复杂气象条件下的航拍目标检测

发布时间：2021-11-18 10:27

　　航拍图像目标检测是计算机视觉领域的热点研究问题之一,被广泛应用在应急防灾、港口防控、海上救援及军事打击等多个方面,特别在公安领域的反恐、目标排查、安全巡查等领域具有非常广阔的应用前景。航拍图像的成像质量易受气象条件的干扰,如云雾遮挡会导致航拍图像模糊,目标被遮挡等情况;航拍图像的拍摄地点常位于高空,目标在图像中相对较小,周围的环境会对目标的检测造成较强的干扰导致目标检测较难。本文首先针对复杂气象条件（不考虑会导致航拍图像无法成像的极端气象条件）下航拍图像成像质量不高的问题,提出图像去雾算法提高云雾遮挡条件下的图像质量,然后针对航拍图像目标检测难的问题,提出基于深度学习目标检测方法。本文的具体研究内容如下:本文研究了目前的主流图像去雾算法并比较各算法去雾效果。本文通过去雾图像熵函数对比实验和图像去雾效果的直观对比实验,得出使用导向滤波优化的暗通道去雾算法可以更有效地减少云雾天气对于航拍图像的影响,提高航拍图像质量。本文研究了目前主流的目标检测算法,提出了基于YOLOv3的改进目标检测算法YOLO-C。在多种目标检测算法的对比实验中,该算法在中国航天科工四院指挥自动化中心的公共数据集上取得... 

【文章来源】：中国人民公安大学北京市

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

航拍实例图

有效地降低复杂气象条件对航拍目标检测的影响，提高目标检测的精度。最后将图像去雾与目标检测集成在一个系统中，形成复杂气象条件下的航拍目标检测系统。图2 展示了本论文的具体章节结构。图 2 章节结构图（1）第一章，绪论。该部分首先论述本文的研究背景及意义。然后综合分析国内外的相关领域的研究现状，分析目前该领域目前存在的问题。最后阐述章节结构。

图 3 McCartney 大气散射模型图[2]示了McCartney 大气散射模型。大气散射模型是建立在大气中悬上的。具体的公式为：J ( x ) t ( x ) + A (1 t ( x))1）中 x 为像素点坐标，I(x)为有雾图像，J(x)为去雾后图像，A 通过介质投射到人的视觉系统上时没有被散射的部分，称为透知 I(x)，求解 J(x)。在没有其它限制条件的情况下，J(x)可求得问题，人们提出了一些先验假设。去雾先验理论是一个基本假设，这个假设认为，在绝大多数的非天空像素总会有至少一个颜色通道具有很低的值，即该区域光强度的

【参考文献】：
期刊论文
[1]基于深度学习的复杂气象条件下海上船舶识别[J]. 武凯利,仝宗和,张鹏升,刘亚男,刘钊.  科学技术与工程. 2019(03)
[2]基于改进YOLOv3的快速车辆检测方法[J]. 张富凯,杨峰,李策.  计算机工程与应用. 2019(02)
[3]基于改进型SSD算法的目标车辆检测研究[J]. 陈冰曲,邓涛.  重庆理工大学学报(自然科学). 2019(01)
[4]改进的单尺度Retinex图像去雾算法[J]. 郭瑞,党建武,沈瑜,刘成.  兰州交通大学学报. 2018(06)
[5]遥感图像中飞机的改进YOLOv3实时检测算法[J]. 戴伟聪,金龙旭,李国宁,郑志强.  光电工程. 2018(12)
[6]无人机作战平台的智能目标识别方法[J]. 吕攀飞,王曙光.  激光与光电子学进展. 2019(07)
[7]一种改进的暗原色去雾算法[J]. 王鹏,郭中华.  国外电子测量技术. 2018(08)
[8]基于雾浓度检测和简化大气散射模型的图像去雾算法[J]. 吴玉莲.  国外电子测量技术. 2018(07)
[9]基于开运算暗通道和优化边界约束的图像去雾算法[J]. 杨红,崔艳.  光子学报. 2018(06)
[10]自适应直方图均衡化图像增强算法研究[J]. 王超,孙玉秋,徐石瑶,余美晨,李祖胜.  长江大学学报(自科版). 2018(01)

硕士论文
[1]基于一般性物体检测和类Haar特征的行人检测研究[D]. 吴颖杰.华中师范大学 2018
[2]基于深度学习的图像识别方法研究与应用[D]. 文馗.华中师范大学 2017
[3]基于卷积神经网络的图像去雾方法研究[D]. 袁保平.重庆邮电大学 2017
[4]结合自适应暗通道先验和图像融合策略的单幅图像除雾方法[D]. 刘欢.哈尔滨工业大学 2016



本文编号：3502734