机载环境下多形态光电目标感知技术研究

发布时间：2021-05-24 07:38

　　随着无人平台技术与传感器设备的快速发展与完善,无人机载平台已经能够同时装备可见光、红外等多种载荷,从而实现对目标更为精准的定位。借助可见光、红外的成像特性以及无人机机动灵活的特点,多模无人机载光电成像平台在交通监控、野外搜救等民用领域得到了广泛应用。本文重点研究了无人机载光电平台下的多形态目标检测、识别及跟踪方法。主要的研究内容和取得的成果如下。（1）针对红外图像中弱小目标检测方法中存在对不同背景适应性差的问题,提出了一种基于卷积神经网络的红外弱小目标检测方法。首先,利用已有图像集对模型的参数进行预训练;其次,借助筛选操作的思想对网络进行调整;最后,利用训练所得参数实现对红外弱小目标的检测与增强。分别通过真实场景与模拟实验对检测方法进行测试,由仿真结果可知所提方法具有很好的检测效果。（2）针对原始YOLO检测方法对面目标的检测存在精度较低以及网络模型训练速度慢等问题,提出了一种快速端对端多尺度深层全卷积网络的光电面目标检测方法。首先,去掉了原始YOLO的全连接层,同时借鉴了Faster RCNN的预定义框机制,加快了网络的处理速度;其次,通过对应用环境与目标特性的分析,并针对探测目标的... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：104 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 课题背景与意义
    1.2 相关领域研究现状
        1.2.1 多形态目标检测方法的研究现状
        1.2.2 面目标跟踪方法的研究现状
    1.3 本论文课题来源及主要研究内容
        1.3.1 本论文课题来源
        1.3.2 主要研究内容
第二章 基于卷积网络的多形态目标检测
    2.1 引言
    2.2 基于卷积网络信息筛选的场景自适应红外弱小目标检测
        2.2.1 卷积神经网络原理概述
        2.2.2 卷积网络信息筛选弱小目标检测
        2.2.3 算法评估标准
        2.2.4 实验结果分析
    2.3 基于多尺度深层全卷积网络的快速高精度光电面目标检测
        2.3.1 YOLO检测过程概述
        2.3.2 快速多尺度深层全卷积网络目标检测原理
        2.3.3 算法评估标准
        2.3.4 实验结果分析
    2.4 本章小结
第三章 基于多层深度特征结合的自更新抗遮挡目标跟踪
    3.1 引言
    3.2 核相关跟踪基本原理
        3.2.1 线性条件下的岭回归
        3.2.2 非线性核空间的岭回归
    3.3 基于多层深度特征结合的自更新抗遮挡目标跟踪
        3.3.1 目标多层深度特征获取
        3.3.2 目标初步定位
        3.3.3 目标重检测与终定位
    3.4 实验结果与分析
        3.4.1 算法评估标准
        3.4.2 实验分析
    3.5 本章小结
第四章 基于私有云平台的多形态目标感知系统设计与实现
    4.1 引言
    4.2 基于私有云的多形态目标感知系统框架
    4.3 系统云化核心搭建过程
        4.3.1 整体部署规划
        4.3.2 验证模块部署
        4.3.3 云端数据存储模块部署
        4.3.4 镜像模块部署
        4.3.5 核心控制模块部署
        4.3.6 可视化操作模块
    4.4 目标感知云平台使用情况
        4.4.1 创建多形态目标感知系统云主机
        4.4.2 启动多形态目标感知云主机实例
        4.4.3 添加安全组管理规则
        4.4.4 远程访问目标感知云实例
        4.4.5 云环境安全性检查
        4.4.6 目标感知系统数据处理展示
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
附录
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]基于自适应改进的压缩域红外弱小目标检测[J]. 李安冬,林再平,安玮,杨林娜.  中国激光. 2015(10)
[2]基于空间距离改进的视觉显著性弱小目标检测[J]. 杨林娜,安玮,林再平,李安冬.  光学学报. 2015(07)
[3]采用图像块对比特性的红外弱小目标检测[J]. 王刚,陈永光,杨锁昌,高敏,戴亚平.  光学精密工程. 2015(05)
[4]基于分块速度域改进迭代运动目标检测算法的红外弱小目标检测[J]. 侯旺,于起峰,雷志辉,刘晓春.  物理学报. 2014(07)
[5]基于无下采样Contourlet变换和独立分量分析的红外弱小目标检测[J]. 吴一全,纪守新,占必超.  光学学报. 2011(05)
[6]基于图像稀疏表示的红外小目标检测算法[J]. 赵佳佳,唐峥远,杨杰,刘尔琦,周越.  红外与毫米波学报. 2011(02)
[7]红外图像序列运动小目标检测的预处理算法研究[J]. 周卫祥,孙德宝,彭嘉雄.  国防科技大学学报. 1999(05)



本文编号：3203822