基于图像分析的毁伤评估系统关键技术研究

发布时间：2020-09-03 07:41

　　在新形势下的信息化战争中基于图像分析的毁伤评估方法将发挥着越来越大的作用,但是该方法在研究和实现上仍然存在较大的困难。本文研究背景来自于某国防项目,通过对国内外相关毁伤评估技术进行了系统研究,制定了基于图像分析的毁伤评估过程,包括:图像预处理、图像配准、图像变化检测和毁伤效果评估等几个环节。在图像预处理过程中,本文重点提出了相对辐射校正的方法,该方法可以校正毁伤前和毁伤后图像之间的辐射畸变。并通过图像预处理操作消除了辐射畸变和噪声对图像处理的干扰。在图像变化检测过程之前,需要对毁伤前和毁伤后图像进行配准。本文提出了改进的基于SURF特征的图像配准算法和基于MSER-SURF特征相结合图像配准算法。SURF特征具有尺度和旋转不变性,在该算法中,重点介绍了基于最近邻匹配改进的RANSAC算法,提高了图像配准的精度。MSER特征具有鲁棒的仿射不变性,为此本文提出了一种将MSER特征经过椭圆拟合,然后再归一化为圆形区域继而转化为SURF特征点描述的方法,该方法可以能够完成大角度偏差图像配准。针对多尺度图像融合变化检测的难题,本文提出了两种不同的融合算法:基于二值图像融合变化检测算法和基于差值图像融合变化检测算法。基于二值图像融合变化检测算法通过Otsu算法获取多尺度差值变化图像中的变化区域,该方法处理速度较快,但是精度较差。为了解决精度不足的问题,基于差值图像融合变化检测算法通过可变权值的MRF图像融合获取差值图像中的变化区域。通过仿真实验表明,该算法在精度上得到了提高。另外本文提出了两种不同的融合策略:基于单像素融合策略和基于MRF邻域系统融合策略,分别适用于不同场景。毁伤效果评估现在还没有一个完整的理论体系,通过分析相关文献,本文设计了基于几何面积变化和纹理特征变化相结合的毁伤效果评估方法,通过变化区域的面积和纹理特征的变化率去评定毁伤效果。在评估过程中,通过专家知识系统中评定标准可以自动化计算出毁伤效果。最后,本文详细介绍了基于图像分析的毁伤评估系统设计,并通过仿真实验证明了课题研究的可行性。通过总结课题研究过程中存在的问题对接下来需要完善和研究的内容作了介绍。论文研究成果已经应用到实际军工项目中,评估效果良好。
【学位单位】：吉林大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：E91;TP391.41
【部分图文】：

位置校正,几何畸变,像素点,图像

第二章图像预处理及图像配准像中关键区域的灰度均值，通过公式 2.1 计算参数和 n： × …………………………….. k 组 m 和 n 值进行最小二乘法拟合，得到最佳 a、b 值。计算得到的受到不变区域的数量和不变区域选取合理性影响。)根据第二步得到的 a,b 值得到畸变校正函数，用该函数去校正毁伤后图像素点的灰度值。图像几何畸变校正为毁伤前和毁伤后图像的拍摄角度不同，这会造成两张图像中的同名像置出现偏差。如图 2-1 所示：

特征点,小波特征,扇形区域,主方向

图 2.2 特征点选取的主方向：SURF 通过统计与特征点所处圆形的主方向。在圆形邻接区域中，以 60 度扇形为域中所有像素点的 harr 小波特征的和，顺时计算该扇形区域 harr 小波特征值和。重复上扇形区域，将小波特征值最大的那个扇形区域示：

方向图,特征点,方向,扇形区域

图 2.2 特征点选取(4)确定特征点的主方向：SURF 通过统计与特征点所处圆形区域的 harr 小来确定特征点的主方向。在圆形邻接区域中，以 60 度扇形为一个计算单位计算该扇形区域中所有像素点的 harr 小波特征的和，顺时针以一定的角扇形区域再次计算该扇形区域 harr 小波特征值和。重复上述过程直至遍形区域所有的扇形区域，将小波特征值最大的那个扇形区域作为此特征点向。如图 2.3 所示：

【相似文献】