基于兴趣区域的空中旋翼无人机检测算法研究

发布时间：2022-07-15 18:17

　　近年来,由于无人机机动性以及目标检测技术越来越成熟的发展,旋翼无人机已经被广泛应用在民事、安保、警用及军事等领域。由于旋翼无人机在执行任务时不易被发现的优点,容易被不法分子用来危害社会、盗取国家机密,影响社会安全。本文对实时检测空中旋翼无人机的方法进行了研究,并主要对如何从视频数据中提取处于悬浮状态和巡航状态的旋翼无人机的兴趣区域进行了研究。本文的主要工作为:1、对基于帧间差分法、高斯背景模型和光流法等视频目标检测算法、基于滑动窗口检测的图像检测算法、图像分割结合分类器等兴趣区域检测算法以及HOG、LBP等特征提取算法和SVM、随机森林等分类器模型进行实验,从时间、检测结果以及对计算机硬件的需求等方面对各算法的检测效果进行对比,获得检测旋翼无人机的系统方案。2、对处于运动状态下的旋翼无人机的飞行特性作出总结,针对旋翼无人机有悬浮和巡航两种运动状态以及传统的兴趣区域提取算法在该场景下工作的局限性问题,对提取兴趣区域的算法进行了研究及实验对比,作出了总结。3、考虑到非合作无人机距离摄像头的远近情况、在摄像头里呈现的角度位置的不一致性、复杂的背景以及它可能处于运动或悬停状态,容易使拍摄视频中... 

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 论文的研究背景和意义
    1.2 国内外研究现状
        1.2.1 基于视频的目标检测算法研究现状
        1.2.2 基于兴趣区域检测算法的研究现状
    1.3 论文的研究内容及结构框架
        1.3.1 论文研究内容
        1.3.2 论文结构和框架
2 基于无人机拍摄的视频特性分析
    2.1 旋翼无人机的飞行状态
    2.2 基于旋翼无人机悬浮状态的视频图像特性
    2.3 基于旋翼无人机巡航状态的视频图像特性
    2.4 本章小结
3 基于改进的视频图像兴趣区域提取方法
    3.1 基于动态图像的兴趣区域提取
        3.1.1 基于视频图像的运动目标检测主流算法
        3.1.2 本文基于帧间差分法的兴趣区域提取
    3.2 基于静态图像的兴趣区域提取
        3.2.1 传统的静态图像目标检测算法
        3.2.2 基于改进的Selective Search算法的兴趣区域提取
    3.3 本文改进的兴趣区域提取法及结果
    3.4 本章小结
4 基于兴趣区域的空中旋翼无人机检测方法
    4.1 图像预处理方法
        4.1.1 图像的灰度化
        4.1.2 图像噪声的消除
        4.1.3 自适应直方图均衡
        4.1.4 本文的优化算法
    4.2 图像特征提取
        4.2.1 图像特征的分类
        4.2.2 图像特征提取算法
        4.2.3 本文的特征提取算法
    4.3 分类器训练模型
        4.3.1 随机森林模型
        4.3.2 神经网络
        4.3.3 支持向量机(SVM算法)
        4.3.4 三种算法对比
        4.3.5 本文的分类算法
    4.4 算法的整体设计及检测结果
        4.4.1 算法的整体设计
        4.4.2 实验环境
        4.4.3 获取数据集
        4.4.4 旋翼无人机分类器性能评价
        4.4.5 算法检测性能评价标准
        4.4.6 调参
        4.4.7 算法检测性能评价
        4.4.8 算法检测结果
    4.5 本章小结
5 结论
    5.1 本文主要研究工作
    5.2 未来工作展望
参考文献
攻读硕士学位期间发表的论文
致谢


【参考文献】：
期刊论文
[1]基于改进的帧间差分运动目标提取算法[J]. 赵婷,郑紫微.  无线通信技术. 2016(02)
[2]改进的时空背景差分目标检测[J]. 宋志勤,路锦正,聂诗良.  光电工程. 2016(02)
[3]图像物体分类与检测算法综述[J]. 黄凯奇,任伟强,谭铁牛.  计算机学报. 2014(06)
[4]基于帧间差分和光流法的红外图像运动检测[J]. 许敬,张合,张祥金.  计算机仿真. 2012(06)
[5]基于感兴趣区域多特征加权融合的图像检索算法[J]. 唐朝霞,章慧,吴海华.  微电子学与计算机. 2011(06)
[6]融合光流速度与背景建模的目标检测方法[J]. 张水发,张文生,丁欢,杨柳.  中国图象图形学报. 2011(02)
[7]基于背景估计的运动检测算法[J]. 司红伟,全蕾,张杰.  计算机工程与设计. 2011(01)
[8]基于显著区域的图像检索方法[J]. 梁春迎,王国营,康进峰.  计算机工程. 2010(05)
[9]图像高斯平滑滤波分析[J]. 王耀贵.  计算机与信息技术. 2008(08)
[10]图像高斯平滑滤波分析[J]. 王耀贵.  计算机与信息技术. 2008 (08)

博士论文
[1]图像感兴趣区域提取方法研究[D]. 陈再良.中南大学 2012

硕士论文
[1]基于显著区域的图像语义检索方法研究[D]. 李海洋.西北农林科技大学 2013
[2]基于显著区域及SVM相关反馈的图像检索技术研究[D]. 张桂月.西安电子科技大学 2012
[3]适应于复杂背景的前景检测算法的研究与实现[D]. 王晶.黑龙江大学 2011
[4]视频监控中运动目标检测与跟踪技术的研究[D]. 孙磊.电子科技大学 2011
[5]基于改进EM算法和混合核SVM的图像检索技术研究及应用[D]. 赵亮.南京航空航天大学 2010
[6]视频运动人体目标跟踪方法与性能评估[D]. 王静.西安电子科技大学 2010



本文编号：3662592