基于计算机视觉的洞库类目标识别

发布时间：2020-04-06 04:36

【摘要】：洞库类目标包含有隧道、坑道、军事洞库等,在道桥建设、地理勘探、军事技术等领域中具有很高的识别价值。近年来计算机视觉技术发展迅速,基于计算机视觉技术的目标识别效果良好且成本低廉。本文针对洞库类目标的自动化识别方法较少,且主要集中于多传感器融合等领域,实现难度较大、成本高昂等问题,提出并设计了基于多特征、深度学习、红外与可见光图像融合的三种洞库类目标识别方法。提出了基于多特征的洞库类目标识别方法,完成了对未伪装遮挡和部分伪装遮挡的洞库识别。该方法利用HOG特征预筛选图像;然后根据洞库类目标的灰度特征提出了一种图像局部自适应阈值生成算法,分割并提取图像中的疑似目标;最后利用洞库类目标的形状特征,判别图像中的各个疑似轮廓,完成识别。该方法识别准确率较高,但漏检率较高,且在图像噪声复杂的情况下识别效果下降。提出了基于深度学习的洞库类目标识别方法,相较于基于多特征的方法识别准确率更高。传统的深度学习方法需要海量的训练数据,该方法结合卷积神经网络、元学习理论建立元-卷积网络,利用小样本即可训练得出模型;然后融合持续学习理论,结合基于多特征的方法设计专家审核模型,使模型可以持续学习更新。该方法在图像具有多种噪声的情况下对未伪装遮挡和部分伪装遮挡的洞库都可以保持较高的识别准确率。设计了基于红外与可见光图像融合的洞库类目标识别方法,完成了洞库类目标的全天候识别。该方法采集完全伪装遮挡和夜间洞库的红外图像,分析红外特征,确定温差阈值,识别完全伪装遮挡和夜间的洞库;然后使用基于VGG网络的图像融合方法,融合本文提出的基于深度学习的洞库类目标识别方法的识别结果(可见光图像),和红外图像的识别结果。该方法同时利用可见光图像和红外图像,实现了对洞库类目标的全天候识别。本文最后建立洞库类目标数据库,并根据基于红外与可见光图像融合的洞库类目标识别方法,设计洞库类目标识别系统,完成了相关实验和分析。结果表明,本文方法对洞库类目标识别准确率较高,稳定性较好。
【图文】：

基于多特征的洞库类目标识别算法研究基于多特征的洞库类目标识别算法研究逡逑洞库类目标的主要特征，并基于ＨＯＧ特征、灰度特征、形征的洞库类目标识别算法，提出基于灰度特征的图像局部基于形状特征的洞库类目标判别算法。逡逑征的洞库类目标识别的主要流程如下：逡逑于ＨＯＧ特征预分类输入图像；逡逑于灰度特征（图像局部自适应阈值生成算法）分割图像区域；逡逑于形状特征判别分割后区域，得出识别结果。逡逑流程如图２：１所示。逦逡逑

典型洞库类目标包含有隧道、军事洞库、防空洞、窑洞等多种类型，受工程逡逑结构限制，不同种类的洞库类目标通常具有相似的形状特征［４７１，如拱形、类椭圆逡逑多边形等，如图２－２所示。逡逑＿＿W 逡逑图２－２典型洞库类目标逡逑Ｆｉｇ．２－２邋Ｅｘａｍｐｌｅｓ邋ｏｆ邋Ｃａｖｅ邋ｔａｒｇｅｔｓ逡逑由图２－２可知，不同的洞库类目标具有相似的特征，从视觉角度分析，洞库类逡逑目标之间差异较小，即具有相似的外部形状特征和内部灰度特征。逡逑洞库类目标往往位于山区等偏僻地区，附近景色通常以花草、树木、山石和逡逑沙土为主，背景种类较少。在植被稀疏地区，洞库类目标的背景组成成分较为单逡逑一；而在植被茂盛地区，光线变化明显，植被颜色繁多，，背景组成成分非常复杂。逡逑同时，虽然洞库类目标的背景图像种类较少，但是在某些情况下背景成分复杂，逡逑洞库类目标难以观察。逡逑洞库类目标在任意背景条件下，受工程技术限制，都具有典型的外形结构，逡逑其外形可归纳为具有类椭圆形的特征。并且洞库类目标内部与背景之间具有明显逡逑的亮度差值
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;P631.3

【相似文献】

相关期刊论文 前10条

1 郭桂蓉,陈学敏;舰船目标识别的研究现状和技术途径[J];系统工程与电子技术;1988年01期

2 牛晓燕;;目标识别的人工智能方法[J];飞航导弹;1988年08期

3 Buser Robde Nomiyama;谭显裕;;用于测距和目标识别的短脉冲CO_2激光器[J];应用光学;1988年03期

4 黄为倬;;目标识别和逆合成口径雷达[J];现代雷达;1988年06期

5 刘伯胜;目标瞬态回波极点提取研究[J];哈尔滨船舶工程学院学报;1989年01期

6 姜殿元;;“铺路便士”目标识别装置AN/ASS-35(V)[J];飞航导弹;1989年03期

7 程启东;;远距离目标识别[J];航空兵器;1989年03期

8 刘侃;;采用毫米波和红外传感器进行防区外目标识别[J];飞航导弹;1989年01期

9 初试;;灵巧武器的应用[J];现代防御技术;1989年03期

10 吴耀云;游屈波;高晓成;;电子目标识别关键指标建模与分析[J];电子信息对抗技术;2019年04期

相关会议论文 前10条

1 王加;纪伯公;;多传感器信息融合技术在空中目标识别中的应用研究[A];第八届全国信号和智能信息处理与应用学术会议会刊[C];2014年

2 王宇;钟秋海;;用统计模式识别方法建立海上目标识别的数学模型[A];1995中国控制与决策学术年会论文集[C];1995年

3 李正东;陈兴无;宋琛;何武良;;多传感器的目标识别[A];中国工程物理研究院科技年报（1999）[C];1999年

4 郑援;胡成军;;基于数据融合的鱼雷目标识别[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

5 俞鸿波;赵荣椿;;三维空间目标识别概述[A];信号与信息处理技术——第一届信号与信息处理联合学术会议论文集[C];2002年

6 姚志军;韩秋蕾;;一种新的基于少量样本的目标识别与分割方法[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

7 陈娟;;基于多传感器融合的天基空间目标识别技术[A];第二届中国空天安全会议论文集[C];2017年

8 杨宏晖;李江涛;甘安琴;姚晓辉;;用于水下目标识别的无监督谱特征选择算法[A];2016年中国造船工程学会水中目标特性学组学术交流会论文集[C];2016年

9 徐婷;郭良浩;;一种水声目标识别的低频特征信息处理技术[A];中国声学学会2017年全国声学学术会议论文集[C];2017年

10 孙士波;方世良;;C40芯片在水声目标识别中的应用[A];中国声学学会2001年青年学术会议[CYCA'01]论文集[C];2001年

相关重要报纸文章 前6条

1 ;具备车辆缉查布控、目标识别等功能[N];人民公安报;2016年

2 陈德潮邋曹金平 刘剑;水下战场的开路先锋[N];人民日报;2008年

3 记者 代宗锋;我国海军第二十、二十一批护航编队完成任务交接[N];解放军报;2015年

4 邱霞;目标永不消失[N];中国航天报;2003年

5 陈德潮邋曹金平 刘剑;探路水下战场,“水中幽灵”因他有魂[N];新华每日电讯;2007年

6 王学智　彭振华;联合空地防区外打击[N];解放军报;2002年

相关博士学位论文 前10条

1 黄飞;红外偏振探测关键技术研究[D];中国科学院大学(中国科学院上海技术物理研究所);2018年

2 周伟;基于局部表面特征描述符的复杂场景下三维目标识别研究[D];中国科学院大学(中国科学院西安光学精密机械研究所);2018年

3 蔡兆晖;基于重构高分辨距离像的雷达目标识别研究[D];西安电子科技大学;2018年

4 钟剑丹;光电成像目标识别与检测关键技术研究[D];电子科技大学;2018年

5 李捷;面向目标识别的机载多传感器数据融合技术研究[D];电子科技大学;2018年

6 李龙;基于高分辨距离像的雷达地面目标识别技术[D];西安电子科技大学;2018年

7 张锐;雷达目标识别与超分辨成像方法研究[D];西安电子科技大学;2018年

8 李彦鹏;自动目标识别效果评估[D];国防科学技术大学;2004年

9 张池平;多传感器信息融合方法及其在空间目标识别中的应用[D];哈尔滨工业大学;2006年

10 杨国;3mm波段主被动复合探测技术研究[D];南京理工大学;2006年

相关硕士学位论文 前10条

1 许继科;基于机器视觉的目标识别与定位方法的研究[D];西安科技大学;2019年

2 王宁;基于深度学习的视觉目标识别与定位技术研究[D];电子科技大学;2019年

3 孟宪成;基于决策树的雷达RCS目标识别系统设计与实现[D];电子科技大学;2019年

4 张洋;基于雷达传感网的信息融合研究[D];电子科技大学;2019年

5 何谦;抗红外诱饵的目标识别仿真技术研究[D];电子科技大学;2019年

6 李沅箐;基于深度学习的声目标识别方法研究[D];电子科技大学;2019年

7 孙铭镭;基于自动跟随技术的智能高尔夫球车设计[D];长春理工大学;2019年

8 徐洪;基于机器视觉的目标识别与定位系统设计[D];西南科技大学;2019年

9 陈聪聪;基于深度学习的连续目标识别[D];青岛科技大学;2019年

10 曹乾;机器视觉在工业机器人目标识别与定位中的研究[D];青岛科技大学;2019年

本文编号：2616023