無人機(jī)已成為當(dāng)今世界快速發(fā)展的重要領(lǐng)域,其應(yīng)用包含了軍事和民用的多個(gè)領(lǐng)域。而基于無人機(jī)的機(jī)器視覺算法更是成為研究熱點(diǎn)。其中,目標(biāo)顯著性檢測和視頻目標(biāo)跟蹤算法的研究具有重要的應(yīng)用價(jià)值。超像素,作為一種重要的圖像特征描述,由于其包含豐富的圖像冗余信息,在很大程度上可以降低后續(xù)視覺處理問題的復(fù)雜度。針對無人機(jī)航拍圖像存在的背景復(fù)雜、目標(biāo)尺度變化及位置漂移等問題,本文將超像素與無人機(jī)航拍視頻目標(biāo)顯著性檢測和跟蹤算法研究相結(jié)合,重點(diǎn)對超像素分割算法進(jìn)行改進(jìn)。針對目標(biāo)顯著性檢測和目標(biāo)跟蹤算法對圖像信息特征的要求,分別在提高超像素分割精度、超像素質(zhì)量及加快超像素分割算法速度方面提出兩種改進(jìn)算法。同時(shí),結(jié)合對傳統(tǒng)的目標(biāo)顯著性檢測算法和目標(biāo)跟蹤算法的改進(jìn),提高了檢測算法的精度和跟蹤算法的魯棒性。此外,本文還提出一種基于稀疏表示的超分辨率重建算法,作為無人機(jī)圖像的復(fù)原技術(shù)。具體工作內(nèi)容如下:（1）提出一種基于稀疏表示的超分辨率重建的無人機(jī)圖像復(fù)原技術(shù)。針對無人機(jī)由于在圖像信號的采集、傳輸及存儲方面存在的限制及天氣等環(huán)境因素造成的圖像分辨率下降的問題。本文將稀疏表示理論用于對低分辨率圖像的重建過程,實(shí)現(xiàn)了速... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

四種超像素算法分割結(jié)果

d)稀疏表示(b)最近鄰插值圖2.9 超分辨重建算法對比圖從圖 2.9 的視覺對比圖可以看出，基于稀疏表示的方法重建后的圖像質(zhì)量最好。在客觀評價(jià)中，表 2.2 給出了三種方法的 PSNR 和 SSIM 值表：表2.2 三種超分辨重建 PSNR 和 SSIM 值表算法 PSNR（dB） SSIM最近鄰插值 21.74 0.57雙三次插值 23.55 0.66稀疏表示 26.45 0.79由上表可以證實(shí)基于稀疏表示的重建算法具有較高的性能，重建出的圖片質(zhì)量更好，更有利于處理無人機(jī)航拍圖像的復(fù)原工作。

先驗(yàn)輪廓分割結(jié)果圖3.1 改進(jìn) SLIC 算法整體框架3.1.1 像素鄰域上的魯棒距離無人機(jī)航拍的圖像呈現(xiàn)出尺度變化及較大噪聲的問題，這將對超像素分割產(chǎn)生影響。因此，本文將考慮引入像素鄰域信息，包括顏色及邊緣輪廓特征，以達(dá)到提高分割精度和魯棒性的效果。本節(jié)將詳細(xì)介紹 SLIC 算法中距離測量的改進(jìn)方法。首先在 SLIC 算法的第二步計(jì)算像素i和聚類中心iC 的距離時(shí)，引入像素 i 的鄰域信息。所考慮的鄰域范圍是以像素i 為中心，大小為 2 n 1 2 n 1 的正方形區(qū)域 i ，新的顏色距離定義為： 2,kc k j Cj iD i C R R (3-1)其中，生成的超像素kS 由聚類中心kC 描述，其包含所有屬于該超像素中所有像素的平均 CIELAB 顏色信息 , , Ti i i iR l a b及位置信息 , Ti i iX x y

【參考文獻(xiàn)】：
期刊論文
[1]無人機(jī)技術(shù)發(fā)展簡況與分析[J]. 何雨瑄,楊濤.  山東工業(yè)技術(shù). 2016(20)
[2]Region-of-interest based rate control for UAV video coding[J]. 趙春蕾,戴明,熊晶瑩.  Optoelectronics Letters. 2016(03)

碩士論文
[1]基于學(xué)習(xí)的圖像超分辨率重建算法研究[D]. 馮源.哈爾濱理工大學(xué) 2015



本文編號：3217865