无人机图像中的典型目标检测与变化检测方法研究
本文关键词： 目标检测 在线级联Boosting 梯度方向直方图 旋转不变特征 变化检测 B样条 图割 无人机图像 出处：《国防科学技术大学》2016年博士论文 论文类型：学位论文
【摘要】：随着无人机越来越广泛的应用,无论是军事领域还是民用领域都对无人机图像中的目标检测和变化检测提出了迫切的需求。虽然目标检测和变化检测一直以来都是一个研究热点问题,然而由于目标本身和地物背景的复杂性,高效鲁棒的目标检测和变化检测依然是一个富有挑战性的问题。本文分别从无人机图像中的典型目标检测和变化检测两个方面展开研究,主要内容如下:(1)针对无人机图像的车辆检测问题,提出了一种基于梯度方向直方图(Histograms of Oriented Gradients,HOG)特征和在线级联Boosting的检测算法。首先根据检测窗口中梯度主方向估计车辆朝向,然后旋转检测窗口提取HOG特征再进行分类器判别,避免了训练时标注车辆朝向以及检测时在同一位置进行多次分类器判别。然后提出了基于积分图像和基于圆形滤波器的两种旋转窗口HOG特征快速提取算法,使得在旋转窗口中提取HOG特征的效率大大提高。最后通过结合在线Boosting和柔性级联分类器提出了一种在线级联Boosting分类器,提高了车辆检测效率,并通过使用性能更好的基于Fisher判别和Bayes判别的弱分类器,显著提升了车辆检测的性能。(2)传统基于径向梯度变换和环形区域梯度累积构建的旋转不变特征存在计算效率不高的问题,特别是当进行目标检测需要在整幅图像上密集计算这种特征的时候,计算效率的问题显得尤为突出。针对这个问题,提出了一种基于高斯滤波加速的旋转不变HOG特征。首先采用了基于查找表和极坐标的快速径向梯度变换方法,其次采用了基于高斯滤波器的环形区域的梯度累积策略,实现了密集旋转不变特征的快速计算。进行的飞机检测实验结果表明,提出的旋转不变特征与改进前的特征相比,目标检测性能基本不变,但特征提取效率大幅提高。(3)针对传统基于极坐标傅里叶分析的旋转不变HOG特征存在计算效率不高且特征维度过大的问题,提出了一种改进的快速旋转不变HOG特征。首先将特征计算过程中包含的大量卷积运算通过快速傅里叶变换转换成频域的点乘,提高了特征计算速度。然后使用一种基于支持向量机的后向搜索特征选择算法将原始特征降维,减少特征维度的同时也进一步降低了特征的计算耗时。进行的车辆检测实验结果表明,改进的旋转不变特征不仅计算速度更快占用内存更少,而且目标检测性能更好。(4)针对无人机图像中的变化检测问题,提出了一种基于非刚性配准和图割的变化检测方法。首先,在基于SURF特征和单应变换的图像粗配准基础上,采用基于B样条的非刚性配准方法完成图像精配准,显著减少了局部配准误差对变化检测的干扰。其次,通过提取多种局部特征并采用慢特征分析法将高维特征变换到新的特征空间,提高了变化检测的鲁棒性,通过采用一种Min-Max双向差图像的方法,削弱了局部配准误差对变化检测的干扰。最后,基于马尔科夫随机场构造了一个全局目标函数,并采用图割算法求解得到变化检测结果。由于全局目标函数中不仅考虑了单个像素的变化信息,也考虑了像素之间的空间关系,因此变化检测结果中的孤立噪声和空洞现象显著减少。
[Abstract]:This paper presents an improved fast rotation invariant HOG feature based on the detection and change detection of UAV images . ( 4 ) Aiming at the problem of change detection in UAV image , a non - rigid registration method based on non - rigid registration and graph cutting is proposed . Firstly , the interference of local registration error to change detection is reduced by using non - rigid registration method based on B - spline . Secondly , based on Markov random field , the interference of local registration error to change detection is reduced . Finally , the spatial relationship between pixels is considered by using a Min - Max bi - directional difference image .
【学位授予单位】：国防科学技术大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：V279;TP391.41
【相似文献】
相关期刊论文 前10条
1 胡岩峰,刘波,李峰,李立钢,丘江;一种基于统计分析的图像变化检测方法[J];光子学报;2005年01期
2 宋翠玉;李培军;杨锋杰;;运用多尺度图像纹理进行城市扩展变化检测[J];国土资源遥感;2006年03期
3 徐宏根;宋妍;;顾及阴影信息的高分辨率遥感图像变化检测方法[J];国土资源遥感;2013年04期
4 刘直芳,张剑清;城区变化检测的一种方法[J];测绘通报;2001年02期
5 倪林,冷洪超;机场区域变化检测研究[J];遥感技术与应用;2002年04期
6 李小春,陈鲸;一种变化检测的新算法[J];宇航学报;2005年03期
7 唐德可,付琨,王宏琦;基于光谱和空域信息的城区变化检测方法研究[J];测绘科学;2005年06期
8 钟家强;王润生;;一种基于线特征的道路网变化检测算法[J];遥感学报;2007年01期
9 吴华;常艳玲;沙瑞;;基于Laplacian Eigenmap的图像变化检测虚警优化技术[J];计算机工程与应用;2007年32期
10 霍春雷;程健;卢汉清;周志鑫;;基于多尺度融合的对象级变化检测新方法[J];自动化学报;2008年03期
相关会议论文 前10条
1 尤红建;詹芊芊;;尺度优化的星载SAR图像变化检测[A];中国测绘学会第九次全国会员代表大会暨学会成立50周年纪念大会论文集[C];2009年
2 刘元波;;环境遥感变化探测研究中的若干问题：辐射校正方法与变化检测算法及其理论关系[A];中国地理学会2007年学术年会论文摘要集[C];2007年
3 邢帅;徐青;;高分辨率卫星遥感影像变化检测技术的研究[A];第十三届全国图象图形学学术会议论文集[C];2006年
4 霍春雷;程健;周志鑫;卢汉清;;基于尺度传播的多尺度变化检测新方法[A];第十四届全国图象图形学学术会议论文集[C];2008年
5 张蔚然;韩萍;;基于去取向理论的极化SAR变化检测[A];第二十五届中国（天津）2011’IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2011年
6 胡艳;李胜;何宗;罗灵军;李静;;水体变化检测在重庆市干旱遥感监测中的应用[A];重庆市测绘学会第三届优秀论文评选获奖论文暨2005-2006年度学术交流会论文选编[C];2008年
7 张铁军;;年度土地利用变更调查中遥感监测图斑提取方法浅析[A];福建省土地学会2012年年会论文集[C];2012年
8 柳思聪;杜培军;;基于形态学滤波的多时相遥感影像变化检测方法研究[A];第十七届中国遥感大会摘要集[C];2010年
9 刘志刚;李夕海;钱昌松;;遥感图像变化检测问题浅析[A];陕西地球物理文集（五）国家安全与军事地球物理研究[C];2005年
10 刘翔;李万茂;高连如;陶发达;倪金生;;基于遥感图像变化检测的投资项目搜索技术研究[A];中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文集[C];2010年
相关博士学位论文 前10条
1 郝明;基于空间信息准确性增强的遥感影像变化检测方法研究[D];中国矿业大学;2015年
2 王凌霞;基于多尺度分析和自然进化优化的遥感图像配准与变化检测[D];西安电子科技大学;2015年
3 刘赶超;基于双噪声相似性模型的SAR图像变化检测[D];西安电子科技大学;2016年
4 吕志勇;顾及影像空间特征的地表覆盖变化检测方法研究[D];武汉大学;2014年
5 陆苗;面向地表覆盖数据更新的变化检测方法研究[D];武汉大学;2014年
6 徐金燕;全极化星载SAR影像辐射校正与城区变化检测[D];武汉大学;2014年
7 武辰;遥感影像多层次信息变化检测研究[D];武汉大学;2015年
8 苏昂;无人机图像中的典型目标检测与变化检测方法研究[D];国防科学技术大学;2016年
9 李向军;遥感土地利用变化检测方法探讨[D];中国科学院研究生院（遥感应用研究所）;2006年
10 邓小炼;基于变化矢量分析的土地利用变化检测方法研究[D];中国科学院研究生院（遥感应用研究所）;2006年
相关硕士学位论文 前10条
1 张家琦;遥感影像变化检测方法及应用研究[D];中国地质大学(北京);2015年
2 李玲玲;基于NSCT和NSST的图像变化检测算法研究及应用[D];新疆大学;2015年
3 胡雪梅;基于MST的遥感图像变化检测研究[D];新疆大学;2015年
4 杨国栋;基于分布式并行聚类的SAR图像变化检测算法研究[D];西安电子科技大学;2014年
5 王桥;基于多目标模糊聚类的SAR图像变化检测[D];西安电子科技大学;2014年
6 张文婷;基于自适应权值差异图融合和聚类的SAR图像变化检测方法研究[D];西安电子科技大学;2014年
7 任新营;基于OpenCL的并行SAR图像变化检测[D];西安电子科技大学;2014年
8 宫金杞;面向地理国情监测的地表覆盖变化检测方法研究及系统实现[D];山东农业大学;2015年
9 赵姣姣;基于无监督方法的SAR图像变化检测[D];西安电子科技大学;2014年
10 李晓婷;基于信息融合与匀质区域提取的SAR图像变化检测[D];西安电子科技大学;2014年
，本文编号：1499498
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/1499498.html
