發(fā)布時間：2020-11-20 17:56

　　 近年來,無人機以體積小、重量輕、機動靈活的特點在諸多領域迅猛發(fā)展。在無人機上搭載顯著性檢測系統(tǒng)可使無人機快速靈活地處理采集的圖像、標注顯著目標的區(qū)域和位置,從而提高無人機的目標檢測效率。本文設計并研制出一套基于無人機平臺的多光譜圖像顯著性檢測系統(tǒng),該系統(tǒng)使用無人機搭載紅外相機和可見光相機采集圖像,通過圖像傳輸子系統(tǒng)傳回地面,在地面檢測子系統(tǒng)上完成圖像顯著性檢測。地面顯著性檢測子系統(tǒng)是本系統(tǒng)的重要組成部分,主要包括紅外圖像增強和超像素分割組成的預處理模塊、靜態(tài)和動態(tài)顯著檢測方法構(gòu)成的顯著性檢測模塊,以及顯著目標分割模塊。在靜態(tài)顯著性檢測部分,針對傳統(tǒng)的顯著性檢測方法存在的背景噪聲干擾嚴重、前景內(nèi)部不一致、輪廓邊界不清晰等不足,本文提出了一種基于兩級隨機游走的顯著性檢測算法模型,通過使用部分吸收隨機游走概率去加權(quán)吸收馬爾科夫鏈從而得到邊界描述性好、均勻突出了整個顯著區(qū)域的檢測結(jié)果。實驗表明,該方法在公開數(shù)據(jù)集中獲得了較好的性能曲線,在實際場景取得了良好的視覺效果。而基于運動信息的動態(tài)顯著性檢測算法重新考慮了光流統(tǒng)計方式和運動顯著性的關系,通過光流直方圖計算運動量級的對比度,從而得到運動顯著性圖像。實驗表明,該方法在標準數(shù)據(jù)集和實際應用場景中均能得到定位準確,符合人眼主觀評價的顯著目標,有效地為系統(tǒng)提供了運動顯著信息,完善了整個系統(tǒng)的檢測結(jié)果。為了提升本系統(tǒng)的運行效率,本文采用基于GPU的CUDA架構(gòu)對系統(tǒng)中的部分模塊進行加速優(yōu)化,經(jīng)測試,經(jīng)過優(yōu)化的部分,其運行速度顯著提升,保證了系統(tǒng)的實時性和有效性。在上述研究的基礎上,本文搭建出一套基于無人機平臺的多光譜圖像顯著性檢測系統(tǒng),驗證了該系統(tǒng)的工作流程和檢測功能。該系統(tǒng)運行效率高,顯著性檢測結(jié)果準確,功能模塊全面完整,能夠提供較為準確的顯著目標輪廓和運動信息,提高了無人機的目標檢測效率,具有很強的實用性和應用前景。
【學位單位】：南京理工大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP391.41;V279
【部分圖文】：

圖２．３云臺與Ａ３飛行控制的連接圖??

２檢測系統(tǒng)的總體方案設計?碩士學卻僅有５０？１５０毫秒的延時。??（２）視頻的解壓縮模塊??在無線傳輸視頻時，為了有效傳輸，保證傳輸效率與實時性，通常通過視頻壓到有效發(fā)送和存儲數(shù)字視頻文件的目的。在本系統(tǒng)的無人機傳輸中，采集到源視頻需要通過壓縮算法進行處理，傳輸和存儲之后，通過相應的解壓縮算法還原圖像。其他編碼方式，本系統(tǒng)采用Ｈ．２６４視頻編解碼技術(shù)，Ｈ．２６４視頻的編碼效率高，抗性強，而且對視頻內(nèi)容自適應性強。??如圖２．４所示，Ｈ．２６４標準壓縮系統(tǒng)由視頻編碼層（ＶｉｄｅｏＣｏｄｉｎｇＬａｙｅｒ，ＶＣＬ）網(wǎng)絡提取層（ＮｅｔｗｏｒｋＡｂｓｔｒａｃｔｉｏｎＬａｙｅｒ，ＮＡＬ）兩部分組成［２４］。楨內(nèi)預測，偵間預于預測編碼部分，與變換量化和熵編碼構(gòu)成了?ＶＣＬ層，ＮＡＬ層提供了一個統(tǒng)一的接采用統(tǒng)一的數(shù)據(jù)格式，封裝打包視頻數(shù)據(jù)然后在網(wǎng)絡中傳送。??

文系統(tǒng)分為飛行控制子系統(tǒng)、圖像傳輸子系統(tǒng)、地面顯著檢設計上介紹了本系統(tǒng)的機載硬件組成和軟件設計。硬件部臺的性能和參數(shù)，機載系統(tǒng)的飛行控制系統(tǒng)、圖傳模塊和，展示了系統(tǒng)各部件的連接方式，介紹了本系統(tǒng)信息傳輸?shù)慕B了地面ＰＣ端對航拍圖像的處理模塊，包括圖像增強，動態(tài)顯著性檢測和圖像分割等模塊。清晰地展示了該系統(tǒng)基能和該系統(tǒng)的功能所在。??
【參考文獻】

相關期刊論文 前8條

1 云紅全;徐力;孫驍;明德烈;鞠雯;;基于超像素時空顯著性的運動目標檢測算法[J];紅外技術(shù);2015年05期

2 王樹源;;國外軍用無人機發(fā)展現(xiàn)狀與趨勢[J];硅谷;2014年18期

3 陳小波;魯新平;劉志波;;一種基于圖像分層處理的DDE算法[J];微處理機;2013年02期

4 陳濱;田啟川;;改進的快速Otsu自適應分割算法及其應用[J];計算機應用研究;2012年04期

5 張偉;李松維;陳蕾;;計算機紅外成像技術(shù)研究[J];電腦知識與技術(shù);2010年15期

6 范永杰;金偉其;劉斌;劉崇亮;;FLIR公司熱成像細節(jié)增強DDE技術(shù)的分析[J];紅外技術(shù);2010年03期

7 呂書強;晏磊;張兵;楊紹文;焦健;趙紅穎;秦其明;曾琪明;;無人機遙感系統(tǒng)的集成與飛行試驗研究[J];測繪科學;2007年01期

8 蘇新兵 ,王建平,華江濤;無人駕駛飛機綜述[J];航空制造技術(shù);2003年09期

相關博士學位論文 前1條

1 魏昱;圖像顯著性區(qū)域檢測方法及應用研究[D];山東大學;2012年

相關碩士學位論文 前10條

1 黃紀潤;DJ公司無人機發(fā)展策略問題研究[D];華中師范大學;2016年

2 孫星;基于部分吸收隨機游走的協(xié)同顯著性檢測[D];大連理工大學;2015年

3 王青苗;基于超像素分割的視覺顯著性檢測[D];河北工業(yè)大學;2015年

4 宋熙煜;基于超像素的圖像分割技術(shù)研究[D];解放軍信息工程大學;2015年

5 金純;基于無人機平臺的目標檢測跟蹤系統(tǒng)研究[D];西安電子科技大學;2015年

6 姜博文;基于馬爾可夫鏈的顯著性檢測[D];大連理工大學;2014年

7 鄭薈;基于超像素和圖割的視頻顯著物體分割算法研究[D];中山大學;2014年

8 劉婷婷;紅外圖像細節(jié)增強算法與實現(xiàn)的研究[D];電子科技大學;2014年

9 馬威;某無人機火箭助推發(fā)射起飛動力學研究與參數(shù)優(yōu)化[D];南京理工大學;2014年

10 楊川;基于先驗融合和流形排序的顯著目標檢測[D];大連理工大學;2013年

本文編號：2891787