| 题名 | 近海面目标自动检测与识别方法研究 |
| 作者 | 杨雨涵1,2 |
| 答辩日期 | 2020-05-26 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 惠斌 |
| 关键词 | 水面无人艇 目标检测 海天线提取 特征提取 |
| 学位名称 | 硕士 |
| 其他题名 | Research on Automatic Detection and Recognition of Near Sea Objects |
| 学位专业 | 模式识别与智能系统 |
| 英文摘要 | 近年来，随着人工智能的快速发展，能够实现海面目标自动检测与识别、智能路径规划和自主避障等功能的水面无人艇（Unmanned Surface Vessel，USV）在民用与军事等领域的应用越来越广泛，基于光电体制的海面目标自动检测与识别技术是实现无人艇智能化的关键技术，受到了研究人员的广泛关注。不同于陆面目标的检测和识别，在海洋环境中，无规则变化的浪花、大量的海杂波、岛岸建筑以及光照的干扰等因素都给海面目标的检测与识别带来许多挑战，目前，海面目标的自动检测与识别仍然存在许多问题。本文以水面无人艇上的光电载荷为研究背景，提出了一个新的近海面目标自动检测与识别系统，按照检测与识别系统的流程划分，研究内容包括以下几方面：1）本文调研分析了现有的海天线检测算法，并在实际海面环境中，实验对比了现有算法的性能，最终选取基于Hough变换的检测算法作为确定海天线的主要技术。为了产生更多更加可靠的海天线候选直线，本文提出在图像预处理阶段，首先采用多尺度中值滤波平滑图像，后续结合提取的候选直线的长度和颜色矩特征对候选直线进行筛选，以排除海杂波、不均匀光照和海岸等众多干扰因素。通过实验证明，本文加以改进的基于Hough变换的提取算法能更加准确地定位海天线。（2）海面目标检测环节，本文提出的基于高斯混合模型（Gaussian Mixture Model，简称GMM）的检测算法，根据序列图像的变化，构建高斯混合模型模拟多变的海上场景，通过背景减除法确定目标区域。算法首先基于上一节提取的海天线对输入图像进行校正，然后利用三帧差分算法实现背景显露区分离，随后采用不同的更新机制完成高斯混合模型的实时背景更新。最后针对舰船目标，为了进一步提高其检测的准确率，采用形态学滤波并且结合运动持久性滤波对舰船尾迹进行滤除。通过实验证明，和目前其他的海面目标检测算法对比，本文提出的算法确定舰船目标所在区域的准确程度更高，鲁棒性能更强。（3）海面目标分类识别环节，本文研究分析了海面目标的特点，选取了几何特征和Hu不变矩特征作为描述海面目标的主要特征，并且通过实验验证了用各个特征来区分海面目标的可行性。本文采用SVM分类器对上一步检测到的目标进行分类识别，实验表明，SVM分类器可以准确地识别不同种类的海面目标，取得了较为满意的分类结果。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 83页 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.sia.cn/handle/173321/27123]  |
| 专题 | 沈阳自动化研究所_光电信息技术研究室 |
| 作者单位 | 1.中国科学院沈阳自动化研究所; 2.中国科学院大学 |
| 推荐引用方式 GB/T 7714 | 杨雨涵. 近海面目标自动检测与识别方法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2020. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论