面向机动目标识别的多视角光场重构方法研究
发布时间：2021-12-19 19:12
近年来,随着深度学习的迅速发展,图像处理这一研究方向备受关注。目标识别技术是指利用计算机对图像进行处理、分析,将一特殊目标从其他目标中被区分出来的过程。由于遮挡、扭曲、模糊等因素的干扰,使得目标识别的准确率和鲁棒性较差。与传统成像相比,光场包含了在不同位置和不同角度对同一物体进行拍摄的所有图像,即光场所包含的图像信息更广泛,图像质量更高。由此可见,光场可以作为目标的天然特征库。由于光场自身的稀疏性,光场重构大大的提高了光场在实际中的应用。然而,光场有限的可视范围和光场重构时数据量巨大、计算过程复杂等问题极大地影响了光场在目标识别中的准确性和实时性。农业是我国的第一产业,其发展与大众的衣食密不可分。实际的农业场景通常也很复杂,不同的天气、地域、土壤、光照及作物品种都给相关研究带来了巨大挑战。本研究针对光场可视范围有限、光场重构数据量大且可用数据难以获取等问题,利用多智能协作机制对机动目标状态进行有效估计,解决了机动目标丢失的问题。在有遮挡、分辨率低的环境下,图像重构所需要的基础数据并不能完全得到。针对多视角光场重建过程中,捕获数据样本总量大,但可用数据较少的问题,利用生成式对抗网络对目标...
【文章来源】：河南科技学院河南省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
多视角光场重构下的机动目标识别方法流程图
基于多视角的光场重构算法72基于多视角的光场重构算法实际应用场景中，获得一个完整光场是难以实现的。在重构过程中大量的数据会导致误差增加等问题，以至于造成光场重构的实时性和识别准确率不理想。因此，本章节提出光场的多视角表示模型，运用该模型将全光场有效地分为多视角光场，并对多视角下的光场依次进行重构。根据多视角协作机制对各视角捕获的图像信息进行融合，并对机动目标做出有效的状态估计[38]，该方法具体流程如图2-1所示。本章节部分内容已在InternationalJournalofDistributedSensorNetworks杂志上发表[38]。图2-1基于多视角的光场重构方法总体流程图2.1光场的多视角表示模型本章节使用斯坦福大学光场库中的乐高推土机作为给定图像表示为权重图=(,)，节点表示图像中的像素点，光场域表示邻域结构的选择，域的权重为∈。定义每个节点∈的二元标记为=∈{0,1}，=1表示属于目标，=0表示属于背景。将每个视角光场阈值定义在:→2，那么最小适合的泛化函数()为()=∫|(())|2+|()|2+|()|2（2-1）式中，为阈值位于灰度梯度区域内的标准，为随机参数，为加权函数。在阈值中加入特定的参数，即最小化如下泛化函数计算灰度函数()=∫()2+∫||2|+||（2-2）在公式（2-2）中，在输入的光场图像中加入与阈值近似值，并对阈值边缘加权进行评判，令:→在域上是灰度值输入图
基于多视角的光场重构算法9图2-3光场重构模型(,,,)是距离目标平面的光场参数，是由于光学渐晕效应的衰减因子。把(,,,)→(′,′,,)，那么就可以得到任意平面上的点成像函数(′,′,,)=(+′,+′,,)={(11)+′,(11)+′,,}（2-7）(,)(′,′)=122((11)+′,(11)+′,,)（2-8）基于上述方法可将各个视角光场通过四维傅里叶变换得到图像的频域信息，然后对其进行中心切片及小波反变换依次重构并得出各视角重构后的光场，如图2-4所示。图2-4多视角光场重构流程图2.3多视角光场的协作机制在执行任务过程中，单视角的可视范围是有限的，而且机动目标及视角周围的信息也都是迅速发生变化的。由此可见，单视角适应性不强，执行效率较低。本文提出多视角光场间的协作机制，使得多视角光场在执行任务的过程中，每个视角下的子光场可根据自身光场的信息与目标信息完成角色互换，实现多视角光场协作[40-43]。多视角光场有
【参考文献】：
期刊论文
[1]复杂动背景下的“低小慢”目标检测技术[J]. 吴言枫,王延杰,孙海江,刘培勋. 中国光学. 2019(04)
[2]基于深度学习的多视窗SSD目标检测方法[J]. 唐聪,凌永顺,郑科栋,杨星,郑超,杨华,金伟. 红外与激光工程. 2018(01)
[3]基于OpenCV的组合优化多目标检测追踪算法[J]. 郑玺,李新国. 计算机应用. 2017(S2)
[4]复杂背景下红外人体目标检测算法研究[J]. 马也,常青,胡谋法. 红外技术. 2017(11)
[5]基于小波变换与稀疏傅里叶变换相结合的光场重构方法[J]. 周广福,文成林,高敬礼. 电子学报. 2017(04)
[6]汽车辅助驾驶系统动态目标检测方法[J]. 罗栩豪,王培,李绍华,梁巍,马心坦. 计算机工程. 2018(01)
[7]光场图像重构算法仿真[J]. 速晋辉,金易弢,陆艺丹,张薇. 光学仪器. 2017(01)
[8]基于卷积神经网络的SAR图像目标识别研究.[J]. 田壮壮,占荣辉,胡杰民,张军. 雷达学报. 2016(03)
本文编号：3544914
【文章来源】：河南科技学院河南省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
多视角光场重构下的机动目标识别方法流程图
基于多视角的光场重构算法72基于多视角的光场重构算法实际应用场景中，获得一个完整光场是难以实现的。在重构过程中大量的数据会导致误差增加等问题，以至于造成光场重构的实时性和识别准确率不理想。因此，本章节提出光场的多视角表示模型，运用该模型将全光场有效地分为多视角光场，并对多视角下的光场依次进行重构。根据多视角协作机制对各视角捕获的图像信息进行融合，并对机动目标做出有效的状态估计[38]，该方法具体流程如图2-1所示。本章节部分内容已在InternationalJournalofDistributedSensorNetworks杂志上发表[38]。图2-1基于多视角的光场重构方法总体流程图2.1光场的多视角表示模型本章节使用斯坦福大学光场库中的乐高推土机作为给定图像表示为权重图=(,)，节点表示图像中的像素点，光场域表示邻域结构的选择，域的权重为∈。定义每个节点∈的二元标记为=∈{0,1}，=1表示属于目标，=0表示属于背景。将每个视角光场阈值定义在:→2，那么最小适合的泛化函数()为()=∫|(())|2+|()|2+|()|2（2-1）式中，为阈值位于灰度梯度区域内的标准，为随机参数，为加权函数。在阈值中加入特定的参数，即最小化如下泛化函数计算灰度函数()=∫()2+∫||2|+||（2-2）在公式（2-2）中，在输入的光场图像中加入与阈值近似值，并对阈值边缘加权进行评判，令:→在域上是灰度值输入图
基于多视角的光场重构算法9图2-3光场重构模型(,,,)是距离目标平面的光场参数，是由于光学渐晕效应的衰减因子。把(,,,)→(′,′,,)，那么就可以得到任意平面上的点成像函数(′,′,,)=(+′,+′,,)={(11)+′,(11)+′,,}（2-7）(,)(′,′)=122((11)+′,(11)+′,,)（2-8）基于上述方法可将各个视角光场通过四维傅里叶变换得到图像的频域信息，然后对其进行中心切片及小波反变换依次重构并得出各视角重构后的光场，如图2-4所示。图2-4多视角光场重构流程图2.3多视角光场的协作机制在执行任务过程中，单视角的可视范围是有限的，而且机动目标及视角周围的信息也都是迅速发生变化的。由此可见，单视角适应性不强，执行效率较低。本文提出多视角光场间的协作机制，使得多视角光场在执行任务的过程中，每个视角下的子光场可根据自身光场的信息与目标信息完成角色互换，实现多视角光场协作[40-43]。多视角光场有
【参考文献】：
期刊论文
[1]复杂动背景下的“低小慢”目标检测技术[J]. 吴言枫,王延杰,孙海江,刘培勋. 中国光学. 2019(04)
[2]基于深度学习的多视窗SSD目标检测方法[J]. 唐聪,凌永顺,郑科栋,杨星,郑超,杨华,金伟. 红外与激光工程. 2018(01)
[3]基于OpenCV的组合优化多目标检测追踪算法[J]. 郑玺,李新国. 计算机应用. 2017(S2)
[4]复杂背景下红外人体目标检测算法研究[J]. 马也,常青,胡谋法. 红外技术. 2017(11)
[5]基于小波变换与稀疏傅里叶变换相结合的光场重构方法[J]. 周广福,文成林,高敬礼. 电子学报. 2017(04)
[6]汽车辅助驾驶系统动态目标检测方法[J]. 罗栩豪,王培,李绍华,梁巍,马心坦. 计算机工程. 2018(01)
[7]光场图像重构算法仿真[J]. 速晋辉,金易弢,陆艺丹,张薇. 光学仪器. 2017(01)
[8]基于卷积神经网络的SAR图像目标识别研究.[J]. 田壮壮,占荣辉,胡杰民,张军. 雷达学报. 2016(03)
本文编号：3544914
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3544914.html
