基于超像素的无人机机器视觉算法研究
发布时间：2021-06-08 06:33
无人机已成为当今世界快速发展的重要领域,其应用包含了军事和民用的多个领域。而基于无人机的机器视觉算法更是成为研究热点。其中,目标显著性检测和视频目标跟踪算法的研究具有重要的应用价值。超像素,作为一种重要的图像特征描述,由于其包含丰富的图像冗余信息,在很大程度上可以降低后续视觉处理问题的复杂度。针对无人机航拍图像存在的背景复杂、目标尺度变化及位置漂移等问题,本文将超像素与无人机航拍视频目标显著性检测和跟踪算法研究相结合,重点对超像素分割算法进行改进。针对目标显著性检测和目标跟踪算法对图像信息特征的要求,分别在提高超像素分割精度、超像素质量及加快超像素分割算法速度方面提出两种改进算法。同时,结合对传统的目标显著性检测算法和目标跟踪算法的改进,提高了检测算法的精度和跟踪算法的鲁棒性。此外,本文还提出一种基于稀疏表示的超分辨率重建算法,作为无人机图像的复原技术。具体工作内容如下:（1）提出一种基于稀疏表示的超分辨率重建的无人机图像复原技术。针对无人机由于在图像信号的采集、传输及存储方面存在的限制及天气等环境因素造成的图像分辨率下降的问题。本文将稀疏表示理论用于对低分辨率图像的重建过程,实现了速...
【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】：80 页
【学位级别】：硕士
【部分图文】：
四种超像素算法分割结果
d)稀疏表示(b)最近邻插值图2.9 超分辨重建算法对比图从图 2.9 的视觉对比图可以看出，基于稀疏表示的方法重建后的图像质量最好。在客观评价中，表 2.2 给出了三种方法的 PSNR 和 SSIM 值表：表2.2 三种超分辨重建 PSNR 和 SSIM 值表算法 PSNR（dB） SSIM最近邻插值 21.74 0.57双三次插值 23.55 0.66稀疏表示 26.45 0.79由上表可以证实基于稀疏表示的重建算法具有较高的性能，重建出的图片质量更好，更有利于处理无人机航拍图像的复原工作。
先验轮廓分割结果图3.1 改进 SLIC 算法整体框架3.1.1 像素邻域上的鲁棒距离无人机航拍的图像呈现出尺度变化及较大噪声的问题，这将对超像素分割产生影响。因此，本文将考虑引入像素邻域信息，包括颜色及边缘轮廓特征，以达到提高分割精度和鲁棒性的效果。本节将详细介绍 SLIC 算法中距离测量的改进方法。首先在 SLIC 算法的第二步计算像素i和聚类中心iC 的距离时，引入像素 i 的邻域信息。所考虑的邻域范围是以像素i 为中心，大小为 2 n 1 2 n 1 的正方形区域 i ，新的颜色距离定义为： 2,kc k j Cj iD i C R R (3-1)其中，生成的超像素kS 由聚类中心kC 描述，其包含所有属于该超像素中所有像素的平均 CIELAB 颜色信息 , , Ti i i iR l a b及位置信息 , Ti i iX x y
【参考文献】：
期刊论文
[1]无人机技术发展简况与分析[J]. 何雨瑄,杨涛. 山东工业技术. 2016(20)
[2]Region-of-interest based rate control for UAV video coding[J]. 赵春蕾,戴明,熊晶莹. Optoelectronics Letters. 2016(03)
硕士论文
[1]基于学习的图像超分辨率重建算法研究[D]. 冯源.哈尔滨理工大学 2015
本文编号：3217865
【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】：80 页
【学位级别】：硕士
【部分图文】：
四种超像素算法分割结果
d)稀疏表示(b)最近邻插值图2.9 超分辨重建算法对比图从图 2.9 的视觉对比图可以看出，基于稀疏表示的方法重建后的图像质量最好。在客观评价中，表 2.2 给出了三种方法的 PSNR 和 SSIM 值表：表2.2 三种超分辨重建 PSNR 和 SSIM 值表算法 PSNR（dB） SSIM最近邻插值 21.74 0.57双三次插值 23.55 0.66稀疏表示 26.45 0.79由上表可以证实基于稀疏表示的重建算法具有较高的性能，重建出的图片质量更好，更有利于处理无人机航拍图像的复原工作。
先验轮廓分割结果图3.1 改进 SLIC 算法整体框架3.1.1 像素邻域上的鲁棒距离无人机航拍的图像呈现出尺度变化及较大噪声的问题，这将对超像素分割产生影响。因此，本文将考虑引入像素邻域信息，包括颜色及边缘轮廓特征，以达到提高分割精度和鲁棒性的效果。本节将详细介绍 SLIC 算法中距离测量的改进方法。首先在 SLIC 算法的第二步计算像素i和聚类中心iC 的距离时，引入像素 i 的邻域信息。所考虑的邻域范围是以像素i 为中心，大小为 2 n 1 2 n 1 的正方形区域 i ，新的颜色距离定义为： 2,kc k j Cj iD i C R R (3-1)其中，生成的超像素kS 由聚类中心kC 描述，其包含所有属于该超像素中所有像素的平均 CIELAB 颜色信息 , , Ti i i iR l a b及位置信息 , Ti i iX x y
【参考文献】：
期刊论文
[1]无人机技术发展简况与分析[J]. 何雨瑄,杨涛. 山东工业技术. 2016(20)
[2]Region-of-interest based rate control for UAV video coding[J]. 赵春蕾,戴明,熊晶莹. Optoelectronics Letters. 2016(03)
硕士论文
[1]基于学习的图像超分辨率重建算法研究[D]. 冯源.哈尔滨理工大学 2015
本文编号：3217865
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3217865.html
