基于視覺的飛機(jī)泊位自動引導(dǎo)關(guān)鍵技術(shù)研究.pdf

1、飛機(jī)泊位自動引導(dǎo)的實(shí)施對提高機(jī)場信息化和自動化水平至關(guān)重要，基于視覺的泊位自動引導(dǎo)方法因?yàn)榫哂行畔⒇S富、效果直觀及成本低等優(yōu)點(diǎn)一直受到國內(nèi)外學(xué)者的關(guān)注。利用圖像處理技術(shù)檢測飛機(jī)邊緣輪廓，識別出飛機(jī)機(jī)型進(jìn)而跟蹤，完成自動引導(dǎo)關(guān)鍵技術(shù)算法研究。本文主要針對特殊天氣下利用圖像處理手段，重點(diǎn)研究了滿足特殊天氣下泊位圖像去噪等預(yù)處理算法、泊位飛機(jī)的輪廓檢測、識別和跟蹤等自動引導(dǎo)的關(guān)鍵技術(shù)。
　　首先，深入研究了特殊天氣環(huán)境下圖像增強(qiáng)和去噪等

2、預(yù)處理算法。針對光照過強(qiáng)、夜間等特殊環(huán)境光照條件導(dǎo)致對比度不均衡問題，提出了分段變換方法，此算法實(shí)現(xiàn)簡單，運(yùn)算速度快，提高了圖像對比度，能夠滿足系統(tǒng)的實(shí)時(shí)性要求;針對霧霾天氣時(shí)能見度降低，造成檢測識別困難，提出了基于暗原色優(yōu)先的形態(tài)學(xué)去霧算法，有效提高目標(biāo)的清晰度，保留圖像細(xì)節(jié)邊緣，去霧效果自然逼真，同時(shí)滿足實(shí)時(shí)性和魯棒性要求。
　　其次，針對目標(biāo)飛機(jī)分割問題研究了邊緣檢測算法和陰影分割算法。在邊緣檢測方面，針對邊緣的細(xì)節(jié)及噪聲問

3、題，提出了基于自適應(yīng)權(quán)重邊緣檢測算法;在圖像分割方面，運(yùn)動物體的陰影被標(biāo)記為前景會增加目標(biāo)識別和跟蹤算法的復(fù)雜度，提出了一種將形態(tài)學(xué)的冪變換與無邊界主動輪廓線模型結(jié)合的陰影分割算法，犧牲很短的數(shù)學(xué)形態(tài)學(xué)平滑的時(shí)間，換來了主動輪廓的快速收斂，從而減少了總的運(yùn)算時(shí)間，并且抑制了泊位飛機(jī)分割產(chǎn)生的“拖尾”現(xiàn)象，準(zhǔn)確有效的分割出運(yùn)動目標(biāo)的陰影區(qū)域。
　　再次，研究了基于加權(quán)形態(tài)學(xué)的泊位飛機(jī)的特征提取和基于神經(jīng)網(wǎng)絡(luò)的飛機(jī)識別方法。針對特征提

4、取問題，提出利用加權(quán)形態(tài)學(xué)提取飛機(jī)的特征，解決了飛機(jī)機(jī)型匹配難題，形態(tài)學(xué)提取目標(biāo)特征，同時(shí)去除了圖像噪聲，提高識別環(huán)節(jié)的準(zhǔn)確性和效率，然后應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)型識別，取得了較好效果，實(shí)現(xiàn)低能見度下飛機(jī)機(jī)型識別，算法具有穩(wěn)健性、準(zhǔn)確性。
　　最后，為了提高飛機(jī)跟蹤的準(zhǔn)確性，首先對均值漂移算法和傳統(tǒng)粒子濾波算法的優(yōu)缺點(diǎn)進(jìn)行分析，在此基礎(chǔ)上提出了遞增自調(diào)整粒子濾波跟蹤算法，采用遞增自調(diào)整和位姿估計(jì)器使粒子向最優(yōu)方向處移動，解決重采樣過程中