多波段成像系统彩色视频生成技术研究
发布时间：2021-04-13 23:39
近年来人工智能和网络通信技术逐步发展,视频监控和图像处理技术的应用范围也相应扩大。传统的监控设备大多采用单一波段、固定位置摄像机,监控范围较小,在天况较差时使用红外摄像机只能生成灰度图像,不能满足高分辨率、高信息量的视频监控要求。利用变焦式高分辨率摄像机,可以灵活选取宽范围监控视角,红外视频背景的彩色化可以加大红外前景运动目标与可见光背景对比度,图像信息量更丰富,因此提出并实现基于变焦式多波段成像的彩色视频构建系统。在能见度较高的白天拍摄监控区域的多张可见光背景图作为红外转彩色背景的源图像,分别使用YOLO算法和HOG+SVM算法检测图像中车辆、行人等可移动障碍物,通过同位置图像替换方法进行障碍物消除,以减少与红外运动目标融合后对运动目标的干扰。摄像机在天况较差环境下使用红外波段拍摄区域内任意视场与焦距的红外背景图,通过增加同比例变换功能使全景拼接和模板匹配算法搭配使用,提取彩色化背景图。利用SIFT算法将无障碍可见光背景图进行全景拼接合成全景图,红外背景图与全景图进行同比例变换,再利用模板匹配算法与全景图自动配准并从中提取出与红外背景图完全相同的彩色背景图,实现不同焦距下红外背景向彩...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图２．?２被动红外摄像机??Ｆｉｇ．?２．２?Ｐａｓｓｉｖｅ?ｉｎｆｒａｒｅｄ?ｃａｍｅｒａ??主动成像是利用摄像机自带“红外灯”发射红外线照明目标和环境，利用反射的??
?多波段成像系统彩色视猄生成技术研究???图２．?２被动红外摄像机??Ｆｉｇ．?２．２?Ｐａｓｓｉｖｅ?ｉｎｆｒａｒｅｄ?ｃａｍｅｒａ??主动成像是利用摄像机自带“红外灯”发射红外线照明目标和环境，利用反射的??红外线进行拍摄，能展现目标的细节特征信息。本文根据项目实际需要，选用带云台??功能的ＬＥＤ高清主动红外网络智能摄像机作为前端视频信号采集设备。光照度条件良??好时，设置可见光成像模式拍摄彩色视频；光照度条件较差情况下，红外线截止滤光??片移除，监控传感器转换到红外摄像模式。如图２．３所示为海康威视品牌下的高清网络??摄像机，主要规格参数由表２．１给出。??ＨＩＫＶＫｆＯＮ??灣??纖：??图２．?３高清网络摄像机??Ｆｉｇ．?２．３?Ｈｉｇｈ－ｄｅｆｉｎｉｔｉｏｎ?ｎｅｔｗｏｒｋ?ｃａｍｅｒａ??－１０?－??
也是ＯｐｅｎＣＶ最显著的特点。??Ｖｉｓｕａ］?Ｓｔｕｄｉｏ是Ｗｉｎｄｏｗｓ平台的主流应用程序集成开发环境之一。包含了软件开??发所需的基本使用工具，而且它的目标代码可用Ｃ／Ｃ＋＋、ｂａｓｉｃ、Ｃ＃等多语言编写，适??用于微软公司所支持的所有软件平台。??２．?３．?３系统图像处理流程??（１）视频图像采集??多波段视频成像监控系统采用的是海康威视ＬＥＤ高清网络智能球机。网络摄像机??安装之后，确认好网络摄像机与电脑连接，然后登录浏览器进行有关功能配置和参数??设置。连接方式有如图２．５中的两种，本系统采用第二种连接方式。??＇■网络亶通线网络交叉线??亂?◎?Ｌ?：??图２．?５视频采集系统连接方式??Ｆｉｇ．?２．５?Ｖｉｄｅｏ?ｃａｐｔｕｒｅ?ｓｙｓｔｅｍ?ｃｏｎｎｅｃｔｉｏｎ??－１３?－??
【参考文献】：
期刊论文
[1]基于深度学习的目标检测技术的研究综述[J]. 罗元,王薄宇,陈旭. 半导体光电. 2020(01)
[2]基于轮廓特征及灰度相似度匹配的接触网绝缘子缺陷检测（英文）[J]. Ping TAN,Xu-feng LI,Jin-mei XU,Ji-en MA,Fei-jie WANG,Jin DING,You-tong FANG,Yong NING. Journal of Zhejiang University-Science A（Applied Physics & Engineering）. 2020(01)
[3]基于Linux的网络监控系统硬件设计[J]. 张佳栋. 无线互联科技. 2019(24)
[4]计算机视觉下的车辆目标检测算法综述[J]. 李明熹,林正奎,曲毅. 计算机工程与应用. 2019(24)
[5]无人机多源侦察图像融合方法研究[J]. 李航,林毅,孙尔蔓. 舰船电子工程. 2019(10)
[6]混合现实的目标识别技术和YOLO算法的对比[J]. 张笑宇. 微处理机. 2019(05)
[7]基于改进颜色传递策略与NSCT的红外与可见光图像伪彩色融合[J]. 钱伟,常霞,虎玲. 红外技术. 2019(06)
[8]基于灰度变换及边缘检测的脑地形图像识别算法的研究[J]. 陈新磊. 电脑编程技巧与维护. 2019(03)
[9]改进的尺度不变特征变换算法并行加速双目测距系统及其实现[J]. 张志强,施文华. 激光与光电子学进展. 2019(14)
[10]基于改进SIFT的时间序列图像拼接方法研究[J]. 卢鹏,卢奇,邹国良,王振华,侯倩. 计算机工程与应用. 2020(01)
博士论文
[1]中国服务贸易补贴绩效评价及政策选择[D]. 费娇艳.对外经济贸易大学 2018
[2]基于宽视场拼接成像的目标分割与跟踪算法研究[D]. 王晓坤.长春理工大学 2016
[3]无人机图像中的典型目标检测与变化检测方法研究[D]. 苏昂.国防科学技术大学 2016
[4]基于视觉模型的红外图像增强技术研究[D]. 李毅.中国科学院研究生院(长春光学精密机械与物理研究所) 2016
[5]红外序列图像处理关键算法研究[D]. 刘雨.浙江大学 2016
[6]复杂场景下的目标检测技术研究[D]. 余化鹏.电子科技大学 2015
[7]基于灰色系统理论的路面图像裂缝检测算法研究[D]. 李刚.武汉理工大学 2010
硕士论文
[1]光子计数图像融合及彩色化技术研究[D]. 仲红玉.山东理工大学 2019
[2]无人机实时高清图传系统的设计与实现[D]. 彭湛博.西安电子科技大学 2018
[3]基于图像的RANSAC算法与硬件实现研究[D]. 张玄.西安电子科技大学 2018
[4]影像拼接算法的研究[D]. 卫志敏.华侨大学 2018
[5]基于Internet技术的电梯远程监控系统的研究[D]. 张旦.杭州电子科技大学 2018
[6]固定区域夜雾天况彩色视频构建技术的研究[D]. 刘丽娜.大连海事大学 2018
[7]基于视频监控的目标检测与跟踪算法研究[D]. 童源.东南大学 2017
[8]基于无线网络的人脸识别门禁系统的研究与实现[D]. 王王.西南科技大学 2016
[9]基于视频的公交车辆检测与识别研究[D]. 朱磊.江西理工大学 2016
[10]制冷红外与微光融合侦察技术[D]. 邓超岚.北京理工大学 2015
本文编号：3136219
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图２．?２被动红外摄像机??Ｆｉｇ．?２．２?Ｐａｓｓｉｖｅ?ｉｎｆｒａｒｅｄ?ｃａｍｅｒａ??主动成像是利用摄像机自带“红外灯”发射红外线照明目标和环境，利用反射的??
?多波段成像系统彩色视猄生成技术研究???图２．?２被动红外摄像机??Ｆｉｇ．?２．２?Ｐａｓｓｉｖｅ?ｉｎｆｒａｒｅｄ?ｃａｍｅｒａ??主动成像是利用摄像机自带“红外灯”发射红外线照明目标和环境，利用反射的??红外线进行拍摄，能展现目标的细节特征信息。本文根据项目实际需要，选用带云台??功能的ＬＥＤ高清主动红外网络智能摄像机作为前端视频信号采集设备。光照度条件良??好时，设置可见光成像模式拍摄彩色视频；光照度条件较差情况下，红外线截止滤光??片移除，监控传感器转换到红外摄像模式。如图２．３所示为海康威视品牌下的高清网络??摄像机，主要规格参数由表２．１给出。??ＨＩＫＶＫｆＯＮ??灣??纖：??图２．?３高清网络摄像机??Ｆｉｇ．?２．３?Ｈｉｇｈ－ｄｅｆｉｎｉｔｉｏｎ?ｎｅｔｗｏｒｋ?ｃａｍｅｒａ??－１０?－??
也是ＯｐｅｎＣＶ最显著的特点。??Ｖｉｓｕａ］?Ｓｔｕｄｉｏ是Ｗｉｎｄｏｗｓ平台的主流应用程序集成开发环境之一。包含了软件开??发所需的基本使用工具，而且它的目标代码可用Ｃ／Ｃ＋＋、ｂａｓｉｃ、Ｃ＃等多语言编写，适??用于微软公司所支持的所有软件平台。??２．?３．?３系统图像处理流程??（１）视频图像采集??多波段视频成像监控系统采用的是海康威视ＬＥＤ高清网络智能球机。网络摄像机??安装之后，确认好网络摄像机与电脑连接，然后登录浏览器进行有关功能配置和参数??设置。连接方式有如图２．５中的两种，本系统采用第二种连接方式。??＇■网络亶通线网络交叉线??亂?◎?Ｌ?：??图２．?５视频采集系统连接方式??Ｆｉｇ．?２．５?Ｖｉｄｅｏ?ｃａｐｔｕｒｅ?ｓｙｓｔｅｍ?ｃｏｎｎｅｃｔｉｏｎ??－１３?－??
【参考文献】：
期刊论文
[1]基于深度学习的目标检测技术的研究综述[J]. 罗元,王薄宇,陈旭. 半导体光电. 2020(01)
[2]基于轮廓特征及灰度相似度匹配的接触网绝缘子缺陷检测（英文）[J]. Ping TAN,Xu-feng LI,Jin-mei XU,Ji-en MA,Fei-jie WANG,Jin DING,You-tong FANG,Yong NING. Journal of Zhejiang University-Science A（Applied Physics & Engineering）. 2020(01)
[3]基于Linux的网络监控系统硬件设计[J]. 张佳栋. 无线互联科技. 2019(24)
[4]计算机视觉下的车辆目标检测算法综述[J]. 李明熹,林正奎,曲毅. 计算机工程与应用. 2019(24)
[5]无人机多源侦察图像融合方法研究[J]. 李航,林毅,孙尔蔓. 舰船电子工程. 2019(10)
[6]混合现实的目标识别技术和YOLO算法的对比[J]. 张笑宇. 微处理机. 2019(05)
[7]基于改进颜色传递策略与NSCT的红外与可见光图像伪彩色融合[J]. 钱伟,常霞,虎玲. 红外技术. 2019(06)
[8]基于灰度变换及边缘检测的脑地形图像识别算法的研究[J]. 陈新磊. 电脑编程技巧与维护. 2019(03)
[9]改进的尺度不变特征变换算法并行加速双目测距系统及其实现[J]. 张志强,施文华. 激光与光电子学进展. 2019(14)
[10]基于改进SIFT的时间序列图像拼接方法研究[J]. 卢鹏,卢奇,邹国良,王振华,侯倩. 计算机工程与应用. 2020(01)
博士论文
[1]中国服务贸易补贴绩效评价及政策选择[D]. 费娇艳.对外经济贸易大学 2018
[2]基于宽视场拼接成像的目标分割与跟踪算法研究[D]. 王晓坤.长春理工大学 2016
[3]无人机图像中的典型目标检测与变化检测方法研究[D]. 苏昂.国防科学技术大学 2016
[4]基于视觉模型的红外图像增强技术研究[D]. 李毅.中国科学院研究生院(长春光学精密机械与物理研究所) 2016
[5]红外序列图像处理关键算法研究[D]. 刘雨.浙江大学 2016
[6]复杂场景下的目标检测技术研究[D]. 余化鹏.电子科技大学 2015
[7]基于灰色系统理论的路面图像裂缝检测算法研究[D]. 李刚.武汉理工大学 2010
硕士论文
[1]光子计数图像融合及彩色化技术研究[D]. 仲红玉.山东理工大学 2019
[2]无人机实时高清图传系统的设计与实现[D]. 彭湛博.西安电子科技大学 2018
[3]基于图像的RANSAC算法与硬件实现研究[D]. 张玄.西安电子科技大学 2018
[4]影像拼接算法的研究[D]. 卫志敏.华侨大学 2018
[5]基于Internet技术的电梯远程监控系统的研究[D]. 张旦.杭州电子科技大学 2018
[6]固定区域夜雾天况彩色视频构建技术的研究[D]. 刘丽娜.大连海事大学 2018
[7]基于视频监控的目标检测与跟踪算法研究[D]. 童源.东南大学 2017
[8]基于无线网络的人脸识别门禁系统的研究与实现[D]. 王王.西南科技大学 2016
[9]基于视频的公交车辆检测与识别研究[D]. 朱磊.江西理工大学 2016
[10]制冷红外与微光融合侦察技术[D]. 邓超岚.北京理工大学 2015
本文编号：3136219
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3136219.html
