基于二维激光与图像的林区采育目标识别方法研究

发布时间：2017-05-19 08:24

  本文关键词：基于二维激光与图像的林区采育目标识别方法研究，由笔耕文化传播整理发布。

【摘要】：为解决目前林木装备在作业时由于林区环境、地形复杂、障碍物的存在而导致的工作效率较低,危险较大的问题。本课题拟基于二维激光测距仪和红外热像仪来对林区环境信息进行采集。通过信息融合技术,利用机器学习算法,对林区采育目标进行检测和识别,并在图片中进行显示,为采育作业操作员提供辅助信息,从而弥补人眼判断的不足,降低作业危险,为实现林业装备智能化奠定理论与技术基础。本文的主要研究工作和结论有以下几方面内容：1.根据林区环境特点以及实际试验条件,选择二维激光测距仪和红外热像仪来采集林区环境信息,利用上位机对传感器的信息采集和存储进行控制,并对采集到的信号进行预处理。2.根据两种传感器的工作原理,通过传感器内部标定和外部联合标定将二维激光点与图像中目标进行标定和匹配,从而获取图像中我们需要的目标区域,同时由激光坐标得到目标的位置信息。根据标定结果标定参数进行了校正,得到更准确的目标区域,为后续的目标识别提供依据。3.将红外热像仪采集到的可见光图像和红外热图像进行融合,分别利用PCA(主成分分析)和PCNN(脉冲耦合神经网络)两种算法进行了图像融合。基于图像对目标特征进行了选择和提取,为后续建立目标分类模型提供数据依据。4.基于前期采集到的树木、行人和岩石的150组样本数据,分别采用当前流行的机器学习算法,包括AdaBoost、K近邻、人工神经网络和支持向量机对其进行了分类识别。其中针对神经网络算法通过组合不同的训练函数,找到对本数据库分类性能最好的四种模型。5.针对支持向量机算法进行进一步研究。基于后期采集的500组样本数据,从两方面对其进行了优化和改进。一方面通过不同的优化算法对SVM内部参数进行了优化；另一方面建立模糊向量机,提出了一种新的模糊隶属度计算方法,并基于不同的数据库进行了验证。改进后的SVM分类模型在采育目标的识别中可达到96%以上的识别正确率。
【关键词】：二维激光 图像 信息融合 采育目标识别 模式识别
【学位授予单位】：北京林业大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 1 绪论9-23
• 1.1 研究目的和意义9-11
• 1.2 国内外林业智能装备研究进展11-19
• 1.2.1 国内外林业装备技术水平和发展趋势11-12
• 1.2.2 面向林业装备的智能环境检测系统研究12-14
• 1.2.3 传感器信息融合技术14-18
• 1.2.4 研究现状中现存的主要问题18-19
• 1.3 本文主要工作19-23
• 1.3.1 主要研究内容19
• 1.3.2 研究方法和方案19-20
• 1.3.3 技术路线与论文结构20-23
• 2 实验设备与数据采集23-31
• 2.1 林区环境信息采集系统搭建23-25
• 2.1.1 二维激光测距仪LMS29123-24
• 2.1.2 红外热像仪Ti5524-25
• 2.2 实验地点与环境25-26
• 2.3 原始数据采集26-28
• 2.4 激光数据目标特征的提取28-29
• 2.5 本章小结29-31
• 3 激光与图像数据的预处理31-49
• 3.1 二维激光数据与图像的标定31-44
• 3.1.1 CCD相机的标定模型31-34
• 3.1.2 CCD相机的参数标定方法34
• 3.1.3 张氏标定法的相机标定试验34-38
• 3.1.4 外部参数求解38-41
• 3.1.5 结果优化41-44
• 3.2 红外图像与可见光图像的融合44-48
• 3.2.1 图像分解44-46
• 3.2.2 图像重建46-47
• 3.2.3 图像融合结果47-48
• 3.3 本章小结48-49
• 4 基于图像的目标特征提取与分析49-57
• 4.1 温度特征49-50
• 4.2 颜色特征50-51
• 4.3 形状特征51-52
• 4.3.1 宽高比51-52
• 4.3.2 矩形度52
• 4.4 特征分析52-56
• 4.5 本章小结56-57
• 5 基于激光与图像的采育目标识别算法研究57-76
• 5.1 AdaBoost算法57-60
• 5.1.1 AdaBoost算法原理58-59
• 5.1.2 基于AdaBoost算法的采育目标识别结果59-60
• 5.2 k近邻算法60-61
• 5.2.1 k近邻算法原理60
• 5.2.2 基于k近邻算法的采育目标识别结果60-61
• 5.3 人工神经网络算法61-72
• 5.3.1 人工神经网络算法原理61-63
• 5.3.2 基于人工神经网络的采育目标识别结果63-72
• 5.4 SVM支持向量机72-74
• 5.4.1 SVM支持向量机算法原理72-73
• 5.4.2 基于SVM的采育目标识别结果73-74
• 5.5 不同算法的识别结果比较74
• 5.6 本章小结74-76
• 6 基于SVM的采育目标识别算法的改进与优化76-90
• 6.1 SVM模型的参数优化设置76-81
• 6.1.1 模型参数对模型性能的影响76-77
• 6.1.2 模型参数的优化计算77-80
• 6.1.3 不同算法优化后模型性能比较80-81
• 6.2 基于模糊SVM的采育目标识别算法81-88
• 6.2.1 模糊支持向量机的算法原理82-83
• 6.2.2 模糊向量机的模糊隶属度计算83-84
• 6.2.3 不同模糊向量机模型对采育目标识别结果比较84-88
• 6.3 不同检测模式下的算法验证88-89
• 6.4 检测结果可视化显示89
• 6.5 本章总结89-90
• 7 结论与展望90-92
• 7.1 结论90
• 7.2 创新点90
• 7.3 不足与展望90-92
• 参考文献92-98
• 个人简介98-99
• 导师简介99-100
• 获得成果目录100-101
• 致谢10

【相似文献】

中国期刊全文数据库 前10条

1 孙政,邓俊辉,唐泽圣;基于狭缝图像的四维光场模型[J];工程图学学报;2000年03期

2 张亚南;朱长青;杜福光;;多进制小波变换的图像分辨率定量降低方法[J];地球信息科学学报;2012年03期

3 何建农;图像的扫描、存贮及显示[J];福建电脑;1994年01期

4 刘浩学;杨文杰;黄敏;武兵;;一种用单幅图像生成真实感立体图的算法[J];北京印刷学院学报;2009年04期

5 胡少军;耿楠;张志毅;杨沛;何东健;;基于稀疏图像的真实树交互式建模方法[J];农业工程学报;2014年09期

6 李兰;各种分辨率[J];电子科技;2000年17期

7 崔宁;视频图像分辨率的特点和概念[J];现代电视技术;2002年02期

8 王卓;焦淑红;邓磊;;基于降低图像分辨率的红外目标跟踪方法[J];应用科技;2007年03期

9 朱万军;;漫谈电子文件的分辨率[J];科协论坛(下半月);2007年04期

10 王江宁;纪力强;;昆虫图像特征研究[J];山东大学学报(工学版);2011年02期

中国重要会议论文全文数据库 前10条

1 王江宁;纪力强;;昆虫图像特征研究[A];第十五届全国图象图形学学术会议论文集[C];2010年

2 杨德强;苏光大;徐天伟;;一种基于幻想脸的人脸图像分辨率提升新技术[A];第二十七届中国控制会议论文集[C];2008年

3 张莉;李佩臻;;用Photoshop对1：1万DRG入库数据的处理[A];全国测绘科技信息网中南分网第二十一次学术信息交流会论文集[C];2007年

4 任晓晖;龚勇清;;体全息存储再现图像分辨率实验研究[A];第十一届全国光学测试学术讨论会论文（摘要集）[C];2006年

5 廖熠;赵荣椿;;一种基于小波分层模型的自然景物图像表面恢复算法[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

6 刘达;李枢平;;对DCI数字影院技术规范中图像分级技术的理解[A];中国电影电视技术学会影视技术文集[C];2007年

7 汤敏;王惠南;;基于IDL语言的医学图像可视化初步研究[A];第十二届全国图象图形学学术会议论文集[C];2005年

8 赵源萌;邓朝;张馨;张存林;;被动式人体太赫兹安检成像的分辨率增强算法研究[A];中国光学学会2011年学术大会摘要集[C];2011年

9 张尚军;徐光;祁小江;;影响CR胶片质量原因的探讨[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

10 何东晓;隋守鑫;刘微;;高清透雾摄像机的研发及在交通领域的应用[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

中国重要报纸全文数据库 前10条

1 刘筱霞;陈永常;PHOTOSHOP中图像分辨率的设置[N];中国包装报;2002年

2 王树连;从购买图像到租用卫星[N];中国测绘报;2003年

3 杨兴平;如何抓取指定分辨率的图像[N];中国电脑教育报;2003年

4 李鑫;飞利浦200BW8商务人士明智新宠[N];电子资讯时报;2007年

5 记者 曾遗荣邋通讯员 冷承秋 实习生 向哲林;美国一高科技公司将落户武汉[N];湖北日报;2007年

6 唐凤碧;正确运用数码相机分辨率[N];中国摄影报;2007年

7 ;创维TWH-43L（DLP）光显背投图像不良的检修[N];电子报;2008年

8 WLF;细说分辨率[N];电脑报;2003年

9 宏杉;感受专业动力[N];中国计算机报;2001年

10 宋连党;家庭VCD像册大制作[N];中国电脑教育报;2003年

中国博士学位论文全文数据库 前10条

1 王洪;航空光电平台图像稳定技术研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2012年

2 孙艳;基于内容图像检索与敏感图像过滤的若干算法研究[D];吉林大学;2011年

3 赵莹;基于分形几何学的图像信息表示及其应用研究[D];合肥工业大学;2009年

4 唐颖军;基于语义主题模型的图像场景分类研究[D];北京交通大学;2010年

5 陆丽;基于人脸图像的性别识别与年龄估计研究[D];上海交通大学;2010年

6 解文杰;基于中层语义表示的图像场景分类研究[D];北京交通大学;2011年

7 安维华;基于图像的点云模型建造及其在环境映射中的绘制[D];北京大学;2007年

8 胡安洲;主客观一致的图像感知质量评价方法研究[D];中国科学技术大学;2014年

9 王佳生;基于图像的虚拟环境建模技术研究[D];哈尔滨工程大学;2009年

10 李晓雯;面向胶囊内镜系统应用的图像压缩和集成电路设计技术[D];清华大学;2009年

中国硕士学位论文全文数据库 前10条

1 田广昊;基于关联规则的图像挖掘技术研究[D];西安电子科技大学;2008年

2 吴斌;安检用X光机的图像处理技术研究[D];南京理工大学;2005年

3 彭俊;基于内容的图像分布式处理平台的设计与实现[D];华中科技大学;2013年

4 刘琳;基于图像和磁技术的人民币鉴别仪[D];华南理工大学;2012年

5 邹金池;图像软件的设计与应用[D];电子科技大学;2013年

6 张柳;基于单幅图像去雾算法的改进与实现[D];华中师范大学;2014年

7 王雅萍;曲线结构检测在斑马鱼生物图像研究中的应用[D];西北工业大学;2007年

8 顾嘉;感兴趣区域图像分级编码策略[D];河北工业大学;2007年

9 刘向晨;基于USB的CMOS图像信号采集传输和成像研究[D];浙江工业大学;2012年

10 许振辉;图像的匹配扩散研究[D];中国科学院研究生院（自动化研究所）;2009年

  本文关键词：基于二维激光与图像的林区采育目标识别方法研究，，由笔耕文化传播整理发布。

本文编号：378205