基于图像处理的目标识别及检测技术

发布时间：2017-03-23 18:05

  本文关键词：基于图像处理的目标识别及检测技术，由笔耕文化传播整理发布。

【摘要】：目标识别及检测技术涉及到计算机、信号处理和生理学等诸多学科,是机器视觉的核心技术之一,在智能交通系统、智能定位等研究领域都有重要应用。本文受企业委托,在经典算法的研究基础上,针对基于静态图像的目标识别技术与基于动态视频图像的运动目标检测技术开展了如下研究工作:(1)以K-L变换、帧间差法、光流法、背景差分法等传统算法为理论基础,通过实验对比分析了经典算法的特点及其适用环境。(2)以车牌汉字识别为代表,针对光线变化、污迹遮挡等造成车牌汉字模糊,加大车牌识别难度,严重影响违规车辆的有效稽查及跟踪等问题,研究了基于分类的目标识别技术,本文提出一种结合高斯金字塔与梯度方向直方图(HOG)特征的模糊车牌汉字识别算法。利用金字塔模型多尺度表达的方法,对车牌模糊汉字图像建立两层高斯金字塔模型,在描述模糊图像细节特征的基础上突出了主体特征;然后对两层高斯金字塔模型提取HOG特征,拓展了图像的特征维数,提高特征对模糊汉字的识别能力。仿真结果显示,在相同样本空间下,与HOG特征法,K-L变换法相比,所提算法在识别率以及形近字区分方面均有明显提高。(3)以动态视频图像为研究对象,研究了在光照、阴影变化等大范围扰动的复杂背景环境下,基于目标几何和统计特征分割的检测问题。针对传统码本算法(CB)在复杂背景下,码本背景模型逐渐背离真实背景导致运动目标误判,且运动目标检测阶段,难以处理目标颜色与背景相近等问题,本文提出一种改进型运动目标检测码本算法。该算法提出双阈值-Surendra检测模型控制码本模型的更新区域,解决码本模型易偏离实际背景的问题,并给出了相关阈值的选择原则,进一步有效减少运动目标检测时对前景的误判;同时在降低运算复杂度的情况下,结合YUV颜色空间计算像素亮度变化,使空间坐标轴与亮度变化方向一致,更好的区分前景与背景颜色相近的情况。仿真结果表明,该算法在处理复杂背景环境下的运动目标检测问题时,较传统码本算法具有较高的完整性与准确性。(4)本文基于运动目标检测技术开发了嵌入式目标检测系统,结合虚拟器以及Fedora14.0系统,在上位机中构造Fedora14.0操作系统的全新虚拟镜像,在Visual Studio 2010开发环境下进行运动目标检测算法的研究。随后利用视频采集设备得到的视频图像,在嵌入式操作系统中利用Open CV2.3.1开源视觉库进行检测处理,并在QT图形化界面下显示运动目标检测结果,最终实现了运动目标检测算法的应用。
【关键词】：运动检测 车牌识别 码本法 Surendar法 HOG 高斯金字塔
【学位授予单位】：兰州理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要7-8
• Abstract8-13
• 第1章 绪论13-21
• 1.1 研究背景及意义13-14
• 1.2 国内外研究现状14-19
• 1.3 发展趋势19
• 1.4 本文的主要研究内容及结构安排19-21
• 第2章 经典算法的试验研究21-30
• 2.1 K-L变换21-22
• 2.2 帧间差分法22-25
• 2.2.1 二帧差分法22-24
• 2.2.2 三帧差分法24-25
• 2.3 光流法25-27
• 2.4 背景差分法27-29
• 2.5 本章小结29-30
• 第3章 一种基于HOG高斯金字塔的车牌模糊汉字识别方法30-41
• 3.1 一种结合高斯金字塔HOG特征的车牌识别算法30-31
• 3.2 多尺度表达处理31-32
• 3.3 参数分析32-35
• 3.3.1 参数o的分析32-33
• 3.3.2 参数s 的分析33-35
• 3.4 特征提取35-36
• 3.5 程序算法36-37
• 3.6 仿真实验37-40
• 3.7 本章小结40-41
• 第4章 复杂背景下的改进型运动目标检测码本算法41-55
• 4.1 改进的运动目标检测码本算法41-45
• 4.1.1 建立初始码本模型43-45
• 4.3 更新区域初始背景模型45-47
• 4.3.1 建立Surendra背景模型45-46
• 4.3.2 Surendra算法前景检测46-47
• 4.4 双阈值运动目标检测47-49
• 4.4.1 阈值的选择原则48-49
• 4.5 控制更新区域49
• 4.6 运动前景检测49-50
• 4.7 算法流程50-51
• 4.8 实验仿真51-54
• 4.9 本章小结54-55
• 第5章 嵌入式目标检测系统55-61
• 5.1 嵌入式系统构建55-59
• 5.1.1 嵌入式操作系统的选择55-56
• 5.1.2 系统环境56-59
• 5.2 算法实现59-60
• 5.3 本章小结60-61
• 总结与展望61-63
• 参考文献63-67
• 致谢67-68
• 附录A 攻读学位期间所发表的学术论文目录68

【相似文献】

中国期刊全文数据库 前10条

1 韩艳春;李智兰;曾宪文;;目标识别与分类方法[J];军事通信技术;2003年01期

2 杨建勋,史朝辉;基于模糊综合函数的目标识别融合算法研究[J];火控雷达技术;2004年04期

3 李彦鹏,施福忠,黎湘,庄钊文;基于模糊综合评判的目标识别效果评估[J];计算机应用研究;2005年03期

4 左峥嵘,张天序;集成证据提高目标识别性能的方法研究[J];华中科技大学学报(自然科学版);2005年03期

5 李彦鹏,黎湘,庄钊文;一种应用模糊聚类分析的目标识别效果评估方法[J];电子对抗技术;2005年03期

6 盖明久;吕世良;时宝;;一种概率更新方法及在目标识别中的应用[J];海军航空工程学院学报;2006年05期

7 张平定;王海军;王睿;;一种基于聚类思想的目标识别新方法[J];空军工程大学学报(自然科学版);2006年02期

8 贾宇平;付耀文;黎湘;庄钊文;;灰局势决策方法在决策层融合目标识别中的应用[J];信号处理;2007年04期

9 李静;黄峥;;静态傅里叶干涉具在目标识别中的应用研究[J];光谱学与光谱分析;2009年08期

10 黄瑶;熊和金;;目标识别的灰关联方法研究[J];湖南农业大学学报(自然科学版);2009年S1期

中国重要会议论文全文数据库 前10条

1 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

2 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

3 李夕海;赵克;慕晓冬;刘代志;;目标识别中的特征相空间吸引子分析[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

4 冯杰;盖强;古军峰;;模糊聚类分析方法在海上目标识别中的应用[A];第二届全国信息获取与处理学术会议论文集[C];2004年

5 赵克;刘代志;慕晓东;苏娟;;目标识别的特征量约束[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

6 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

7 郭相科;刘进忙;曹学斌;张玉鹏;;子类独立分量分析在声目标识别中的应用[A];中国声学学会2007年青年学术会议论文集（上）[C];2007年

8 张翠;高广春;赵胜颖;;基于时间融合算法的近程目标识别[A];2011下一代自动测试系统学术研讨会论文集[C];2011年

9 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

10 曹健;陈红倩;毛典辉;李海生;蔡强;;基于局部特征的图像目标识别问题综述[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

中国重要报纸全文数据库 前2条

1 莫衍崴 特约记者刘谦;上士白光斌:电话传音排故障[N];战士报;2012年

2 陈德潮邋本报特约通讯员 曹金平 刘剑;为潜艇铸“魂”[N];解放军报;2008年

中国博士学位论文全文数据库 前10条

1 肖永生;射频隐身雷达信号设计与目标识别研究[D];南京航空航天大学;2014年

2 崔宗勇;合成孔径雷达目标识别理论与关键技术研究[D];电子科技大学;2015年

3 黄璇;多源引导信息融合及其关键技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年

4 舒锐;卫星目标识别与特征参数提取方法研究[D];哈尔滨工业大学;2010年

5 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

6 李彦鹏;自动目标识别效果评估[D];国防科学技术大学;2004年

7 贾宇平;基于信任函数理论的融合目标识别研究[D];国防科学技术大学;2009年

8 张祥合;复杂场景中目标识别与分类的仿生原理和方法[D];吉林大学;2012年

9 王海罗;基于视觉感知的无人机目标识别与跟踪技术研究[D];北京理工大学;2015年

10 谢妤婵;视觉目标识别与三维定位关键技术的研究[D];天津大学;2009年

中国硕士学位论文全文数据库 前10条

1 许俊峰;基于模型的任意视点下三维目标识别研究[D];南京航空航天大学;2015年

2 谢辫;基于距离像匹配的弹道导弹中段目标识别[D];上海交通大学;2015年

3 降小龙;基于语义结构和视觉焦点的场景目标识别[D];中北大学;2016年

4 程炜;基于图像视觉的属性学习应用研究[D];江苏大学;2016年

5 白雪;基于图像处理的目标识别及检测技术[D];兰州理工大学;2016年

6 秦富童;遥感图像目标识别效果评估研究[D];中国科学技术大学;2010年

7 石伟栋;精确制导中目标识别与跟踪的应用研究[D];北京交通大学;2011年

8 黄忠华;末敏弹系统的目标识别[D];南京理工大学;2002年

9 林建;恒定电流场的地下3D目标识别及成像技术研究[D];江苏大学;2010年

10 王娜;基于人耳主观反应的听觉特征量及其在目标识别中的应用[D];西北工业大学;2006年

  本文关键词：基于图像处理的目标识别及检测技术，由笔耕文化传播整理发布。

，

本文编号：264267