基于多特征融合的无人机航拍图像识别研究

发布时间：2017-08-12 22:31

  本文关键词：基于多特征融合的无人机航拍图像识别研究

  更多相关文章： 航拍图像 特征提取 GLCM 多特征融合 神经网络

【摘要】：无人机作为一种新的航测平台在近年得到了迅速发展,广泛应用于低空摄影测量领域。目前,对无人机采集图像处理的研究热点和难点主要集中于图像的预处理和拼接等方面。结合数字图像处理方法和模式识别方法,加深对无人机航拍图像自动识别处理的研究,对于丰富无人机的应用范围和加强对航拍图像的有效利用,具有重要意义。本文在考虑单一图像特征对图像识别精度不高的前提下,提出采用多特征融合的方式对航拍图像进行识别;针对采用多特征融合完成航拍图像识别时,图像特征向量较多,难以确定特征权重,及航摄区域广,地物目标类别多、待识别分类对象多的特点,提出采用神经网络的分类方法,通过前向反馈不断调整阈值,得到较理想的分类结果。本文的主要工作如下:介绍了有关图像识别、图像预处理、图像分割、图像特征提取、多特征融合、无人机航拍图像处理的国内外研究现状;由于航拍图像存在镜头畸变、航拍易受到天气影响等因素,研究了图像的预处理方法,分析了图像镜头畸变校正、图像去噪、基于暗色先验的图像去雾技术,实现了航拍图像的镜头畸变校正及图像去雾处理;由于航拍地区包含范围较广,地物类别众多,在分析了图像基于阈值、区域、边缘检测的分割方法的基础上,根据航拍图像的特点,对航拍图像采用按一定像素大小分割成许多的图像块区域;针对图像多特征融合问题,研究了图像的颜色、纹理、形状特征提取方法;分析了图像的颜色矩、颜色直方图、颜色相关图,针对基于颜色直方图的特征提取方法维数太高的特点,对HSV颜色空间进行了非均匀量化,得到了航拍图像的22维颜色特征向量;基于纹理特征分析了空间自相关法、GLCM纹理特征、Tamura纹理特征、Gabor小波变换的纹理特征提取方法,实现了航拍图像基于GLCM纹理特征的8维纹理特征向量提取;基于形状特征提取分析了形状描述法、Hu不变矩描述法,实现了航拍图像的7个Hu不变矩形状特征提取;设计了采用多特征融合对航拍图像进行识别的方法流程;对图像的颜色直方图、GLCM纹理、Hu不变矩单一特征,通过BP神经网络分类,得到单一颜色特征对航拍图像识别,具有较好识别率,而单一纹理、形状特征的识别效果很差;对图像的颜色、纹理、形状特征进行两两融合及三个特征的融合,通过神经网络分类器得到图像识别结果,结果表明经过多特征融合提高了航拍图像整体的识别率;通过对比发现形状和纹理特征对于单一特征识别率很低的地物类别是重要特征,大大提高了该类地物的识别精度。
【关键词】：航拍图像 特征提取 GLCM 多特征融合 神经网络
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41;V279
【目录】：

• 摘要4-6
• Abstract6-10
• 第1章 引言10-16
• 1.1 研究背景与意义10-11
• 1.1.1 研究背景10-11
• 1.1.2 研究意义11
• 1.2 国内外研究进展11-14
• 1.3 技术路线与组织结构14-16
• 1.3.1 技术路线14-15
• 1.3.2 组织结构15-16
• 第2章 图像预处理与分割16-26
• 2.1 图像预处理16-20
• 2.1.1 镜头畸变校正16-17
• 2.1.2 图像平滑去噪17-19
• 2.1.3 暗原色先验图像去雾19-20
• 2.2 图像分割20-26
• 2.2.1 基于阈值的分割方法21
• 2.2.2 基于区域的分割方法21-22
• 2.2.3 基于边缘检测的分割方法22-24
• 2.2.4 无人机航拍图像的分块24-26
• 第3章 图像特征提取与分类研究26-43
• 3.1 颜色空间模型26-28
• 3.1.1 RGB颜色空间26
• 3.1.2 CMY颜色空间26-27
• 3.1.3 YIQ颜色空间27
• 3.1.4 HSV颜色空间27-28
• 3.2 颜色特征提取算法28-31
• 3.2.1 颜色矩28
• 3.2.2 颜色直方图28-29
• 3.2.3 颜色相关图29
• 3.2.4 图像颜色特征提取29-31
• 3.3 纹理特征提取算法31-37
• 3.3.1 空间自相关法纹理特征提取31-32
• 3.3.2 GLCM纹理特征提取32-34
• 3.3.3 Tamura纹理特征提取34-36
• 3.3.4 Gabor小波变换纹理特征提取36-37
• 3.3.5 图像纹理特征提取37
• 3.4 形状特征提取算法37-39
• 3.4.1 傅里叶描述法37-38
• 3.4.2 Hu不变矩描述法38-39
• 3.5 图像分类方法39-43
• 3.5.1 欧式距离分类法39-40
• 3.5.2 BP神经网络40-42
• 3.5.3 SVM分类器42-43
• 第4章 基于多特征融合的无人机航拍图像识别实验43-57
• 4.1 特征融合方式43
• 4.2 识别分类方法及流程43-45
• 4.3 基于神经网络的航拍图像识别45-51
• 4.3.1 实验数据及神经网络参数设置45-46
• 4.3.2 基于HSV空间的颜色直方图特征图像识别46-49
• 4.3.3 基于GLCM纹理特征的图像识别49-50
• 4.3.4 基于Hu不变矩的形状特征图像识别50-51
• 4.4 航拍图像多特征融合识别51-56
• 4.4.1 颜色直方图、GLCM特征融合识别51-52
• 4.4.2 颜色直方图、Hu不变矩特征融合识别52-54
• 4.4.3 GLCM纹理、Hu不变矩特征融合识别54
• 4.4.4 颜色直方图、GLCM纹理、Hu不变矩特征融合识别54-56
• 4.5 航拍图像识别总结与评价56-57
• 结论57-59
• 致谢59-60
• 参考文献60-63
• 攻读学位期间取得学术成果63

【共引文献】

中国期刊全文数据库 前10条

1 李训铭;周志权;;基于BP神经网络和灰色理论的示功图故障诊断[J];电子设计工程;2012年17期

2 韩致远;王伯安;;炼油企业综合能源效率评价指标体系的研究[J];北京石油化工学院学报;2013年02期

3 刘增明;陈运非;蒋海青;;基于PCA-BP神经网络方法的供应商选择[J];工业工程与管理;2014年01期

4 王灿进;孙涛;石宁宁;王锐;王挺峰;王卫兵;郭劲;陈娟;;基于双隐含层BP算法的激光主动成像识别系统[J];光学精密工程;2014年06期

5 丁硕;常晓恒;巫庆辉;魏洪峰;;基于GRNN与BPNN的二维向量模式分类对比研究[J];国外电子测量技术;2014年05期

6 任伟建;陈奕君;;基于神经网络的移动机器人多传感器数据融合研究[J];电子设计工程;2014年12期

7 朱斌;;基于BP神经网络的燃煤机组NO_x排放浓度预测系统[J];电力科技与环保;2015年03期

8 卓中文;王山东;杨松;;基于BP神经网络的矿山地下水位预测研究[J];计算机与数字工程;2012年10期

9 王云亮;崔学海;;基于神经网络的谐波检测研究[J];化工自动化及仪表;2013年03期

10 王中凯;梁秀娟;肖长来;翟天放;杨晓晗;;Elman神经网络在平原区降水入渗补给预测中的应用[J];节水灌溉;2013年07期

中国博士学位论文全文数据库 前6条

1 王新忠;温室番茄收获机器人选择性收获作业信息获取与路径规划研究[D];江苏大学;2012年

2 项荣;开放环境中番茄的双目立体视觉识别与定位[D];浙江大学;2013年

3 汪成龙;基于多源信息融合的马铃薯分级无损检测方法研究[D];华中农业大学;2014年

4 王芳;基于光技术的皮蛋蛋壳破损检测方法研究[D];华中农业大学;2013年

5 付涛;新型光纤传感器及其在纤维复合材料的声发射源定位研究[D];哈尔滨工业大学;2014年

6 李栋;基于免疫系统的小样本在线学习异常检测与故障诊断方法[D];上海大学;2014年

中国硕士学位论文全文数据库 前5条

1 陈清华;图像结构的形式化描述[D];福建师范大学;2008年

2 孙晓平;基于DSA图像的脑血管瘤辅助诊断研究[D];苏州大学;2009年

3 施达雅;基于噪声统计模型的区域分割[D];福建师范大学;2009年

4 刘军;全自动调光计算机辅助诊断观片系统设计[D];太原科技大学;2010年

5 庄小芳;基于混合图结构的图像相似度的研究[D];福建师范大学;2013年

，

本文编号：664007