基于图像处理的机场外来物检测研究

发布时间：2017-08-11 14:34

  本文关键词：基于图像处理的机场外来物检测研究

  更多相关文章： FOD 图像处理 异物检测 异物识别

【摘要】：当今社会生活节奏越来越快,航空运输也越来越发达,空中飞行器的使用呈现井喷式增长。随着空中流量的增长,飞行器的安全成为广泛关注的问题,其中,机场停机坪的异物是引发事故的一种隐患。为了减少发生事故的可能性,同时提高航空运行效率,利用基于视频检测技术自动检测机场外来异物受到人们重视。相比于传统的人工清除,智能视频监控具有操作简单、直观性强,成本低等特点,是机场外来异物检测的新方式。本文针对机场外来异物视频处理方法和系统构建进行了研究。本文采用高清摄像球机采集待检测区域视频数据,通过分析和处理视频图像数据,实现了对机场规定区域场景中的外来异物目标的检测、识别与报警。本文给出了一种基于时间平滑的背景提取方法,相比于中值法和其他统计模型算法,计算效率更高,更适用于变化较小的画面。同时,采用了选择性图像背景自适应更新算法,将背景和前景图像分离,利用背景部分进行背景更新,更好地适应了背景的变化。本文根据实际需要研究了微小目标的检测算法,在常用的目标检测算法的基础上进行了改进与更新。即采用了一种基于背景相减与时域平滑的目标提取方法,结合了传统的背景作差法和帧差法,相比了单一的背景作差法与帧差法,改进的算法可以有效减少外界光线等条件变化对检测结果的影响。给出了一种连通区域的查找方法,以矩形框作为目标的提取结果,简化了目标模型。同时,由于检测区域较大,本文将大区域划分为若干孙区域,程序加入了摄像机的轮询扫描功能,分块扫描的同时,也可以排除疑似FOD报警记录,给出有效的FOD位置信息和报警记录。以上算法及程序开发部分基于MFC平台下设计与实现,经过室外环境测试达到了异物检测以及定位的功能。本文最后提出了一种构建实时机场外来异物监测系统的方法,利用高分辨率球机、控制计算机等设备搭建监测平台。该视频监测装置可监测较大范围内的直径可达2cm的FOD,且操作简易,经济有效,检测方法集视频监控、视频处理和实时报警于一体,可在无人值守的情况下自主对区域内疑似FOD进行判断并报警,实现一种准确、高效的机场外来异物(FOD)监测系统。
【关键词】：FOD 图像处理 异物检测 异物识别
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V328;TP391.41
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-17
• 1.1 课题的研究背景11-12
• 1.2 国内外研究现状12-15
• 1.2.1 国外研究现状12-14
• 1.2.2 国内研究现状14-15
• 1.3 论文研究内容及意义15
• 1.4 论文组织结构15-17
• 第二章 视频图像特点与数字图像处理基本理论17-27
• 2.1 图像与视频图像的含义与特点17-18
• 2.2 图像的颜色空间介绍18-19
• 2.2.1 RGB空间18
• 2.2.2 YUV空间18-19
• 2.2.3 YCbCr空间19
• 2.3 图像的灰度转化与二值转化19-21
• 2.3.1 图像灰度转化的基本原理19-20
• 2.3.2 灰度图像的矩阵表示20
• 2.3.3 图像二值化处理的基本原理20-21
• 2.4 视频图像的背景提取21-23
• 2.4.1 统计的直方图法21-22
• 2.4.2 中值法22
• 2.4.3 平均帧法22-23
• 2.5 其他已知的图像处理技术分类23-26
• 2.5.1 图像变换23-24
• 2.5.2 图像增强24-25
• 2.5.3 图像编码25
• 2.5.4 图像复原25-26
• 2.5.5 图像分割26
• 2.6 本章小结26-27
• 第三章 FOD目标检测27-39
• 3.1 检测预处理——提取与更新背景27-29
• 3.1.1 背景初始化27-29
• 3.1.2 待检测区域的背景更新29
• 3.2 图像噪声去除——图像平滑29-32
• 3.2.1 邻域平均法30-31
• 3.2.2 阈值邻域平均法31
• 3.2.3 低通滤波法31-32
• 3.2.4 均值滤波——多图像平均法32
• 3.2.5 噪声处理效果32
• 3.3 图像边缘加强——锐化处理32-34
• 3.4 常见目标检测方法34-36
• 3.4.1 帧差法34-35
• 3.4.2 背景作差法35-36
• 3.5 改进的目标检测算法36-38
• 3.6 本章小结38-39
• 第四章 FOD目标的识别与判定39-55
• 4.1 目标图像提取后处理——形态学处理39-43
• 4.1.1 图像的膨胀39-41
• 4.1.2 图像的腐蚀41-42
• 4.1.3 腐蚀膨胀算法的实际应用42-43
• 4.2 阴影问题处理43-47
• 4.2.1 阴影的类型与特性43-45
• 4.2.2 阴影检测与去除的常用方法45-46
• 4.2.3 本文采用的阴影检测与去除方法46-47
• 4.3 FOD目标的提取47-48
• 4.4 FOD目标跟进与确认48-53
• 4.4.1 FOD目标二次检测与确认流程48-52
• 4.4.2 二次检测中的算法优化52
• 4.4.3 图像抖动的快速消除算法52-53
• 4.5 本章小结53-55
• 第五章 FOD视频监控系统的设计与实现55-69
• 5.1 系统概述55-56
• 5.2 系统设计思路56-57
• 5.3 球机图像数据的获取57-58
• 5.4 模块设计——图像处理功能的实现58-60
• 5.4.1 基本的球机运动控制58-59
• 5.4.2 轮询功能的实现——预置位控制59
• 5.4.3 图像结果的保存——拍照与录像59-60
• 5.5 系统工作流程图60-61
• 5.6 系统测试布局与测试结果61-66
• 5.6.1 用于系统测试的FOD目标62-64
• 5.6.2 测试目标的布局64-66
• 5.7 系统测试结果展示66-67
• 5.8 本章小结67-69
• 第六章 总结与展望69-71
• 6.1 本文工作总结69-70
• 6.2 未来工作展望70-71
• 致谢71-73
• 硕士期间科研成果73-75
• 参考文献75-78

【参考文献】

中国期刊全文数据库 前10条

1 邱聚能;李辉;闫乐乐;梁平;;基于图像质量评价的LCD运动模糊检测方法[J];液晶与显示;2015年03期

2 桑海峰;李伟;陈仲;;自适应权值的静态背景提取与更新算法[J];电子测量与仪器学报;2015年03期

3 庄哲民;章聪友;杨金耀;李芬兰;;基于灰度特征和自适应阈值的虚拟背景提取研究[J];电子与信息学报;2015年02期

4 袁博;阮秋琦;安高云;;改进的自适应灰度视频序列阴影检测方法[J];信号处理;2014年11期

5 张明杰;康宝生;;一种改进的目标自动跟踪与计数方法研究[J];计算机应用研究;2014年06期

6 陈唯实;李敬;;基于视频数据的机场跑道外来物检测[J];北京航空航天大学学报;2014年12期

7 常庆龙;夏洪山;黎宁;;一种基于归一化前景和角点信息的复杂场景人数统计方法[J];电子与信息学报;2014年02期

8 华媛蕾;刘万军;;改进混合高斯模型的运动目标检测算法[J];计算机应用;2014年02期

9 马爽;樊养余;雷涛;吴鹏;;一种基于多特征提取的实用车牌识别方法[J];计算机应用研究;2013年11期

10 屈静军;曹晓勇;李佳宁;;视频序列中运动目标检测与跟踪[J];信息通信;2013年04期

中国硕士学位论文全文数据库 前2条

1 杨晶晶;数字视频图像预处理算法的研究与实现[D];复旦大学;2012年

2 樊曼R，

本文编号：656654