光学图像中无人机目标的多尺度检测方法研究
发布时间：2021-10-27 11:44
目前,无人机技术日趋成熟,无人机的应用范围也日趋增大,一些隐患也随之而来。一些人非法使用无人机造成了安全事故。因此,对无人机飞行进行合理的管制是非常必要的。红外相机和可见光相机是常用的无人机监视手段,本文对红外和可见光图像中的无人机目标进行多尺度检测以增加探测器对无人机的监视范围。首先,进行目标检测算法YOLOv3的目标尺度边界分析。研究了基于锚框的一阶目标检测算法的基本结构和YOLOv3的基本原理。尝试使用双线性插值代替最近邻插值进行上采样来增强YOLOv3对小目标的检测能力。使用无人机图像集训练后测试了YOLOv3的目标尺度边界,发现双线性插值并不能提高YOLOv3对小目标的检测能力。然后,基于YOLOv3的主干网络Darknet-53进行图像中小目标无人机的检测方法研究,为改进YOLOv3实现对无人机目标的多尺度检测提供理论和实验依据。研究了使用边界框回归进行小目标检测的可能性,分析得出当使用边界框进行小目标检测时不仅参数多,而且因为大尺度目标对损失函数的贡献大于小目标,小目标检测的性能必定受到抑制。针对边界框回归不适合用于小目标检测的问题,设计了基于尺度变换层的网络来预测图像中...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
无人机运动导致
哈尔滨工业大学硕士学位论文-2-图1-1无人机运动导致图像中目标尺度变化1.2国内外研究现状1.2.1目标尺度的划分目前，没有统一的目标尺度划分标准。COCO数据集根据目标像素数将目标划分为小目标、中等尺度目标、大目标。COCO数据集目标尺度划分标准如表1-1所示。表1-1COCO数据集目标尺度划分尺度划分最小目标框最大目标框小目标1×132×32中等尺度目标32×3296×96大目标96×96∞×∞国际光学工程学会将尺寸小于总像素数目0.12%的目标视为小目标（对256×256的图像，小于81个像素）。本论文采用国际光学工程学会的规定，将尺寸小于总像素数目0.12%的目标视为小目标，对于416×416的图像，将宽、高均小于16个像素的目标称为小目标。本文将虽然尺度小，但还有形状和纹理信息的目标称为小尺度目标。目标检测算法适用的目标尺度是有一定范围的。当图像中目标占据的像素数目过少时，小目标失去了形状和纹理信息，是一个斑块，无法直接辨别它是哪一类目标。除专门为小目标检测而设计的小目标检测算法，通常所说的目标检测算法是不能检测斑块状的小目标的。为了与小目标检测算法相区分，当与小目标检测算法一起提及时本文称不能检测小目标的目标检测算法为大目标检测算法。1.2.2目标检测算法国内外研究现状“目标检测”是机器视觉的重要领域之一。目标检测需要寻找出图像中特定种类目标的位置。影响目标检测性能的因素有很多，不同类别的物体有不同的形状、纹理、颜色等特征，而同一种类的物体也可以在形状、颜色、纹理、
哈尔滨工业大学硕士学位论文-17-非极大值抑制对首先根据分类器各类别分类打分做排序，选择具有最大置信度打分的检测框，将其从集合中移除并加入最终的检测结果中；然后将集合中与其IOU值大于设定的阈值的检测框移除；最后，重复这个过程，直到集合为空。0.950.750.95a)非极大值抑制前b)非极大值抑制后图2-4非极大值抑制（nms）示例2.3上采样方法的选择目标检测算法YOLOv3进行了两次上采样，然后将上采样的特征图与浅层的特征图相融合，提高网络对尺度较小目标的检测精度。YOLOv3网络中使用的上采样方法是最近邻插值，如图2-5所示。当使用最近邻插值对图像进行二倍上采样时，原图像中的一个像素点变成了一个2×2的区域，将该点的值复制到对应2×2区域中的四个位置。最近邻插值易于计算，但当使用最近邻插值增大图像的尺寸时，处理后的图像看起来不够精确。双线性插值利用原二维平面中四个相邻的点来对新的数据点进行插值。大部分情况下，使用双线性插值增大尺寸的图像在直观上比使用最近邻插值增大的图像看起来清晰。而且使用双线性插值，插值后特征图的感受野将扩大。图2-5最近邻插值示例
【参考文献】：
期刊论文
[1]地/空背景下红外图像弱小飞机目标检测跟踪数据集[J]. 回丙伟,宋志勇,范红旗,钟平,胡卫东,张晓峰,凌建国,苏宏艳,金威,张永杰,白亚茜. 中国科学数据(中英文网络版). 2020(03)
[2]Using deep learning to detect small targets in infrared oversampling images[J]. LIN Liangkui,WANG Shaoyou,TANG Zhongxing. Journal of Systems Engineering and Electronics. 2018(05)
[3]一种基于PGF、BEMD和局部逆熵的新型红外小目标检测方法[J]. 解婷,陈忠,马荣毅. 红外与毫米波学报. 2017(01)
[4]无人机成“玩具”后,反无人机产业悄然兴起[J]. 梁丽雯. 金融科技时代. 2017(02)
[5]基于自适应侧抑制网络的红外弱小目标检测[J]. 史漫丽,彭真明,张启衡,李全忠,林志勤. 强激光与粒子束. 2011(04)
本文编号：3461533
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
无人机运动导致
哈尔滨工业大学硕士学位论文-2-图1-1无人机运动导致图像中目标尺度变化1.2国内外研究现状1.2.1目标尺度的划分目前，没有统一的目标尺度划分标准。COCO数据集根据目标像素数将目标划分为小目标、中等尺度目标、大目标。COCO数据集目标尺度划分标准如表1-1所示。表1-1COCO数据集目标尺度划分尺度划分最小目标框最大目标框小目标1×132×32中等尺度目标32×3296×96大目标96×96∞×∞国际光学工程学会将尺寸小于总像素数目0.12%的目标视为小目标（对256×256的图像，小于81个像素）。本论文采用国际光学工程学会的规定，将尺寸小于总像素数目0.12%的目标视为小目标，对于416×416的图像，将宽、高均小于16个像素的目标称为小目标。本文将虽然尺度小，但还有形状和纹理信息的目标称为小尺度目标。目标检测算法适用的目标尺度是有一定范围的。当图像中目标占据的像素数目过少时，小目标失去了形状和纹理信息，是一个斑块，无法直接辨别它是哪一类目标。除专门为小目标检测而设计的小目标检测算法，通常所说的目标检测算法是不能检测斑块状的小目标的。为了与小目标检测算法相区分，当与小目标检测算法一起提及时本文称不能检测小目标的目标检测算法为大目标检测算法。1.2.2目标检测算法国内外研究现状“目标检测”是机器视觉的重要领域之一。目标检测需要寻找出图像中特定种类目标的位置。影响目标检测性能的因素有很多，不同类别的物体有不同的形状、纹理、颜色等特征，而同一种类的物体也可以在形状、颜色、纹理、
哈尔滨工业大学硕士学位论文-17-非极大值抑制对首先根据分类器各类别分类打分做排序，选择具有最大置信度打分的检测框，将其从集合中移除并加入最终的检测结果中；然后将集合中与其IOU值大于设定的阈值的检测框移除；最后，重复这个过程，直到集合为空。0.950.750.95a)非极大值抑制前b)非极大值抑制后图2-4非极大值抑制（nms）示例2.3上采样方法的选择目标检测算法YOLOv3进行了两次上采样，然后将上采样的特征图与浅层的特征图相融合，提高网络对尺度较小目标的检测精度。YOLOv3网络中使用的上采样方法是最近邻插值，如图2-5所示。当使用最近邻插值对图像进行二倍上采样时，原图像中的一个像素点变成了一个2×2的区域，将该点的值复制到对应2×2区域中的四个位置。最近邻插值易于计算，但当使用最近邻插值增大图像的尺寸时，处理后的图像看起来不够精确。双线性插值利用原二维平面中四个相邻的点来对新的数据点进行插值。大部分情况下，使用双线性插值增大尺寸的图像在直观上比使用最近邻插值增大的图像看起来清晰。而且使用双线性插值，插值后特征图的感受野将扩大。图2-5最近邻插值示例
【参考文献】：
期刊论文
[1]地/空背景下红外图像弱小飞机目标检测跟踪数据集[J]. 回丙伟,宋志勇,范红旗,钟平,胡卫东,张晓峰,凌建国,苏宏艳,金威,张永杰,白亚茜. 中国科学数据(中英文网络版). 2020(03)
[2]Using deep learning to detect small targets in infrared oversampling images[J]. LIN Liangkui,WANG Shaoyou,TANG Zhongxing. Journal of Systems Engineering and Electronics. 2018(05)
[3]一种基于PGF、BEMD和局部逆熵的新型红外小目标检测方法[J]. 解婷,陈忠,马荣毅. 红外与毫米波学报. 2017(01)
[4]无人机成“玩具”后,反无人机产业悄然兴起[J]. 梁丽雯. 金融科技时代. 2017(02)
[5]基于自适应侧抑制网络的红外弱小目标检测[J]. 史漫丽,彭真明,张启衡,李全忠,林志勤. 强激光与粒子束. 2011(04)
本文编号：3461533
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3461533.html
最近更新
教材专著
