海事视频监控中船舶目标检测算法研究
发布时间：2021-06-08 22:14
在海事船舶目标检测中,面临的难点在于监控背景存在大量晃动水波纹、船舶尾迹和光照等噪声影响,同时摄像机抖动或偏移也造成待检测船舶目标发生非线性变换。为了提高船舶目标检测准确性和降低虚警率,论文针对海事视频监控中船舶目标快速检测进行深入研究,进行的研究工作有:（1）海事监控摄像机在拍摄过程中存在各种形式的运动,可能存在抖动或偏移,使待检测船舶目标发生非线性变换,增加检测难度。论文通过提取监控图像中具有显著目标特征的角点,以第一帧为基准,利用相邻帧之间的信息得出当前帧的全局运动参数,并通过运动参数滤波及补偿以去除晃动,得到相对平稳的视频监控图像序列。（2）当监控设备安装在非固定平台,采集的视频图像序列存在抖动或偏移,且监控场景海浪较大,同时伴有光照影响。根据海面区域颜色特性具有均匀性的特点,给出了适用于海天背景下多船舶目标的自适应检测算法。首先将待检测视频图像序列进行稳像和中值滤波预处理,同时采用周围纹理抑制的方法改进Canny算子提取海天背景的主要轮廓,并构建一元线性回归获取海天线并二值化船舶目标在天空区域部分。其次,针对海面以下区域,根据海面背景的颜色特性对其进行自适应K-means聚类...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图２．２背景差分法提取出船舶目标效果图??Ｆｉｇ．?２．２?Ｓａｌｉｅｎｃｙ?ｍａｐ?ｏｆ?ｓｈｉｐ?ｔａｒｇｅｔ?ｂｙ?ｂａｃｋｇｒｏｕｎｄ?ｄｉｆｆｅｒｅｎｃｅ?ｍｅｔｈｏｄ??
?海事视频监控中船舶目标检测算法研究???前一帧图像／（Ｘ，几１）?Ｙ????减法器?ｊ￣？阈值ｒ??当前帧图像／（Ｘ，．ｖ，／：）?〈?■？逻辑与一？前景块一？目标提取????＇Ｘ减法器）一￣？阈值，一??后一帧图像?／（Ｘ，ｊ，／ｒ＋ｌ）?Ｚ??乂??图２．４三帧差分法流程图??Ｆｉｇ．?２．４?Ｂｌｏｃｋ?ｄｉａｇｒａｍ?ｏｆ?ｔｈｒｅｅ?ｆｒａｍｅ?ｄｉｆｆｅｒｅｎｃｅ?ｍｅｔｈｏｄ??帧间差分法是在不同时间点下的监控图像差分运算，作差后背景表示为黑色。而船??舶Ｈ际所＇．＇Ｌ泣置随时间变化而变化，并与背景灰度值不同，差分后被凸显为白色，因此??可以确定出船舶目标的位置，如图２．５所示。帧间差分法计算简单，实时性好。但该方??法只适用于固定监控设备拍摄下的目标检测，而对于动态背景该方法见检测效果差。同??时，对于运动缓慢的目标，容易造成检测空洞。??ＨＵＨ??原始图像?三帧差分图像??图２．５三帧差分法船舶目标提取效果图??（上至下分别为：１００，１４０帧）??Ｆｉｇ．?２．５?Ｓａｌｉｅｎｃｙ?ｍａｐｓ?ｏｆ?ｓｈｉｐ?ｔａｒｇｅｔ?ｂｙ?ｔｈｒｅｅ?ｆｒａｍｅ?ｄｉｆｆｅｒｅｎｔ?ｍｅｔｈｏｄ．?（Ｕｐ?ｔｏ?ｂｏｔｔｏｍ：?１００．?１４０?ｆｒａｍｅ）??－１４－??
?海事视频监控中船舶目标检测算法研宄???图像灰度变换法可用线性和非线性变换进行表示。线性灰度变换输入、输出灰度级??呈线性相关关系，常见的有分段线性变换，其主要对感兴趣目标灰度段存在的范围通过??拉伸或压缩处理。而非线性变换中，常使用对数、指数等变换对图像进行处理。表２．２??给出了常用线性灰度变换函数形式。??图２．７给出了图像灰度较为昏暗情况下进行增强结果。实验结果表明，通过对比度??拉伸，图像整体清晰度变强，颜色特征明暗分明，增强效果显著。??．?＿??－?，??ｌｉ??ｓ?＂?Ｗ??Ｌ：、、?一一：巧??：＇ｖ?、，＾＊＾Ｊ??原始图像?对比度拉伸图??图２．７图像对比度拉伸效果图??Ｆｉｇ．?２．７?Ｓａｌｉｅｎｃｙ?ｍａｐ?ｂｙ?ｃｏｎｔｒａｓｔ?ｓｔｒｅｔｃｈｉｎｇ?ｆｏｒ?ｏｒｉｇｉｎａｌ?ｉｍａｇｅ??（２）基于直方图均衡与修正?‘??直方图均衡化是对图像灰度的非线性拉伸变换，在某个像素领域内所包含的像素数??目用同一个灰度值表示，从而实现提升图像对比度［５Ｇ］。其流程为：??步骤１．统计每个灰度值下的像素个数，并计算该级灰度下的像素点占总像素点的??比重??步骤２．计算累积概率，即每级像素点占总像素点的比重之和，如式（２．２６）所示??卜?〇Ｕ－ｌ?（２．２６）??其中，Ｓ为累积概率；〃，．／〃为第／级像素点占总像素点的比重??－２０－??
【参考文献】：
期刊论文
[1]改进自适应中值滤波的低照度烟雾图像去噪[J]. 黄梦涛,胡永才. 计算机工程与设计. 2018(06)
[2]基于改进DA算法的高效FIR滤波器设计[J]. 李建军,沈三民,刘勇良,刘文倩. 仪表技术与传感器. 2018(05)
[3]基于限峰分离模糊直方图均衡化的图像增强算法[J]. 李艳萍,宁跃飞,杨伟. 西南师范大学学报(自然科学版). 2018(03)
[4]数字视频稳像技术综述[J]. 魏闪闪,谢巍,贺志强. 计算机研究与发展. 2017(09)
[5]复杂背景下海天线的连通域检测法[J]. 汪劲希,燕肇一,彭真明. 舰船科学技术. 2016(15)
[6]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
[7]基于Hough变换的海天线检测算法研究[J]. 安博文,胡春暖,刘杰,曹彦珏. 红外技术. 2015(03)
[8]视频跟踪算法研究综述[J]. 闫庆森,李临生,徐晓峰,王灿. 计算机科学. 2013(S1)
[9]海面目标自适应实时检测[J]. 万磊,曾文静,秦再白,黄蜀玲. 上海交通大学学报. 2012(09)
[10]基于SURF-DAISY算法和随机kd树的快速图像配准[J]. 丁南南,刘艳滢,张叶,陈春宁,贺柏根. 光电子.激光. 2012(07)
博士论文
[1]智能视频监控中海面舰船目标检测算法研究[D]. 臧风妮.中国海洋大学 2014
[2]智能视频监控中的运动目标检测和跟踪算法研究[D]. 袁国武.云南大学 2012
[3]智能视频监控系统中的行人运动分析研究[D]. 李峰.中国科学技术大学 2011
[4]船舶监控中的视频稳像与目标跟踪的研究[D]. 曹辉.大连海事大学 2008
硕士论文
[1]基于图像特征提取和描述的匹配算法研究[D]. 叶志坚.广东工业大学 2018
[2]智能视频监控系统中移动目标的检测与跟踪[D]. 李斐然.成都理工大学 2018
[3]基于角点的图像特征提取与匹配算法研究[D]. 薛金龙.大连理工大学 2014
[4]智能视频监控中的运动目标检测和跟踪算法研究[D]. 周岩.东北大学 2014
[5]基于计算机视觉的人体运动分析[D]. 王弘毅.北京交通大学 2014
[6]视频监控系统设计与工程应用[D]. 赵克栋.北京邮电大学 2009
本文编号：3219309
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图２．２背景差分法提取出船舶目标效果图??Ｆｉｇ．?２．２?Ｓａｌｉｅｎｃｙ?ｍａｐ?ｏｆ?ｓｈｉｐ?ｔａｒｇｅｔ?ｂｙ?ｂａｃｋｇｒｏｕｎｄ?ｄｉｆｆｅｒｅｎｃｅ?ｍｅｔｈｏｄ??
?海事视频监控中船舶目标检测算法研究???前一帧图像／（Ｘ，几１）?Ｙ????减法器?ｊ￣？阈值ｒ??当前帧图像／（Ｘ，．ｖ，／：）?〈?■？逻辑与一？前景块一？目标提取????＇Ｘ减法器）一￣？阈值，一??后一帧图像?／（Ｘ，ｊ，／ｒ＋ｌ）?Ｚ??乂??图２．４三帧差分法流程图??Ｆｉｇ．?２．４?Ｂｌｏｃｋ?ｄｉａｇｒａｍ?ｏｆ?ｔｈｒｅｅ?ｆｒａｍｅ?ｄｉｆｆｅｒｅｎｃｅ?ｍｅｔｈｏｄ??帧间差分法是在不同时间点下的监控图像差分运算，作差后背景表示为黑色。而船??舶Ｈ际所＇．＇Ｌ泣置随时间变化而变化，并与背景灰度值不同，差分后被凸显为白色，因此??可以确定出船舶目标的位置，如图２．５所示。帧间差分法计算简单，实时性好。但该方??法只适用于固定监控设备拍摄下的目标检测，而对于动态背景该方法见检测效果差。同??时，对于运动缓慢的目标，容易造成检测空洞。??ＨＵＨ??原始图像?三帧差分图像??图２．５三帧差分法船舶目标提取效果图??（上至下分别为：１００，１４０帧）??Ｆｉｇ．?２．５?Ｓａｌｉｅｎｃｙ?ｍａｐｓ?ｏｆ?ｓｈｉｐ?ｔａｒｇｅｔ?ｂｙ?ｔｈｒｅｅ?ｆｒａｍｅ?ｄｉｆｆｅｒｅｎｔ?ｍｅｔｈｏｄ．?（Ｕｐ?ｔｏ?ｂｏｔｔｏｍ：?１００．?１４０?ｆｒａｍｅ）??－１４－??
?海事视频监控中船舶目标检测算法研宄???图像灰度变换法可用线性和非线性变换进行表示。线性灰度变换输入、输出灰度级??呈线性相关关系，常见的有分段线性变换，其主要对感兴趣目标灰度段存在的范围通过??拉伸或压缩处理。而非线性变换中，常使用对数、指数等变换对图像进行处理。表２．２??给出了常用线性灰度变换函数形式。??图２．７给出了图像灰度较为昏暗情况下进行增强结果。实验结果表明，通过对比度??拉伸，图像整体清晰度变强，颜色特征明暗分明，增强效果显著。??．?＿??－?，??ｌｉ??ｓ?＂?Ｗ??Ｌ：、、?一一：巧??：＇ｖ?、，＾＊＾Ｊ??原始图像?对比度拉伸图??图２．７图像对比度拉伸效果图??Ｆｉｇ．?２．７?Ｓａｌｉｅｎｃｙ?ｍａｐ?ｂｙ?ｃｏｎｔｒａｓｔ?ｓｔｒｅｔｃｈｉｎｇ?ｆｏｒ?ｏｒｉｇｉｎａｌ?ｉｍａｇｅ??（２）基于直方图均衡与修正?‘??直方图均衡化是对图像灰度的非线性拉伸变换，在某个像素领域内所包含的像素数??目用同一个灰度值表示，从而实现提升图像对比度［５Ｇ］。其流程为：??步骤１．统计每个灰度值下的像素个数，并计算该级灰度下的像素点占总像素点的??比重??步骤２．计算累积概率，即每级像素点占总像素点的比重之和，如式（２．２６）所示??卜?〇Ｕ－ｌ?（２．２６）??其中，Ｓ为累积概率；〃，．／〃为第／级像素点占总像素点的比重??－２０－??
【参考文献】：
期刊论文
[1]改进自适应中值滤波的低照度烟雾图像去噪[J]. 黄梦涛,胡永才. 计算机工程与设计. 2018(06)
[2]基于改进DA算法的高效FIR滤波器设计[J]. 李建军,沈三民,刘勇良,刘文倩. 仪表技术与传感器. 2018(05)
[3]基于限峰分离模糊直方图均衡化的图像增强算法[J]. 李艳萍,宁跃飞,杨伟. 西南师范大学学报(自然科学版). 2018(03)
[4]数字视频稳像技术综述[J]. 魏闪闪,谢巍,贺志强. 计算机研究与发展. 2017(09)
[5]复杂背景下海天线的连通域检测法[J]. 汪劲希,燕肇一,彭真明. 舰船科学技术. 2016(15)
[6]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
[7]基于Hough变换的海天线检测算法研究[J]. 安博文,胡春暖,刘杰,曹彦珏. 红外技术. 2015(03)
[8]视频跟踪算法研究综述[J]. 闫庆森,李临生,徐晓峰,王灿. 计算机科学. 2013(S1)
[9]海面目标自适应实时检测[J]. 万磊,曾文静,秦再白,黄蜀玲. 上海交通大学学报. 2012(09)
[10]基于SURF-DAISY算法和随机kd树的快速图像配准[J]. 丁南南,刘艳滢,张叶,陈春宁,贺柏根. 光电子.激光. 2012(07)
博士论文
[1]智能视频监控中海面舰船目标检测算法研究[D]. 臧风妮.中国海洋大学 2014
[2]智能视频监控中的运动目标检测和跟踪算法研究[D]. 袁国武.云南大学 2012
[3]智能视频监控系统中的行人运动分析研究[D]. 李峰.中国科学技术大学 2011
[4]船舶监控中的视频稳像与目标跟踪的研究[D]. 曹辉.大连海事大学 2008
硕士论文
[1]基于图像特征提取和描述的匹配算法研究[D]. 叶志坚.广东工业大学 2018
[2]智能视频监控系统中移动目标的检测与跟踪[D]. 李斐然.成都理工大学 2018
[3]基于角点的图像特征提取与匹配算法研究[D]. 薛金龙.大连理工大学 2014
[4]智能视频监控中的运动目标检测和跟踪算法研究[D]. 周岩.东北大学 2014
[5]基于计算机视觉的人体运动分析[D]. 王弘毅.北京交通大学 2014
[6]视频监控系统设计与工程应用[D]. 赵克栋.北京邮电大学 2009
本文编号：3219309
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3219309.html
