海浪爬浪监测系统设计与研究

发布时间：2017-07-18 21:24

  本文关键词：海浪爬浪监测系统设计与研究

  更多相关文章： 海浪监测 图像匹配 运动海浪检测 混合差分 阈值分割

【摘要】：中国作为一个海洋大国,岛屿众多,海岸线曲折漫长,因此海浪监测对我国具有极其重要的战略与实际意义。建立一个可视化远程监控系统,是海浪监测的一种有效手段。本文结合具体项目背景,在对基于计算机视觉的运动海浪检测中的关键技术进行大量研究的基础上,提出了海浪爬浪监测系统方案。本文的研究内容概述如下,其中,创新点主要体现在2和3：1)运动背景补偿。针对摄像机移动造成背景运动的问题,本文采用基于简化的ORB(ORiented Brief)特征检测与匹配算法,将两幅图像进行匹配,利用PROSAC(Progressive Sample Consensus)算法进行模型参量拟合,获得两幅图像之间的仿射矩阵,根据仿射矩阵对其中一帧图像进行运动背景补偿。2)阈值分割。针对将灰度图转换成二值化图需要保留完整的有用信息并具有良好的抗噪性能等要求,本文提出一种基于带权积分图的自适应阈值分割算法。该算法结合网格模型思想和权重思想,利用带权积分图实现图像的二值化。实验证明,算法在复杂海浪环境下能表现出良好的鲁棒性。3)运动海浪检测。针对具体海浪检测中难以同时满足准确性和实时性的问题,本文提出一种基于混合差分的海浪边缘检测算法,首先采用三帧差法进行场景区域的快速分类,把运动区域分割出来；然后对其进行腐蚀膨胀等形态学处理,并使用Sobel算子提取运动物体边缘；最后,运用基于混合高斯模型的背景差分法去除干扰运动。实验证明,算法在保证效率的同时,对复杂的海浪场景具有较好的鲁棒性,能准确地提取出运动海浪浪尖边缘。4)标杆提取。为了提取出海浪图片中的标杆并将其作为标尺,本文首先选取一张清晰的初始图片,利用基于HSV空间的阈值分割算法将初始图片中的标杆提取出来,然后将初始图片与当前图片进行匹配,利用匹配得到的仿射矩阵计算出当前图片中标杆的位置。此外,针对获取历史视频拍摄时间的问题,本文还提出一种基于Bayes分类器及形状相近概率的字符识别算法,该算法具有识别时间短、准确率高等优点。基于上述研究,本文搭建了完整的海浪爬浪监测系统,并使用实际海浪视频对本文算法进行实验分析,实验结果充分证明了本文提出算法的可行性与有效性。
【关键词】：海浪监测 图像匹配 运动海浪检测 混合差分 阈值分割
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP274
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-16
• 1.1 论文研究背景介绍10-12
• 1.1.1 论文研究背景10
• 1.1.2 国内外发展现状10-12
• 1.2 课题技术方案12-13
• 1.3 论文章节安排13-16
• 第二章 海浪视频预处理16-40
• 2.1 运动背景补偿16-31
• 2.1.1 图像匹配算法16-23
• 2.1.1.1 SIFT算法概述16-19
• 2.1.1.2 SURF算法概述19-21
• 2.1.1.3 ORB算法概述21-23
• 2.1.2 基于PROSAC算法的模型参量拟合23-24
• 2.1.3 算法比较与实验24-31
• 2.1.3.1 三种特征检测算法性能比较24-28
• 2.1.3.2 简化的ORB算法28-31
• 2.2 阈值分割算法31-38
• 2.2.1 基于积分图的阈值分割算法32-33
• 2.2.2 基于带权积分图的自适应阈值分割算法33-35
• 2.2.3 实验分析与比较35-38
• 2.4 本章小结38-40
• 第三章 浪高测量关键问题研究40-54
• 3.1 运动海浪检测40-50
• 3.1.1 经典运动目标检测算法41-42
• 3.1.1.1 光流法41-42
• 3.1.1.2 背景差分法42
• 3.1.1.3 帧间差分法42
• 3.1.2 基于混合差分的海浪边缘检测算法42-47
• 3.1.3 实验分析与比较47-50
• 3.2 标杆提取50-52
• 3.3 本章小结52-54
• 第四章 系统设计与实现54-62
• 4.1 系统总体设计54-55
• 4.2 系统具体功能介绍55-57
• 4.2.1 系统界面介绍55-56
• 4.2.2 标杆检测56
• 4.2.3 数据查询56-57
• 4.3 时间字符识别57-60
• 4.3.1 基于Bayes分类器及形状相近概率的字符识别算法57-59
• 4.3.2 实验分析与比较59-60
• 4.4 本章小结60-62
• 第五章 总结与展望62-64
• 5.1 全文工作总结62-63
• 5.2 工作展望63-64
• 致谢64-66
• 参考文献66-72
• 作者硕士期间发表的论文与专利72

【相似文献】

中国期刊全文数据库 前10条

1 梁光明;唐朝京;刘东华;孙即祥;张志涛;;基于分割评价的多层次自适应双阈值分割算法[J];电子学报;2009年04期

2 相卓;;基于遗传算法的图像阈值分割算法研究[J];科技信息;2009年12期

3 李彬;谢云;;阈值分割算法在医用药瓶溶液杂质检测中的研究[J];自动化与信息工程;2012年05期

4 孙光灵,周庆松,方传刚;基于最小类内方差的快速阈值分割算法[J];安徽理工大学学报(自然科学版);2005年01期

5 王艳秋;;羽绒图像阈值分割算法研究[J];计算机工程与应用;2008年34期

6 王亮亮;王黎;高晓蓉;王泽勇;;两种改进的局部阈值分割算法[J];现代电子技术;2009年14期

7 程红;王志强;白新伟;;航拍胶片注释信息阈值分割算法研究[J];地理与地理信息科学;2011年04期

8 李静,王卫星;岩石骨料图像阈值分割算法的比较研究[J];中南林学院学报;2004年05期

9 徐奕奕;;腐蚀线材的阈值分割算法研究[J];广西工学院学报;2006年02期

10 郑根让;王成;查尔斯;;二维自由粒子群图像阈值分割算法[J];科技通报;2012年04期

中国重要会议论文全文数据库 前1条

1 仇红娟;杜大军;邱道尹;;模糊阈值分割算法在烧结机尾断面图像处理中的应用[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集（上册）[C];2004年

中国博士学位论文全文数据库 前3条

1 林正春;无准则多维图像阈值分割算法——最优进化算法[D];华南理工大学;2010年

2 魏巍;噪声和不均匀光照图像阈值分割技术研究[D];吉林大学;2011年

3 龙建武;图像阈值分割关键技术研究[D];吉林大学;2014年

中国硕士学位论文全文数据库 前10条

1 吴佳;海浪爬浪监测系统设计与研究[D];东南大学;2016年

2 张赫;基于波谷相对信息的阈值分割算法研究[D];吉林大学;2015年

3 许鑫;无适度图像阈值分割算法—最优蜜源算法（ONSA）[D];长安大学;2012年

4 龙建武;基于Otsu的图像阈值分割算法的研究[D];吉林大学;2011年

5 李静;降落岩石骨料图像阈值分割算法的研究[D];湖南师范大学;2004年

6 朱磊;自适应阈值分割技术及在工业视觉检测中的应用[D];江南大学;2014年

7 周海兵;基于GPU加速的Otsu图像阈值分割算法实现[D];大连理工大学;2009年

8 安妮;基于局部自适应阈值分割算法的高压线图像检测方法[D];武汉工程大学;2015年

9 谢鹏鹤;图像阈值分割算法研究[D];湘潭大学;2012年

10 褚巧龙;基于Otsu的图像阈值分割算法的研究[D];燕山大学;2011年

，

本文编号：559871