué)的圖像信息表示及其應(yīng)用研究[D];合肥工業(yè)大學(xué);2009年

4 唐穎軍;基于語義主題模型的圖像場景分類研究[D];北京交通大學(xué);2010年

5 陸麗;基于人臉圖像的性別識別與年齡估計研究[D];上海交通大學(xué);2010年

6 解文杰;基于中層語義表示的圖像場景分類研究[D];北京交通大學(xué);2011年

7 安維華;基于圖像的點云模型建造及其在環(huán)境映射中的繪制[D];北京大學(xué);2007年

8 胡安洲;主客觀一致的圖像感知質(zhì)量評價方法研究[D];中國科學(xué)技術(shù)大學(xué);2014年

9 王佳生;基于圖像的虛擬環(huán)境建模技術(shù)研究[D];哈爾濱工程大學(xué);2009年

10 李曉雯;面向膠囊內(nèi)鏡系統(tǒng)應(yīng)用的圖像壓縮和集成電路設(shè)計技術(shù)[D];清華大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 田廣昊;基于關(guān)聯(lián)規(guī)則的圖像挖掘技術(shù)研究[D];西安電子科技大學(xué);2008年

2 吳斌;安檢用X光機(jī)的圖像處理技術(shù)研究[D];南京理工大學(xué);2005年

3 彭俊;基于內(nèi)容的圖像分布式處理平臺的設(shè)計與實現(xiàn)[D];華中科技大學(xué);2013年

4 劉琳;基于圖像和磁技術(shù)的人民幣鑒別儀[D];華南理工大學(xué);2012年

5 鄒金池;圖像軟件的設(shè)計與應(yīng)用[D];電子科技大學(xué);2013年

6 張柳;基于單幅圖像去霧算法的改進(jìn)與實現(xiàn)[D];華中師范大學(xué);2014年

7 王雅萍;曲線結(jié)構(gòu)檢測在斑馬魚生物圖像研究中的應(yīng)用[D];西北工業(yè)大學(xué);2007年

8 顧嘉;感興趣區(qū)域圖像分級編碼策略[D];河北工業(yè)大學(xué);2007年

9 劉向晨;基于USB的CMOS圖像信號采集傳輸和成像研究[D];浙江工業(yè)大學(xué);2012年

10 許振輝;圖像的匹配擴(kuò)散研究[D];中國科學(xué)院研究生院（自動化研究所）;2009年

  本文關(guān)鍵詞：基于二維激光與圖像的林區(qū)采育目標(biāo)識別方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：378205