無人艇視覺系統(tǒng)目標圖像特征提取與識別技術(shù)研究.pdf

1、水面無人艇是近來新興的海上作業(yè)平臺,根據(jù)人為設(shè)定程序可完成自主探測目標、避障、搜救等任務(wù),其中無人艇自主目標檢測與識別是任務(wù)完成的關(guān)鍵技術(shù)。相對遠距離雷達、紅外目標探測,新增的視覺系統(tǒng)是近距離目標獲取與處理的主要設(shè)備系統(tǒng),然而目前國內(nèi)存在的針對無人艇視覺系統(tǒng)的目標圖像識別處理技術(shù)尚不成熟。本文根據(jù)水面目標圖像的常見特點以及目標識別處理實時性的需求,研究了一套針對無人艇視覺系統(tǒng)的目標識別處理技術(shù),并且完成了相應(yīng)的實驗仿真驗證。
　　

2、論文以無人艇水面目標為研究對象,以目標檢測、目標特征分析、目標識別為研究主線,分別對圖像分割算法、特征提取方法與目標圖像識別技術(shù)展開深入研究:
　　首先,根據(jù)網(wǎng)絡(luò)搜索數(shù)據(jù)以及實際遙控艇獲取數(shù)據(jù)建立了水面目標圖像庫,主要包括:根據(jù)網(wǎng)絡(luò)搜索數(shù)據(jù)建立的不同類3D船型,及3D船型在0至360度范圍旋轉(zhuǎn)的姿態(tài)呈現(xiàn);在不同視角下實拍的水面遙控艇圖像;不同視角下海上礁石與島嶼圖像。
　　其次,考慮到實際視覺系統(tǒng)采集水面目標時海天背景的復(fù)雜

3、性以及目標圖像的深度變化,傳統(tǒng)的圖像閾值分割算法已滿足不了目標的完整檢測,本文提出采用Mean-Shift分割算法實現(xiàn)對水面目標的檢測,并且在該算法的基礎(chǔ)上建立了自適應(yīng)Mean-Shift分割技術(shù),實驗實現(xiàn)了水面目標的較完整分割,并保證了無人艇視覺系統(tǒng)對目標的實時性處理需求。
　　再次,以水上船舶為主,礁石、島嶼為輔,分別從表面紋理與形狀、輪廓方面分析水面目標的特征,實現(xiàn)了水面目標的紋理特征與形狀的輪廓、幾何特征、hu不變矩、仿射

4、不變矩特征提取,其中針對船舶目標,當其在平面外旋轉(zhuǎn)時有些特征并不具備不變性,由此本文豐富擴展了其在不同視角下的特征提取。實驗結(jié)果顯示根據(jù)本文闡述的特征提取方法計算,不同類型目標的特征具有較好的可分性,適合用作目標識別的參考特征數(shù)據(jù)。
　　最后,根據(jù)特征提取技術(shù)建立一個較為完備的水面目標特征庫,并作為BP神經(jīng)網(wǎng)絡(luò)識別的輸入樣本庫;分析BP算法運行常見問題,采用主分量分析優(yōu)化網(wǎng)絡(luò)學(xué)習(xí)樣本庫;應(yīng)用神經(jīng)網(wǎng)絡(luò)進行識別,抽取船舶與非船舶目標紋