基于亚像素的靶目标检测与定位定向技术的研究

论文摘要

随着摄像技术的发展,图像的清晰度越来越高,人们在对图像中的物体进行检测时的要求也越来越高。在复杂的图像中目标往往彼此干扰,检测的图像和实际就会产生偏差,采用亚像素的方法对图像进行检测,可以提高图像中目标特征检测的精确度。亚像素边缘算法主要以基于Zernike矩正交算法为主,在这个算法的基础上进行了改进,能够在一定程度上解决这些问题。在图像的预处理的阶段,采用了最佳的图像降噪的算法,使图像更加平滑清晰。并通过直方图均衡的方法,增强了图像不同颜色区域的对比度,提高了图像区域分割的精度。图像的识别阶段采用Hough算法改进的椭圆检测算法,通过亚像素的边缘算法的精确定位,能够更加准确的找到椭圆的中心点和长短轴,再通过椭圆的各项参数对靶目标进行定位定向,并通过相应的参数找到椭圆中待检测的数字。靶目标标号的特征检测采用了Harris-SIFT算法。通过DOG算法提取的目标偏转不变特征点,这里简化为提取角点,并计算出角点附近区域各个方向的灰度变化特征向量,并将特征向量进行了简化。使用简化的SIFT特征值作为神经网络的输入,通过BP神经网络检测出目标的号码。对BP网络添加了动态变量使得训练过程更加平滑。对于发生较大偏转的图像,为了让目标保持比较标准的形态,采用了基于亚像素的双线性插值算法对目标进行仿射变化。通过最终的演示程序的效果和程序的运算时间可以证明算法的可用性以及准确性,并通过单元测试和集成测试确保了程序各步骤运行结果达到要求。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 研究背景
• 1.2 高清图像检测的难点
• 1.3 高清图像检测的研究现状
• 1.4 高清图像检测的基本流程
• 1.5 论文工作
• 1.6 论文的结构安排
• 1.7 本章小结
• 第二章 图像处理相关技术研究
• 2.1 图像的预处理
• 2.1.1 图像去噪算法
• 2.1.2 图像增强
• 2.1.3 图像的膨胀腐蚀和开闭操作
• 2.1.4 图像二值化
• 2.2 图像的特征提取算法研究
• 2.2.1 图象的边缘提取
• 2.2.2 特征提取
• 2.2.3 角点检测
• 2.3 图像识别算法研究
• 2.3.1 规则图像的识别
• 2.3.2 对不规则物体的识别
• 2.3.3 图像的仿射变化和亚像素插值算法
• 2.3.4 BP 神经网络
• 2.3.5 BP 神经网络算法
• 2.4 本章小结
• 第三章 靶目标检测与定位定向系统设计框架
• 3.1 系统的设计目标
• 3.2 系统的功能
• 3.2.1 通过摄像机进行目标的定位定向
• 3.2.2 系统的适用范围
• 3.2.3 系统的执行平台
• 3.3 系统使用的主要工具
• 3.3.1 系统采用的软件工具
• 3.3.2 系统采用的硬件设备
• 3.4 系统的主要流程
• 3.5 系统的主要流程图
• 3.6 系统的基本模块设计
• 3.6.1 动态视屏捕捉模块
• 3.6.2 图像读取模块
• 3.6.3 基本图像处理模块
• 3.6.4 目标定位定向模块
• 3.6.5 目标检测模块
• 3.7 系统的主界面
• 3.8 本章小结
• 第四章 系统的算法实现和亚像素技术的应用
• 4.1 目标预处理模块
• 4.1.1 图像灰度变化
• 4.1.2 图像的去噪
• 4.1.3 图像的增强
• 4.2 目标特征提取模块
• 4.2.1 图像的区域分割
• 4.2.2 亚像素边缘检测
• 4.2.3 边缘图像的二值化
• 4.3 目标的定位定向模块
• 4.3.1 跟踪虫算法进行边界跟踪
• 4.3.2 Hough 算法检测椭圆
• 4.4 目标特征的进一步提取模块
• 4.4.1 图像的亚像素仿射变化
• 4.4.2 根据质心的位置进行区域分割的到圆心附近区域的图像
• 4.4.3 对图像进行开闭操作去除空洞
• 4.4.4 提取图像的角点
• 4.4.5 基于Harris-SIFT 算法提取目标的特征
• 4.5 目标识别模块
• 4.5.1 通过SIFT 特征对图像进行匹配
• 4.5.2 消除错配
• 4.5.3 特征点向量的简化
• 4.5.4 在目标特征的基础上进行目标的识别
• 4.6 本章总结
• 第五章 系统测试结果以及分析
• 5.1 程序的单元检测
• 5.1.1 图像预处理阶段
• 5.1.2 图像特征提取阶段
• 5.1.3 图像定位定向阶段
• 5.1.4 图像仿射变化阶段
• 5.1.5 图像目标区域提取
• 5.1.6 目标的SIFT 特征值提取
• 5.1.7 目标的识别
• 5.2 程序的集成测试
• 5.3 目标各个时间段所用的时间
• 5.4 本章小结
• 第六章 总结展望
• 6.1 研究总结
• 6.2 前景展望
• 致谢
• 参考文献