非视域场景下的目标识别
发布时间：2022-02-19 06:31
非视域成像是当前激光成像领域的一个新兴方向,通过该技术能够对光学系统视场外的区域进行成像,对提升反恐能力和自动驾驶能力具有重要意义。近年来,随着探测仪器精度的提升和图像重构算法的完善,非视域成像愈发趋近于实际应用,在非视域场景下对目标进行识别的需求日益增加。然而目前对于非视域识别仍存在着两方面问题,一方面现有的图像恢复算法不能较好的均衡算法实时性和图像还原质量,另一方面,非视域还原的图像普遍质量较差,物体的形状畸变较为严重,导致难以进行识别。因此,本文就如何重构出适合于识别的目标图像,以及如何对非视域图像进行识别两方面进行了研究。首先,本文针对非视域的实验场景,建立了相应的激光传播模型,以该理论模型为依据,对实验场景进行了仿真,从而对空间中不同位置、不同类别的物体进行了模拟,生成了对应的探测器数据。同时考虑到现有的图像还原算法无法较好的兼顾重构速度和精度,因此本文通过引入Meanshift定位算法,从而将虚拟波和椭球逆投影较好的结合起来,以更快的速度从信号中还原获得了更高质量的点云图像,进而生成了一系列训练样本和测试样本图像,为后续针对非视域图像的特征提取提供样本素材。其次,本文针对非...
【文章来源】：哈尔滨工业大学黑龙江省211工程院校985工程院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究的背景和意义
1.2 非视域成像的国内外研究现状
1.2.1 国外非视域成像研究现状
1.2.2 国内非视域成像研究现状
1.3 非视域识别的国内外研究现状
1.4 国内外研究现状分析
1.5 本文的主要研究内容
第二章 非视域激光成像理论及仿真
2.1 引言
2.2 非视域场景下激光传输模型的原理及仿真
2.2.1 非视域场景下激光传输模型的原理
2.2.2 非视域场景下激光传输模型的仿真
2.3 基于非视域目标的图像还原算法
2.3.1 大尺度低精度图像还原算法
2.3.2 基于Meanshift的点云定位算法
2.3.3 小尺度高精度图像还原算法
2.4 非视域图像还原评价指标的建立
2.5 本章小结
第三章 基于非视域目标的特征提取
3.1 引言
3.2 基于非视域图像的预处理
3.2.1 三维拉普拉斯滤波
3.2.2 最大值投影法
3.3 基于非视域图像的传统特征提取
3.3.1 常见的形状特征提取方法分析
3.3.2 基于HOG特征的形状特征提取
3.3.3 常见的纹理特征提取算法分析
3.3.4 基于Gabor特征的纹理特征提取
3.4 基于非视域图像的深度特征提取
3.4.1 卷积神经网络原理
3.4.2 基于卷积神经网络的深度特征提取
3.5 特征评价指标的建立
3.6 本章小结
第四章 非视域场景下的目标识别
4.1 引言
4.2 基于支持向量机的目标识别算法
4.2.1 支持向量机原理
4.2.2 基于粒子群算法的参数选取方法
4.3 基于特征融合的目标识别算法
4.3.1 常见融合算法的分析
4.3.2 基于Stacking集成的目标识别算法
4.3.3 识别评价指标的建立
4.4 本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于深度学习的非视域成像[J]. 于亭义,乔木,刘红林,韩申生. 光学学报. 2019(07)
[2]基于距离选通的非视域成像技术实验[J]. 韩宏伟,钟炜. 光学仪器. 2015(03)
[3]基于激光距离选通的非视域成像特性分析[J]. 许凯达,金伟其,刘敬,郭晖,裘溯,李力,赵绅有. 兵工学报. 2014(12)
[4]基于激光距离选通成像的非视域成像应用[J]. 许凯达,金伟其,刘敬,裘溯,田训卿. 红外与激光工程. 2012(08)
博士论文
[1]多维高分辨雷达图像目标识别方法研究[D]. 周知.电子科技大学 2019
[2]数字图像缩放及其质量评价方法研究[D]. 王博.哈尔滨工程大学 2015
硕士论文
[1]基于SVM和RPCA的目标检测算法若干研究[D]. 焦佳丽.南京邮电大学 2019
[2]红外成像/雷达融合的小目标跟踪方法研究[D]. 董良武.华中科技大学 2019
[3]粒子群优化算法的改进和应用研究[D]. 赵毅.沈阳工业大学 2019
[4]可见光遥感图像舰船目标检测技术研究[D]. 李庆峰.中国科学院大学(中国科学院长春光学精密机械与物理研究所) 2019
[5]激光非视域成像场景仿真与三维重建技术研究[D]. 镡京京.中国科学院大学(中国科学院西安光学精密机械研究所) 2018
[6]基于光子计数的非视域激光成像方法的优化研究[D]. 谢佳衡.哈尔滨工业大学 2017
[7]光学遥感图像舰船目标检测技术的研究[D]. 彭敬涛.东华大学 2017
[8]短波红外激光非视域三维成像系统及性能研究[D]. 张飞翔.哈尔滨工业大学 2016
[9]基于光子计数原理的非视域激光三维成像的精度研究[D]. 翟建华.哈尔滨工业大学 2015
本文编号：3632404
【文章来源】：哈尔滨工业大学黑龙江省211工程院校985工程院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究的背景和意义
1.2 非视域成像的国内外研究现状
1.2.1 国外非视域成像研究现状
1.2.2 国内非视域成像研究现状
1.3 非视域识别的国内外研究现状
1.4 国内外研究现状分析
1.5 本文的主要研究内容
第二章 非视域激光成像理论及仿真
2.1 引言
2.2 非视域场景下激光传输模型的原理及仿真
2.2.1 非视域场景下激光传输模型的原理
2.2.2 非视域场景下激光传输模型的仿真
2.3 基于非视域目标的图像还原算法
2.3.1 大尺度低精度图像还原算法
2.3.2 基于Meanshift的点云定位算法
2.3.3 小尺度高精度图像还原算法
2.4 非视域图像还原评价指标的建立
2.5 本章小结
第三章 基于非视域目标的特征提取
3.1 引言
3.2 基于非视域图像的预处理
3.2.1 三维拉普拉斯滤波
3.2.2 最大值投影法
3.3 基于非视域图像的传统特征提取
3.3.1 常见的形状特征提取方法分析
3.3.2 基于HOG特征的形状特征提取
3.3.3 常见的纹理特征提取算法分析
3.3.4 基于Gabor特征的纹理特征提取
3.4 基于非视域图像的深度特征提取
3.4.1 卷积神经网络原理
3.4.2 基于卷积神经网络的深度特征提取
3.5 特征评价指标的建立
3.6 本章小结
第四章 非视域场景下的目标识别
4.1 引言
4.2 基于支持向量机的目标识别算法
4.2.1 支持向量机原理
4.2.2 基于粒子群算法的参数选取方法
4.3 基于特征融合的目标识别算法
4.3.1 常见融合算法的分析
4.3.2 基于Stacking集成的目标识别算法
4.3.3 识别评价指标的建立
4.4 本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于深度学习的非视域成像[J]. 于亭义,乔木,刘红林,韩申生. 光学学报. 2019(07)
[2]基于距离选通的非视域成像技术实验[J]. 韩宏伟,钟炜. 光学仪器. 2015(03)
[3]基于激光距离选通的非视域成像特性分析[J]. 许凯达,金伟其,刘敬,郭晖,裘溯,李力,赵绅有. 兵工学报. 2014(12)
[4]基于激光距离选通成像的非视域成像应用[J]. 许凯达,金伟其,刘敬,裘溯,田训卿. 红外与激光工程. 2012(08)
博士论文
[1]多维高分辨雷达图像目标识别方法研究[D]. 周知.电子科技大学 2019
[2]数字图像缩放及其质量评价方法研究[D]. 王博.哈尔滨工程大学 2015
硕士论文
[1]基于SVM和RPCA的目标检测算法若干研究[D]. 焦佳丽.南京邮电大学 2019
[2]红外成像/雷达融合的小目标跟踪方法研究[D]. 董良武.华中科技大学 2019
[3]粒子群优化算法的改进和应用研究[D]. 赵毅.沈阳工业大学 2019
[4]可见光遥感图像舰船目标检测技术研究[D]. 李庆峰.中国科学院大学(中国科学院长春光学精密机械与物理研究所) 2019
[5]激光非视域成像场景仿真与三维重建技术研究[D]. 镡京京.中国科学院大学(中国科学院西安光学精密机械研究所) 2018
[6]基于光子计数的非视域激光成像方法的优化研究[D]. 谢佳衡.哈尔滨工业大学 2017
[7]光学遥感图像舰船目标检测技术的研究[D]. 彭敬涛.东华大学 2017
[8]短波红外激光非视域三维成像系统及性能研究[D]. 张飞翔.哈尔滨工业大学 2016
[9]基于光子计数原理的非视域激光三维成像的精度研究[D]. 翟建华.哈尔滨工业大学 2015
本文编号：3632404
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3632404.html
