基于深度网络架构的椭圆检测

发布时间：2022-01-27 06:27

　　目前很多目标检测需要先进行快速准确的椭圆检测,从一张图片中快速准确地检测出椭圆成为一个必要的研究问题,然而在椭圆检测中存在一图多椭圆、类椭圆、椭圆嵌套、缺失椭圆、小椭圆等诸多问题,到目前为止还没有一种算法能够准确快速地检测出这些椭圆,所以椭圆检测的应用受到限制。本文突破性地提出一种基于深度网络架构的椭圆检测算法,即先用深度学习中的目标检测算法将一幅图中的椭圆框取出来,使得目标框最大可能地去除噪声并和椭圆相切,之后本文在现有目标框的基础上进行椭圆检测。通过对一幅图片中的各个目标框区域分别进行椭圆拟合,有效地减少了椭圆拟合时弧段匹配的过程,进而显著地提高了椭圆检测的快速性;通过限制弧段检测范围来解决嵌套椭圆的问题;传统方法检测不出来的类椭圆问题本文也可以先利用目标框的方式进行定位框取,之后在此基础上放松验证条件来解决类椭圆的问题;因为目标框几乎和椭圆相切,所以当本文判断目标框小于一定阈值时,直接按照与目标框相切的算法画出椭圆,进而解决小椭圆缺失的问题。因此,本文提出的算法可以有效地解决的一些传统椭圆检测算法解决不了的问题。本文在三个现实图片的数据集上进行了大量实验,验证了所提出的算法确实可... 

【文章来源】：大连理工大学辽宁省211工程院校985工程院校教育部直属院校

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 基于霍夫变换的椭圆检测
        1.2.2 基于最小二乘的椭圆检测
        1.2.3 基于聚类的椭圆检测
    1.3 本文研究内容
    1.4 本文组织结构
2 椭圆检测中的理论和算法
    2.1 基于卷积神经网络的网络架构设计
        2.1.1 输入层设计
        2.1.2 隐含层设计
        2.1.3 输出层设计
    2.2 基于Region-CNN(R-CNN)的网络架构设计
    2.3 基于Fast R-CNN的网络架构设计
    2.4 基于Faster R-CNN的网络架构设计
    2.5 选取模型评估参数
        2.5.1 准确率和召回率以及IOU
        2.5.2 非极大值抑制(NMS)
        2.5.3 均值平均精度(MAP)
    2.6 椭圆拟合算法设计
        2.6.1 图像增强算法的设计
        2.6.2 图像缩放算法的设计
        2.6.3 边缘检测算法的设计
        2.6.4 特征数
3 基于Faster R-CNN的椭圆检测
    3.1 椭圆框取
        3.1.1 模型选择
        3.1.2 数据集预处理
        3.1.3 模型设计
        3.1.4 模型评估
    3.2 预处理
    3.3 椭圆弧筛选和椭圆拟合
    3.4 椭圆评定
    3.5 本章小结
4 实验结果与分析
    4.1 实验结果评价标准
    4.2 数据集合
    4.3 参数分析
        4.3.1 模型参数分析
        4.3.2 目标检测框扩大倍数选择
    4.4 与其他方法的比较
    4.5 本章小结
结论
参考文献
致谢


【参考文献】：
博士论文
[1]面向机器人操作的目标检测与抓取规划研究[D]. 郭迪.清华大学 2016

硕士论文
[1]基于深度学习的二进制程序漏洞分析与检测方法研究[D]. 吴芳.北京交通大学 2018
[2]基于DCGAN算法的图像生成技术研究[D]. 蔡晓龙.青岛理工大学 2018
[3]基于深度卷积神经网络的表单中手写签名位置定位方法[D]. 李雪薇.西安理工大学 2017
[4]高超声速目标拦截中的中末交班条件分析与设计[D]. 梁壮.哈尔滨工业大学 2017
[5]基于不变量筛选的快速椭圆检测研究与实现[D]. 宋连博.大连理工大学 2017
[6]基于几何不变量的直线匹配与三维建模[D]. 高新凯.大连理工大学 2017
[7]基于视频的三维人脸动画驱动的设计与实现[D]. 普波.电子科技大学 2010
[8]全景视觉图像去噪与增强方法的研究[D]. 金甲.哈尔滨工程大学 2010



本文编号：3611949