基于无人机平台的多光谱图像显著性检测系统

发布时间：2020-11-20 17:56

　　 近年来,无人机以体积小、重量轻、机动灵活的特点在诸多领域迅猛发展。在无人机上搭载显著性检测系统可使无人机快速灵活地处理采集的图像、标注显著目标的区域和位置,从而提高无人机的目标检测效率。本文设计并研制出一套基于无人机平台的多光谱图像显著性检测系统,该系统使用无人机搭载红外相机和可见光相机采集图像,通过图像传输子系统传回地面,在地面检测子系统上完成图像显著性检测。地面显著性检测子系统是本系统的重要组成部分,主要包括红外图像增强和超像素分割组成的预处理模块、静态和动态显著检测方法构成的显著性检测模块,以及显著目标分割模块。在静态显著性检测部分,针对传统的显著性检测方法存在的背景噪声干扰严重、前景内部不一致、轮廓边界不清晰等不足,本文提出了一种基于两级随机游走的显著性检测算法模型,通过使用部分吸收随机游走概率去加权吸收马尔科夫链从而得到边界描述性好、均匀突出了整个显著区域的检测结果。实验表明,该方法在公开数据集中获得了较好的性能曲线,在实际场景取得了良好的视觉效果。而基于运动信息的动态显著性检测算法重新考虑了光流统计方式和运动显著性的关系,通过光流直方图计算运动量级的对比度,从而得到运动显著性图像。实验表明,该方法在标准数据集和实际应用场景中均能得到定位准确,符合人眼主观评价的显著目标,有效地为系统提供了运动显著信息,完善了整个系统的检测结果。为了提升本系统的运行效率,本文采用基于GPU的CUDA架构对系统中的部分模块进行加速优化,经测试,经过优化的部分,其运行速度显著提升,保证了系统的实时性和有效性。在上述研究的基础上,本文搭建出一套基于无人机平台的多光谱图像显著性检测系统,验证了该系统的工作流程和检测功能。该系统运行效率高,显著性检测结果准确,功能模块全面完整,能够提供较为准确的显著目标轮廓和运动信息,提高了无人机的目标检测效率,具有很强的实用性和应用前景。
【学位单位】：南京理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP391.41;V279
【部分图文】：

图２．３云台与Ａ３飞行控制的连接图??

２检测系统的总体方案设计?硕士学却仅有５０？１５０毫秒的延时。??（２）视频的解压缩模块??在无线传输视频时，为了有效传输，保证传输效率与实时性，通常通过视频压到有效发送和存储数字视频文件的目的。在本系统的无人机传输中，采集到源视频需要通过压缩算法进行处理，传输和存储之后，通过相应的解压缩算法还原图像。其他编码方式，本系统采用Ｈ．２６４视频编解码技术，Ｈ．２６４视频的编码效率高，抗性强，而且对视频内容自适应性强。??如图２．４所示，Ｈ．２６４标准压缩系统由视频编码层（ＶｉｄｅｏＣｏｄｉｎｇＬａｙｅｒ，ＶＣＬ）网络提取层（ＮｅｔｗｏｒｋＡｂｓｔｒａｃｔｉｏｎＬａｙｅｒ，ＮＡＬ）两部分组成［２４］。桢内预测，侦间预于预测编码部分，与变换量化和熵编码构成了?ＶＣＬ层，ＮＡＬ层提供了一个统一的接采用统一的数据格式，封装打包视频数据然后在网络中传送。??

文系统分为飞行控制子系统、图像传输子系统、地面显著检设计上介绍了本系统的机载硬件组成和软件设计。硬件部台的性能和参数，机载系统的飞行控制系统、图传模块和，展示了系统各部件的连接方式，介绍了本系统信息传输的绍了地面ＰＣ端对航拍图像的处理模块，包括图像增强，动态显著性检测和图像分割等模块。清晰地展示了该系统基能和该系统的功能所在。??
【参考文献】

相关期刊论文 前8条

1 云红全;徐力;孙骁;明德烈;鞠雯;;基于超像素时空显著性的运动目标检测算法[J];红外技术;2015年05期

2 王树源;;国外军用无人机发展现状与趋势[J];硅谷;2014年18期

3 陈小波;鲁新平;刘志波;;一种基于图像分层处理的DDE算法[J];微处理机;2013年02期

4 陈滨;田启川;;改进的快速Otsu自适应分割算法及其应用[J];计算机应用研究;2012年04期

5 张伟;李松维;陈蕾;;计算机红外成像技术研究[J];电脑知识与技术;2010年15期

6 范永杰;金伟其;刘斌;刘崇亮;;FLIR公司热成像细节增强DDE技术的分析[J];红外技术;2010年03期

7 吕书强;晏磊;张兵;杨绍文;焦健;赵红颖;秦其明;曾琪明;;无人机遥感系统的集成与飞行试验研究[J];测绘科学;2007年01期

8 苏新兵 ,王建平,华江涛;无人驾驶飞机综述[J];航空制造技术;2003年09期

相关博士学位论文 前1条

1 魏昱;图像显著性区域检测方法及应用研究[D];山东大学;2012年

相关硕士学位论文 前10条

1 黄纪润;DJ公司无人机发展策略问题研究[D];华中师范大学;2016年

2 孙星;基于部分吸收随机游走的协同显著性检测[D];大连理工大学;2015年

3 王青苗;基于超像素分割的视觉显著性检测[D];河北工业大学;2015年

4 宋熙煜;基于超像素的图像分割技术研究[D];解放军信息工程大学;2015年

5 金纯;基于无人机平台的目标检测跟踪系统研究[D];西安电子科技大学;2015年

6 姜博文;基于马尔可夫链的显著性检测[D];大连理工大学;2014年

7 郑荟;基于超像素和图割的视频显著物体分割算法研究[D];中山大学;2014年

8 刘婷婷;红外图像细节增强算法与实现的研究[D];电子科技大学;2014年

9 马威;某无人机火箭助推发射起飞动力学研究与参数优化[D];南京理工大学;2014年

10 杨川;基于先验融合和流形排序的显著目标检测[D];大连理工大学;2013年

本文编号：2891787