面向小型无人机的小目标识别技术研究

发布时间：2020-08-25 21:27

【摘要】：近年来小型无人机在气象探测、地图测绘、边境控制、森林火灾防救、灾害监测、农药喷洒、交通管制和地质勘测等领域具有广泛的应用价值。无人机可见光图像目标小、对比度弱、背景复杂多变,小目标可能完全淹没在背景噪声中,在这种复杂背景的条件下,检测出小目标变得非常困难。针对上述问题本文首先对小目标图像进行初始分割,将小目标从背景中分割出来,接着进行SLIC(Simple Linear Iterative Clustering)精细分割,分割出容易隐藏在背景中的小目标,然后采用 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法剔除部分虚假目标,提出一种基于SVM(Support Vector Machine)支持向量机的小目标检测方法,本文的主要工作包括:1.小目标分割。针对小型无人机图像对比度弱的问题,对小目标图像进行光线增强。然后对小目标图像进行滤波,形态学变换将小目标从背景中分割出来。小目标尺寸比较小,容易隐藏在背景中,接着对小目标图像进行SLIC精细分割,将小目标图像分割成超像素单元。把超像素单元的亮度空间作为聚类特征,采用DBSCAN聚类算法对分割成的超像素单元进行聚类,剔除部分虚假目标。2.小目标特征提取。小目标尺寸比较小,直接提取HOG、LBP等特征具有很大的难度。传统的方法直接将均值、方差、信息熵作为SVM支持向量机的输入训练SVM支持向量机,实践证明该方法不能应对复杂场景。本文提取小目标的均值、方差、信息熵等特征,将它们进行特征融合后作为系统的输入,提出了一种改进的特征训练方法训练SVM支持向量机。3.小目标识别算法移植。针对工程的可应用性进行了移植验证,将小目标识别算法移植到DM642平台上。同时考虑到本次设计的实时性要求,借助RF5参考框架新建三个任务,分别实现视频的采集、处理、显示任务,三个任务相互配合实现小目标的检测。实验结果表明:算法在复杂场景也具有一定的准确率,满足实时性要求。
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：V279
【图文】：

框图,系统总体,模块,框图

本次设计的背景是基于某研究所的一个预研项目，项目主要分为小目标图逡逑像的ＳＬＩＣ分割，ＤＢＳＣＡＮ聚类，小目标的识别和最后的硬件移植验证等模块。逡逑移植的平台是基于ＤＳＰ的ＤＭ６４２，各个模块的组成如图１．１所示。逡逑３逡逑

流程图,小目标,图像预处理,流程图

２．１预处理流程逡逑小目标图像的预处理是由一系列的步骤组成，本章主要介绍小目标图像的逡逑预处理，具体的流程图如图２．１所示：逡逑ｃ开始）逡逑逦逦逡逑中值滤波逦逦？形态学初始分割逡逑逦＾逦邋逦３Ｃ逦逦逡逑光线增强邋逦＾输出结果逡逑ｆ邋结束Ｄ逡逑图２．１小目标图像预处理流程图逡逑本章主要介绍小目标图像的预处理，如图２．〗可以看到，这个流程是小目标逡逑图像的初始阶段，主要包括中值滤波，主要目的是去除小目标图像的椒盐噪声等逡逑杂波，光线增强，增加图像的对比度，弥补小型无人机图像的光线不足，接着进逡逑行形态学的初始分割，将小目标从背景中分割出来，图像预处理在整个流程里面逡逑是至关重要的，如果预处理的效果不好，将直接影响后面的检测结果。下面介绍逡逑了图像预处理的算法原理及其实现方法。逡逑６逡逑

框图,模块组成,框图

以方便的调用，使用ＯｐｅｎＣＶ开源视觉库可以大大缩短开发周期。逡逑ＯｐｅｎＣＶ库的功能非常强大，按照常用的功能算法，可以将它划分为五个模逡逑块，其中四个模块如图２．２所示。ＣＶ模块封装的主要是一些基础的图像处理的逡逑函数同时也有一些高级的计算机视觉库。ＭＬ是主要用来做机器学习的库，这个逡逑库的特点是包括一些分类和聚类工具。ＨｉｇｈＧＵＩ包含图像和视频输入／输出的函逡逑数。ＣＸＣｏｒｅ包含ＯｐｅｎＣＶ的一些基本数据结构和相关函数。逡逑ｃｖ图像处理和视觉算法逦ＭＬ统计分类器逦丨逡逑逦ｉｚ逦＼ｚ逦＼７逦逡逑Ｃｘｏｒｅ逡逑基本结构和算法、ＸＭＬ支持、绘图函数逡逑图２．２邋ＯｐｅｎＣＶ模块组成框图逡逑ＯｐｅｎＣＶ还有很多其他的特点。比如，它的源代码完全开源代码免费共享，逡逑可以跨平台操作，大部分算法都经过高度优化，运行速度非常快，使用简单等，逡逑本次设计过程中采用Ｖｉｓｕａｌ邋Ｓｔｕｄｉｏ邋２０１０结合ＯｐｅｎＣＶ邋２．４进行算法的实现。逡逑７逡逑

【参考文献】