改進(jìn)Grabcut算法在無(wú)人機(jī)影像船只識(shí)別中的應(yīng)用與研究.pdf

1、隨著無(wú)人機(jī)在船只定位及漁業(yè)活動(dòng)監(jiān)管方面的廣泛應(yīng)用,航拍圖像數(shù)據(jù)量不斷擴(kuò)大。如何從這些航拍大數(shù)據(jù)圖像中高效準(zhǔn)確的識(shí)別出船只并對(duì)其進(jìn)行定位,成為工業(yè)處理過(guò)程中迫切的需求。本文針對(duì)其中的若干關(guān)鍵問(wèn)題做了研究,主要做了以下工作:
　　針對(duì)海面模板選擇問(wèn)題,提出一種海面模板自動(dòng)選擇模型。本文選取了不同海域、不同氣候條件、不同時(shí)間段以及不同光照條件的海面圖像來(lái)構(gòu)建海面模板庫(kù)。模板庫(kù)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(duì)海面背景模型構(gòu)建問(wèn)題,提出使用區(qū)域自動(dòng)生長(zhǎng)算法生成背景 Trimap。通過(guò)使用根據(jù)待檢測(cè)圖像的自身特征選擇出來(lái)的海面模板,自動(dòng)的提供了種子點(diǎn)信息,解決了人工提供的種子點(diǎn)的隨機(jī)性、不確定性以及對(duì)整體海面的弱描述性。針對(duì)海面背景獲取問(wèn)題,提出了基于背景模型的改進(jìn)Grabcut算法。使用背景Trimap對(duì)Grabcut算法進(jìn)行初始化,解決了批量處理大數(shù)據(jù)圖像過(guò)程中需要人工提供初始矩形的問(wèn)題。同時(shí)對(duì)于分割的過(guò)程,不需要多次迭代過(guò)

3、程便可實(shí)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(duì)候選域分類(lèi)問(wèn)題,提出了基于候選域的船只識(shí)別模型。對(duì)于使用改進(jìn)Grabcut算法分割后的結(jié)果圖像,根據(jù)船只形狀特征對(duì)候選域進(jìn)行分類(lèi),并對(duì)單連通候選域像素面積閾值進(jìn)行過(guò)濾,實(shí)現(xiàn)船只的識(shí)別。對(duì)于有識(shí)別船只種類(lèi)的需求,可以通過(guò)構(gòu)建船只類(lèi)別庫(kù),與候選域進(jìn)行比對(duì),實(shí)現(xiàn)對(duì)候選域準(zhǔn)確的分類(lèi)。
　　綜上所述,本文提出了一種改進(jìn)的船只識(shí)別的方法,相比于直接