复杂背景下的目标识别及高精度定位技术研究

论文摘要

计算机视觉赋予机器对外界环境理解的能力，它是以图像处理为核心的。利用计算机视觉对目标进行的识别定位具有无接触、精确、快速等特点。目前利用计算机视觉的识别定位技术已广泛应用到工业、航空航天、军事等各个领域。本文主要讨论在有太阳光照、有其他复杂背景等的情况下的目标识别定位技术，并将其应用到空间CCD相机的定位精度地面测量实验中。本文主要做了以下研究工作：1.针对复杂背景下的目标识别定位，提出了在对图像预处理基础上分两步走的方法，即先对目标进行粗识别，以滤除大量无用信息，尽量保留有用信息。再在粗识别的基础上对目标进行精检测定位。2.针对图像的预处理，采取了针对不同类型噪声使用不同去噪方法的策略，首先针对暗电流噪声进行了定标处理，再对整个图像进行增强，进一步改善图像质量。3.针对目标粗识别，在对图像进行分割和滤波，将有用信息减小到只有边缘信息的基础上，提出了利用目标几何特征设定参数K来对目标进行粗识别的方法，该方法简单、可行性高。4.针对目标精检测定位，使用了Hough变换和根据实验提出的距离判据检测圆形目标，在后一种方法中使用形心算法精确定位目标形心。在对比两种方法后选择时间复杂度低、精度高的形心算法在实验中对目标进行实时检测定位。5.最后将该算法应用到空间CCD相机的地面检测实验中，测得该相机的定位精度高于0.2″，完全符合设计要求，更加证明了该算法的实际可行性和有效性。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 论文的背景及意义
• 1.2 目标识别与定位技术的发展现状及发展趋势
• 1.3 本论文采用的技术路线及结构安排
• 1.3.1 课题拟解决的主要问题
• 1.3.2 问题分析及采用的主要技术路线
• 1.3.3 本论文的结构安排
• 第二章 图像预处理
• 2.1 暗电流处理
• 2.1.1 暗电流噪声
• 2.1.2 暗电流定标实验
• 2.1.3 暗电流处理结果
• 2.2 图像增强
• 2.2.1 均值滤波
• 2.2.2 维纳滤波
• 2.2.3 中值滤波
• 2.2.4 图像增强结果
• 2.3 本章小结
• 第三章 目标粗识别
• 3.1 图像分割
• 3.1.1 灰度阈值法分割
• 3.1.2 边缘检测法分割
• 3.1.3 区域分割
• 3.1.4 最大类间方差阈值分割
• 3.1.5 图像分割结果
• 3.2 形态学滤波
• 3.2.1 膨胀
• 3.2.2 腐蚀
• 3.2.3 开运算
• 3.2.4 闭运算
• 3.2.5 滤波处理结果
• 3.3 边缘跟踪
• 3.3.1 边缘跟踪原理
• 3.3.2 算法基本思想
• 3.3.3 算法实现流程
• 3.3.4 边缘跟踪结果
• 3.4 圆目标粗识别及结果
• 3.4.1 圆目标粗识别算法描述
• 3.4.2 圆目标粗检测结果
• 3.5 本章小结
• 第四章 目标精检测定位
• 4.1 Hough 变换圆检测定位
• 4.1.1 Hough 变换基本原理
• 4.1.2 Hough 圆检测原理及方法
• 4.1.3 算法描述
• 4.1.4 Hough 圆检测结果
• 4.2 距离判据条件下的圆检测定位
• 4.2.1 距离判据条件的提出及方法
• 4.2.2 圆目标高精度定位算法
• 4.2.3 影响定位精度的因素分析
• 4.2.4 算法描述
• 4.2.5 形心算法结果
• 4.3 两种方法检测结果对比
• 4.4 本章小结
• 第五章 目标识别定位应用
• 5.1 应用于单目标检测定位
• 5.1.1 实验平台
• 5.1.2 畸变测量实验
• 5.1.3 测角精度实验
• 5.1.4 单目标的定位精度实验结果
• 5.2 应用于多目标检测定位
• 5.2.1 实验平台
• 5.2.2 多目标定位精度实验
• 5.2.3 多目标定位精度实验结果
• 5.3 本章小结
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 发表文章
• 致谢