近年來,隨著可見光拍攝設備分辨率不斷升高,拍攝距離不斷增加,拍攝場景也愈發(fā)復雜,且小目標在圖像中占據像素點少,特征少,存在大量的相似背景干擾,這對小目標檢測與追蹤來說無疑更加具有挑戰(zhàn)性。本文針對上述問題,在圖像預處理、小目標檢測與小目標追蹤三個方面進行了深入研究。首先分析了當前相關算法的優(yōu)點與不足,然后對其進行了改進。本文的具體創(chuàng)新如下:（1）在小目標圖像的預處理方面,從傳統形態(tài)學預處理算法入手,研究了基于形態(tài)學的圖像預處理算法。針對多結構開運算重構算法的局限性進行了分析,由于開運算能去除圖像中的亮點,而閉運算能去除圖像中的暗點,因此本文在閉運算重構與多結構開運算重構的基礎上提出了適用于可見光圖像的圖像預處理算法——多結構閉運算重構算法。實驗證明該算法在漏檢率較低的情況下能夠減少虛假目標數量。（2）在小目標檢測方面,分為區(qū)域提取和分類兩部分。對于區(qū)域提取,由于傳統Selective Search算法提取出的虛假目標過多,不適用于小目標,因此本文結合了Harris算法與Selective Search算法,使其成為專用的小目標區(qū)域提取算法。實驗證明該算法能夠減少大量的虛假目標且對于多種背... 

【文章來源】：江南大學江蘇省 211工程院校 教育部直屬院校

【文章頁數】：65 頁

【學位級別】：碩士

【部分圖文】：

卷積神經網絡結構圖

顯然沒有什么問題。但對于深度網絡公式為：如 n 很大，且梯度值大多都小于 1，那么失問題。殘差[11]的出現一定程度上緩示。 = ( , , ) = ( , , ) = ( , , )oss = ( , , ) ( ,

第三章 小目標預處理算法研究第三章 小目標預處理算法研究言目標示例如圖 3-1 所示，視頻幀中目標�。▓D中黑色框中為小目標），且雜。可以看出，小目標輪廓特征基本無法提取，而且極易受到周圍環(huán)境需要對圖像進行預處理，以減少背景噪聲等因素的干擾，同時也能減少度。

【參考文獻】：
期刊論文
[1]隨機森林理論淺析[J]. 董師師,黃哲學.  集成技術. 2013(01)
[2]應用多特征的紅外弱小目標檢測[J]. 羅曉清,吳小俊.  計算機工程與應用. 2011(32)
[3]利用小波變換與Gabor濾波檢測紅外小目標[J]. 羅曉清,吳小俊.  紅外與激光工程. 2011(09)
[4]基于運動信息的弱小目標跟蹤方法[J]. 夏瑜,吳小俊.  彈箭與制導學報. 2010(04)
[5]一種基于差幀圖像融合的弱小目標增強方法[J]. 錢永浩,吳小俊,羅曉清.  彈箭與制導學報. 2010(03)
[6]一種改進的Harris角點檢測算法[J]. 龔平,劉相濱,周鵬.  計算機工程與應用. 2010(11)
[7]幾種精確制導技術簡述[J]. 姚秀娟,彭曉樂,張永科.  激光與紅外. 2006(05)

博士論文
[1]序列圖像紅外小目標檢測與跟蹤算法研究[D]. 孫繼剛.中國科學院研究生院(長春光學精密機械與物理研究所) 2014
[2]紅外小目標檢測與跟蹤算法研究[D]. 魏長安.哈爾濱工業(yè)大學 2009



本文編號：2982501