基于可见光图像的飞行器多目标识别及位置估计

发布时间：2023-11-15 17:09

　　随着计算机视觉的飞速发展,基于可见光图像的目标识别及跟踪算法,在视频监控、人机交互等领域,得到了广泛的应用。本文主要针对目标识别及跟踪算法进行研究,针对传统算法的缺点,提出改进方案,实现了航拍图像的多目标识别以及对航拍视频的多目标跟踪,并且基于飞行器通过航拍图像对地面目标位置估计的方法进行了理论研究。首先,本文研究了去除图像噪声的均值滤波算法、中值滤波算法及高斯滤波算法,通过仿真实验得到了三种滤波算法的去噪效果及特点;考虑到雾霾对图像像素质量的影响,本文研究了暗通道先验的图像去雾算法,并对雾霾图像和视频进行去雾仿真,针对传统视频去雾算法的不足,提出改进的视频去雾算法对其进行改进,并进行仿真验证。然后,在多目标识别方面,首先在传统机器视觉框架内,提出了改进特征提取算法多目标识别技术,将其应用于传统的机器视觉多目标识别算法中,分别针对地面平视拍摄图像及低空俯拍图像进行多目标识别仿真,仿真结果表明该算法在识别的精度上需要进一步改进。接下来,考虑到传统机器视觉的局限性,本文研究了基于神经网络的多目标识别算法,通过对YOLO算法和SSD算法的原理分析及仿真,结果表明YOLO算法和SSD算法存在抗...

【文章页数】：97 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
    1.3 本文主要研究内容和结构
        1.3.1 本文主要研究内容
        1.3.2 本文主要结构
第2章 图像去噪及视频去雾改进算法
    2.1 图像去噪
        2.2.1 图像噪声
        2.2.2 图像去噪算法
    2.2 暗通道先验图像去雾算法
    2.3 改进的视频去雾算法研究
        2.3.1 大气光平滑处理
        2.3.2 基于直方图均衡化的图像增强技术
        2.3.3 改进的视频去雾算法
    2.4 本章小结
第3章 基于改进特征提取算法的多目标识别技术
    3.1 矩形框的设置
    3.2 特征提取技术
        3.2.1 SIFT特征提取算法
        3.2.2 SURF特征提取算法
        3.2.3 改进的特征提取算法
    3.3 SVM分类器
    3.4 基于改进特征提取算法的多目标识别技术
    3.5 本章小结
第4章 基于神经网络的多目标识别算法
    4.1 卷积神经网络及样本采集
    4.2 YOLO目标识别算法
        4.2.1 网络模型及损失函数的训练
        4.2.2 非极大值抑制及网络测试过程
        4.2.3 YOLO目标识别算法的仿真
    4.3 SSD目标识别算法
        4.3.1 SSD算法的网络模型
        4.3.2 网络训练过程
        4.3.3 SSD目标识别算法的仿真
    4.4 改进的神经网络多目标识别算法
        4.4.1 改进算法的特征增强
        4.4.2 改进算法的网络模型
        4.4.3 仿真与分析
    4.5 本章小结
第5章 多目标跟踪算法及飞行器位置估计
    5.1 KCF目标跟踪算法的原理
    5.2 KCF目标跟踪算法的实现
        5.2.1 循环矩阵及多通道特征提取
        5.2.2 核函数的脊回归及样本的快速检测
        5.2.3 KCF多目标跟踪算法的仿真与分析
    5.3 改进的多目标跟踪算法
        5.3.1 多尺度模块的设计
        5.3.2 抗遮挡模块的设计
        5.3.3 改进的多目标跟踪算法及仿真
    5.4 飞行器位置估计
        5.4.1 摄像机的成像原理和坐标转换
        5.4.2 基于相似三角形的图像测距
    5.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和获得的科研成果
致谢



本文编号：3864147