基于数字图像处理的草坪场景分析算法研究

发布时间：2017-07-14 19:20

  本文关键词：基于数字图像处理的草坪场景分析算法研究

  更多相关文章： 场景分析 特征提取 目标识别 图像分割

【摘要】：城市绿化一直是城市基础规划建设非常重要的组成部分,伴随着城市建设的飞速提升,城市草坪面积日趋增长,并且草坪情况也趋向复杂。智能割草机器人是替代人们完成草坪维护的现代化科技工具。面对日趋增长的城市草坪面积,智能割草机器人的工作能力急需改进。通过对草坪场景图像进行分析处理为智能割草机器人提升工作能力是一种有效思路,也是智能割草机器人完成自主导航与环境探索等任务的基础。本文在这样的背景下以数字图像处理技术为基础,对草坪场景分析算法进行研究,并且在VS2010环境下,结合OpenCV类库进行算法的实现与验证。本文主要的研究内容如下:1、研究了现有的图像分析算法的基本概念及其实现方法,并将现有的图像处理相关技术应用于草地场景分析。2、提出一种基于SIFT和SUSAN融合的草地障碍物特征点自动匹配算法。已知的SIFT算法是一种具有尺度不变特性的特征提取算法,但是对草地障碍物的特征提取容易受到草地纹理特征的干扰;而SUSAN是一种对于图像的角点和边缘特征有着敏感的检测能力的算法。首先对SUSAN和SIFT提取的特征点进行融合计算,然后对SIFT提取的特征点进行精简。最后通过欧式距离的计算完成特征向量的匹配。融合算法减少了大量无意义特征点的匹配计算次数,相对原SIFT算法极大地提高了匹配效率和准确率。3、提出一种基于改进分水岭算法的草坪背景快速分割算法。分水岭是一种融合数学形态和拓扑基础理论的图像快速分割算法。但是分水岭算法用在草地图像处理上非常容易产生过度分割的情况,因此本文在分水岭算法的基础上进行改进设计,首先分别对灰度图像进行膨胀和腐蚀,然后通过线性叠加得到联合体图像,最后使用分水岭算法对联合体图像进行分割。与传统的图像分割算法相比,该算法取得了更高的识别准确率和更快的计算速度,同时该算法的跨平台移植性更好。4、使用Open CV类库和MFC类库进行混合编程,并编写相应的软件,将本文提出的两种图像分析算法在智能割草机器人上进行实际应用,应用试验结果证明本文提出的两种算法的实际应用效果较好。
【关键词】：场景分析 特征提取 目标识别 图像分割
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要6-7
• Abstract7-12
• 第1章 绪论12-17
• 1.1 数字图像处理概述12-13
• 1.2 草坪业的现状和发展趋势13-14
• 1.3 选题的目的和意义14-15
• 1.4 本文的主要内容和安排15-17
• 第2章 数字图像处理的相关技术研究现状17-24
• 2.1 图像的采集17-18
• 2.2 常用颜色模型18-20
• 2.3 图像预处理20-21
• 2.3.1 灰度化20
• 2.3.2 图像平滑20-21
• 2.4 图像边缘检测21-22
• 2.5 图像特征提取算法22-23
• 2.6 本章小结23-24
• 第3章 草地图像处理算法软硬件实现平台设计24-28
• 3.1 软硬件平台总体结构设计24-26
• 3.1.1 集成USB采集摄像头选型设计25
• 3.1.2 集成USB摄像头功能结构25-26
• 3.1.3 USB摄像头图像采集的数据结构26
• 3.2 草地图像算法软件实现平台设计26-27
• 3.2.1 软件开发工具选型设计26-27
• 3.2.2 计算机视觉算法类库选择27
• 3.3 本章总结27-28
• 第4章 基于SIFT-SUSAN融合的草地障碍物识别特征匹配算法28-37
• 4.1 SIFT算法简介28-29
• 4.2 SUSAN算法简介29-30
• 4.3 SIFT-SUSAN融合算法设计30-33
• 4.4 实验结果分析33-35
• 4.5 本章总结35-37
• 第5章 基于改进分水岭方法的草坪背景快速分割算法设计37-52
• 5.1 总体设计思路37-38
• 5.2 具体实现流程38-48
• 5.2.1 目标图像灰度化38-39
• 5.2.2 Otsu算法求取最佳阈值39-41
• 5.2.3 灰度图像二值化41
• 5.2.4 分水岭方法41-48
• 5.3 实验结果与分析48-50
• 5.4 本章小结50-52
• 第6章 障碍物特征自动匹配和草坪背景分割的实际应用52-63
• 6.1 应用平台和应用场景52-56
• 6.1.1 应用平台52-53
• 6.1.2 应用场景53-56
• 6.1.2.1 障碍物场景53-55
• 6.1.2.2 草地背景场景55-56
• 6.2 应用软件接口实现56-61
• 6.2.1 软件接口基本系统架构56
• 6.2.2 软件接口基本功能56-57
• 6.2.3 算法应用效果57-61
• 6.2.3.1 背景区域快速分割58-60
• 6.2.3.2 基于特征匹配的障碍物识别60-61
• 6.3 本章小结61-63
• 第7章 总结与展望63-66
• 7.1 本文的主要工作与创新点63-64
• 7.2 未来工作展望64-66
• 参考文献66-70
• 致谢70-71
• 攻读学位期间研究成果71

【相似文献】

中国期刊全文数据库 前10条

1 周文利;;基于依赖网络的告警分析算法[J];桂林电子科技大学学报;2007年06期

2 朱述龙;快速近似主成分分析算法[J];遥感学报;1999年01期

3 马奎俊;韩彦军;陶卿;王珏;;基于核的慢特征分析算法[J];模式识别与人工智能;2011年02期

4 郭亚军;何炎祥;;一种有效的匿名分析算法[J];计算机科学;2007年11期

5 吴龙华,唐洪武,严忠民;数字粒子图像测速中相关分析算法的改进[J];水利水运工程学报;2002年01期

6 曾生根,朱宁波,包晔,夏德深;一种改进的快速独立分量分析算法及其在图象分离中的应用[J];中国图象图形学报;2003年10期

7 董晓梅,于戈;入侵报警模式挖掘分析算法研究[J];东北大学学报;2005年11期

8 胡永刚,乔如良;一个有效的并行分析算法[J];计算机学报;1999年02期

9 季策;于洋;于鹏;;改进的独立分量分析算法[J];东北大学学报(自然科学版);2010年08期

10 罗海丽;;算符优先分析算法的探讨与改进[J];计算机教育;2008年24期

中国重要会议论文全文数据库 前10条

1 乔林;黄维通;汤志忠;;软件流水领域二维数组数据相关性分析算法研究[A];2005年全国理论计算机科学学术年会论文集[C];2005年

2 吴琼;谭松波;张刚;段m#毅;程学旗;;基于图排序模型的跨领域倾向性分析算法[A];中国计算机语言学研究前沿进展（2007-2009）[C];2009年

3 吴t熻，

本文编号：542352