基于图像结构化特征的飞行器检测算法研究

发布时间：2017-12-20 08:33

  本文关键词：基于图像结构化特征的飞行器检测算法研究　出处：《重庆大学》2016年硕士论文　论文类型：学位论文

  更多相关文章： 复杂背景 飞行器检测 结构化特征 角点特征 HOG特征

【摘要】：近年来随着信息技术的快速发展,目标行为分析在机器视觉、人工智能等领域得到了广泛地研究和应用。飞行器目标检测是分析飞行器行为和飞行器状态的重要基础,对于机场自动化管理、飞行器的飞行状态监控、飞行器安全保障等实际应用具有重大意义。与此同时,复杂背景下的飞行器目标检测存在背景复杂、外观差异大、姿态多样等难点,现有的目标检测方法很难解决这些问题。本文针对复杂背景下飞行器目标检测研究的难点。从飞行器的成像特点和结构化特征出发,提出了基于图像结构化特征的飞行器目标检测算法。完成的主要工作有:(1)针对飞行器目标检测中存在的飞行器型号种类多、外形差异大、姿态变化大的问题,分析了飞行器的动力学原理和外形结构,并研究了其在二维平面中的成像特点;根据飞行器突出的角点和边缘特征,确定了由图像角点、边缘以及其结构化关系出发对飞行器目标检测算法进行研究的思路。(2)针对复杂背景中遮挡、图像低对比度等原因造成目标边缘轮廓提取不完整的问题,提出了基于图像角点的飞行器感兴趣区域提取方法。根据飞行器角点间的结构化关系和计算几何中的凸壳理论,设计了基于Harris角点的飞行器感兴趣区域提取算法。实验结果表明该算法在不同的场景下均能有效地提取飞行器感兴趣区域。(3)针对复杂背景中飞行器边缘特征提取的困难,提出了利用HOG特征来提取飞行器结构化边缘特征的方法;针对HOG特征维数较高导致分类器训练和分类时间较长的缺点,设计了基于级联Adaboost学习算法的HOG分类器训练方法,并训练出了飞行器目标分类器。实验结果表明训练出的分类器对不同场景下的飞行器目标均取能较好的检测结果。实验结果表明,本文设计的算法在一定程度上克服了飞行器目标检测背景复杂、型号种类多、姿态变化大的困难,且与传统的飞行器目标检测方法相比具有更高的检测率和更低的误检率,为飞行器状态和行为智能分析提供了有力的保障。
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V355;TP391.41

【参考文献】

中国期刊全文数据库 前7条

1 章为川;孔祥楠;宋文;;图像的角点检测研究综述[J];电子学报;2015年11期

2 林煜东;和红杰;尹忠科;陈帆;;基于稀疏表示的可见光遥感图像飞机检测算法[J];光子学报;2014年09期

3 王国德;张培林;任国全;寇玺;;融合LBP和GLCM的纹理特征提取方法[J];计算机工程;2012年11期

4 仇建斌;李士进;王玮;;角点与边缘信息相结合的遥感图像飞机检测新方法[J];微电子学与计算机;2011年09期

5 朱宪伟;李由;于起峰;;机载视觉自主着陆过程中的跑道提取方法[J];国防科技大学学报;2009年02期

6 史泽林,王俊卿,黄莎白;模糊几何特征及其在人造目标检测中的应用[J];光电工程;2005年11期

7 李俊,杨新,施鹏飞;基于Mumford-Shah模型的快速水平集图像分割方法[J];计算机学报;2002年11期

中国博士学位论文全文数据库 前1条

1 许鹏飞;图像结构化特征表达方法研究[D];哈尔滨工业大学;2013年

中国硕士学位论文全文数据库 前1条

1 蒋联源;凸壳算法及其应用研究[D];广西师范大学;2007年

，

本文编号：1311444