收藏本站
《江苏科技大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

视觉窄化下船舶目标图像的检测方法研究

王东  
【摘要】:近年来,基于卫星遥感图像以及相机视频图像的目标检测技术发展比较迅速,特别在民用领域和军用领域,各国学者在船舶目标检测上都取得了一定的发展与突破。然而,在研究的过程中,理想化的实验环境远远不及现实环境,噪声、复杂背景等因素的干扰,都会影响最终的检测效果,而现有的理论成果在检测率、检测速度以及算法通用等方面都还有着不足之处。因此,如何在复杂的环境中高效地检测出船舶目标成为了本文的研究重点和关键。随着机器视觉的快速发展,它的非接触性、实时性、可靠性、高自动化性、高精度性等特点使得目标检测技术已经普及到各行各业。窄化,就是人们在对事物的认知、思维、感觉或者情感向着某一方向高度集中时,所涉及的范围越来越局限、越来越狭窄、越来越收缩,有针对性地选择多个属性中的一个属性或者缩小某个属性的过程。本文在Faster R-CNN卷积神经网络中加入了场景窄化与主题窄化的语义算法,加快了检测速度,另外子网络与主网络在特定情况下也存在着窄化关系。因此,窄化对机器视觉中的图像处理而言是一种新的概念,有着一定的积极意义。众所周知,目标检测过程大致包括:预处理、图像分割、特征提取以及分类器检测。而针对本文的研究重点——图像特征提取、神经网络检测,已取得如下成果:1、为了提高对高分辨率遥感图像中船舶目标的检测,提出一种基于SRM分割和分层线段特征提取的船舶目标检测方法。由于高分辨率遥感图像是一种大幅面的图像并且细节丰富、纹理复杂,分析比较困难。因此,本文首先对图像进行降尺度处理,采取降采样方法对图像进行缩小;然后根据线段提取方法,利用分层线段方法搜索更新以及合并附近在阈值下的线段,形成区域线段并通过与船舶的长宽比特征进行比较实现船舶目标的快速检测。实验结果表明,本文的检测方法能够有效地检测出高分辨率遥感图像中的船舶目标,而且采用分层线段特征提取方法的性能优于其他常用方法,且不需要太多的参数和训练样本。2、针对基于分层线段特征提取的船舶目标检测方法对视频图像检测存在的误检率较高问题,本文提出了具有窄化语义的Faster R-CNN卷积神经网络的船舶目标检测方法。首先对相机视频进行抽帧并对抽帧后的图像进行标注;其次对图像进行场景窄化,窄化到船舶目标区域;然后把窄化后的船舶目标图像放入搭建好的具有主题窄化功能的深度卷积网络中进行训练;最后通过完成区域生成网络构建、感兴趣区域池化、分类、非极大值抑制等四个基本目标检测步骤实现对船舶目标的检测。实验结果表明该方法适用于遥感图像以及视频图像,能够有效地检测出图像中的船舶目标,且加入窄化语义后的Faster R-CNN卷积神经网络的检测所需时间比未加入窄化语义的检测所需时间少。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前19条
1 冯桂莲;;曲率驱动扩散图像边缘形态复合滤波方法仿真[J];计算机仿真;2019年09期
2 张锦华;孙挺;;引入像点融合度修补的图像边缘化参差拼接实现[J];微电子学与计算机;2014年08期
3 翟逸飞;;基于FPGA的图像边缘处理研究[J];企业技术开发;2013年12期
4 顾长友;妙用Photoshop处理图像边缘[J];电脑知识与技术;2003年08期
5 濮群,余桂;用线性模型检测图像边缘[J];清华大学学报(自然科学版);1988年01期
6 宋建中;;喷雾图像的自动分析[J];光学机械;1988年04期
7 高华;;关于古建筑图像中破损点优化提取仿真[J];计算机仿真;2017年11期
8 刘娟娟;刘斌;;低照度非线性光学图像边缘自适应增强装置设计[J];激光杂志;2017年03期
9 许志强;张婷;;数字式多媒体场景图像准确分类方法仿真[J];计算机仿真;2019年07期
10 张琳梅;;基于图像边缘增强的改进方法[J];信息系统工程;2016年03期
11 王水萍;邹蕾;;空中模糊目标图像边缘信息的融合与恢复方法[J];科技通报;2014年06期
12 朱庆生;杨世泉;柳锋;;基于图像边缘摘要的快速模板匹配[J];计算机应用研究;2009年02期
13 陈文兵;张小磊;;基于图像边缘的能见度计算方法[J];微型电脑应用;2009年04期
14 李思沂;王远弟;;基于图像边缘线的热传导方程放大算法[J];应用数学与计算数学学报;2008年02期
15 陈青;刘金平;唐朝晖;李建奇;吴敏;;基于分数阶微分的图像边缘细节检测与提取[J];电子学报;2013年10期
16 张玉明,许曼;B超图像边缘增强技术的实现方法[J];电子技术;1997年09期
17 杜晓岩;吕同富;邢志宏;;图像边缘识别技术在医学中的应用[J];中国医药导报;2009年32期
18 戴峻峰;付丽辉;曹洁;;小波变换在医学图像边缘增强中的应用[J];计算机应用与软件;2008年12期
19 涂承媛;曾衍钧;;医学图像边缘快速检测的模糊集方法[J];北京工业大学学报;2005年06期
中国重要会议论文全文数据库 前10条
1 陆成刚;陈刚;张但;闵春燕;;图像边缘的优化模型[A];'2002系统仿真技术及其应用学术论文集(第四卷)[C];2002年
2 王培珍;杨维翰;陈维南;;图像边缘信息的融合方案研究[A];中国图象图形学会第十届全国图像图形学术会议(CIG’2001)和第一届全国虚拟现实技术研讨会(CVR’2001)论文集[C];2001年
3 王亮亮;李明;高昕;;强模糊空间目标图像边缘获取方法研究[A];第九届全国光电技术学术交流会论文集(下册)[C];2010年
4 陈炜;张阳阳;孟庆勋;;一种基于Curvelet变换的图像边缘增强方法[A];国家安全地球物理丛书(十)——地球物理环境与国家安全[C];2014年
5 张明慧;;基于模糊蒙片算法的CR图像边缘增强[A];第六届全国信息获取与处理学术会议论文集(1)[C];2008年
6 孙增国;师蕊;;基于L_(1/2)范数的高分三SAR图像的非局部均值降斑[A];第五届高分辨率对地观测学术年会论文集[C];2018年
7 杨文秀;陆常周;;最优小波问题探讨[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展(上册)[C];2001年
8 赵恩良;姜盈帆;孙丽华;曹康敏;金瑞巧;;一种基于变窗口的图像去噪算法研究[A];第十六届沈阳科学学术年会论文集(理工农医)[C];2019年
9 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
10 胡昌伟;屈小波;郭迪;宁本德;陈忠;;基于边缘加权的l_1-l_2范数MRI欠采重建[A];第十七届全国波谱学学术会议论文摘要集[C];2012年
中国重要报纸全文数据库 前7条
1 侯杰;国产芯片进军移动多媒体市场[N];人民邮电;2003年
2 吴飞;无边距照片打印三部曲[N];中国电脑教育报;2003年
3 成岭;消除Premiere中慢镜头的图像抖动[N];电脑报;2003年
4 ;体验决定一切[N];中国计算机报;2003年
5 Wang JS;抠图又有新招[N];电脑报;2002年
6 徐和德;从实战出发选择合适镜头[N];中国摄影报;2019年
7 ;令挑剔的人也刮目相看[N];中国电子报;2001年
中国博士学位论文全文数据库 前10条
1 唐国良;视频监控图像局部特征描述和相机接力研究[D];西安电子科技大学;2019年
2 孙景峰;基于图像特征的示波屏识别关键技术研究及应用[D];西北工业大学;2018年
3 欧巧凤;二维凝胶电泳图像中一致蛋白质斑点集检测技术研究[D];西北工业大学;2018年
4 吴迪;光学遥感图像典型目标检测方法研究[D];哈尔滨工业大学;2019年
5 王瑶;复杂天气下的道路识别方法研究[D];哈尔滨工业大学;2019年
6 宋伟先;基于深度学习的猪只目标检测及状态分析[D];东北农业大学;2019年
7 张玲;图像光照恢复与分解技术研究[D];武汉大学;2017年
8 蔡博仑;图像去雾与增强算法的研究[D];华南理工大学;2019年
9 刘飞;透混沌介质偏振成像技术[D];西安电子科技大学;2016年
10 李永军;图像与视频低复杂度压缩算法研究[D];西安电子科技大学;2017年
中国硕士学位论文全文数据库 前10条
1 贾玲慧;基于边缘保持滤波器和显著性的多模态医学图像融合方法研究[D];重庆邮电大学;2019年
2 康健;单幅雾天图像去雾方法研究[D];重庆邮电大学;2019年
3 曾笑云;灰度不均匀图像的快速分割方法研究[D];湘潭大学;2019年
4 吴鸣;基于卷积神经网络和图像显著性的铁谱磨粒分析[D];南京航空航天大学;2019年
5 汪杰;基于CT图像的种猪优选方法研究与实现[D];安徽工业大学;2019年
6 赵婷;基于结构特征增强的图像显著性检测方法研究[D];哈尔滨工业大学;2019年
7 牛皓伟;基于航拍图像的交通工程施工现场安全监督方法研究[D];哈尔滨工业大学;2019年
8 曹齐;残损纺织物图像的修复算法研究与三维重建[D];西安工程大学;2019年
9 钟晓妮;基于图像特征的快速匹配算法研究[D];西安工程大学;2019年
10 吴帅;《点石斋画报》的图像生产及其技术[D];中国美术学院;2019年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978