版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著無人機在船只定位及漁業(yè)活動監(jiān)管方面的廣泛應(yīng)用,航拍圖像數(shù)據(jù)量不斷擴大。如何從這些航拍大數(shù)據(jù)圖像中高效準(zhǔn)確的識別出船只并對其進行定位,成為工業(yè)處理過程中迫切的需求。本文針對其中的若干關(guān)鍵問題做了研究,主要做了以下工作:
針對海面模板選擇問題,提出一種海面模板自動選擇模型。本文選取了不同海域、不同氣候條件、不同時間段以及不同光照條件的海面圖像來構(gòu)建海面模板庫。模板庫內(nèi)模板圖像,不僅代表海域的基本信息,而且還決定了海面背景與前景
2、的特征閾值。針對海面背景模型構(gòu)建問題,提出使用區(qū)域自動生長算法生成背景 Trimap。通過使用根據(jù)待檢測圖像的自身特征選擇出來的海面模板,自動的提供了種子點信息,解決了人工提供的種子點的隨機性、不確定性以及對整體海面的弱描述性。針對海面背景獲取問題,提出了基于背景模型的改進Grabcut算法。使用背景Trimap對Grabcut算法進行初始化,解決了批量處理大數(shù)據(jù)圖像過程中需要人工提供初始矩形的問題。同時對于分割的過程,不需要多次迭代過
3、程便可實現(xiàn)背景與前景的準(zhǔn)確分離,提高了Grabcut算法在工業(yè)應(yīng)用處理中的處理速度以及效率。針對候選域分類問題,提出了基于候選域的船只識別模型。對于使用改進Grabcut算法分割后的結(jié)果圖像,根據(jù)船只形狀特征對候選域進行分類,并對單連通候選域像素面積閾值進行過濾,實現(xiàn)船只的識別。對于有識別船只種類的需求,可以通過構(gòu)建船只類別庫,與候選域進行比對,實現(xiàn)對候選域準(zhǔn)確的分類。
綜上所述,本文提出了一種改進的船只識別的方法,相比于直接
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- SURF與SVM算法改進及其在無人機影像處理中的應(yīng)用.pdf
- 圖像識別技術(shù)在無人機巡檢中的應(yīng)用
- 特征點匹配技術(shù)在無人機影像匹配中的研究與應(yīng)用.pdf
- 基于影像分割的無人機影像密集匹配算法研究與實現(xiàn).pdf
- 無人機影像正射鑲嵌技術(shù)與應(yīng)用.pdf
- 無人機遙感影像點特征匹配算法研究.pdf
- 基于SIFT算法的無人機影像優(yōu)化拼接研究.pdf
- 無人機在森林消防中的應(yīng)用
- 無人機在礦山監(jiān)測中的應(yīng)用
- 基于分塊模型改進的SIFT算法實現(xiàn)無人機影像匹配方法研究.pdf
- 無人機遙感影像的航帶拼接算法研究.pdf
- 關(guān)于無人機在土地確權(quán)中的應(yīng)用
- 無人機在海事監(jiān)管救助中的應(yīng)用
- 無人機在農(nóng)業(yè)方面應(yīng)用
- 無人機遙感影像的處理及應(yīng)用研究.pdf
- 無人機影像的配準(zhǔn)與拼接方法研究.pdf
- 基于改進人工魚群算法無人機航跡規(guī)劃研究.pdf
- GPS在無人機上的應(yīng)用.pdf
- 《無人機在交通領(lǐng)域的應(yīng)用》
- 無人機航路規(guī)劃算法研究與應(yīng)用.pdf
評論
0/150
提交評論