水面无人艇视觉目标图像识别技术研究

摘要

进入21世纪以来，随着在计算机技术、通信技术和图像处理技术领域的不断创新，越来越多的智能化视频采集和处理设备被应用到民用和军用场合，在人们对智能化监控设备的需求也越来越迫切下，视频图像处理技术有了前所未有的跨越式发展。水面无人艇是无人水面艇（缩写为USV）的简称，它是一种可以在复杂的水面上自主规划航线，并能够自主完成多种任务的小型水面运动设备。水面无人艇可以根据预先设定的功能完成对应的动作，基于这种背景，本文针对水面无人艇上的摄像机所拍摄的视频图像对水面目标进行识别技术和方法研究。
　　目标图像识别技术系统对图像处理过程的准确性和快速性要求严格。根据水面无人艇视觉系统中常见水面目标图像特征，研究了一种针对水面无人艇视觉的目标图像识别技术，同时对其效果进行了仿真验证分析。论文以对水面无人艇视觉系统采集到的视频图像进行预处理、目标图像分割、分割出的目标进行特征分析与提取、目标识别方法选择为探究思路，分别对图像预处理及分割方法、水上目标特征选择及提取方法，以及目标图像识别方法展开了详细研究：
　　首先，考虑到水面无人艇处于复杂的海上环境之中，需要将采集到的视频图像利用计算机进行初步的预处理，包括图像滤波和图像直方图增强。并对经过预处理的图像进行目标分割，从背景中分离出待识别的目标图像。
　　其次，对分割后的目标图像进行特征提取，对船舶和非船舶的分类采用纹理特征进行区别；通过分析Hu不变矩、仿射不变矩和几何特征的组合特征，将它们应用于对水面船舶类型的二级分类过程。
　　最后，在船舶目标识别方面，主要进行了船舶类型的识别方法研究，根据船舶几何特征及形状不变性特征，重点研究了基于LVQ（Learning Vector Quantization）神经网络的目标图像识别方法，同时结合MATLAB2012a环境对基于LVQ神经网络的目标图像识别方法进行了仿真，识别效果良好。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 论文研究背景与意义

1.2 国内外研究现状

1.3 课题所研究的主要内容

第2章 视觉目标图像识别方法

2.1 图像识别技术

2.2 目标图像识别方法

2.3 针对水面目标的识别技术

2.4 本章总结

第3章 水面无人艇目标图像预处理与图像分割

3.1 水面图像预处理

3.2图像分割方法

3.3 水面目标预处理与分割方法仿真分析

3.4 本章总结

第4章 水面目标特征提取方法

4.1视觉图像特征提取

4.2 船舶图像采集

4.3 水面目标的特征

4.4 目标图像特征提取与分析

4.5 本章总结

第5章 基于LVQ神经网络的目标图像识别技术研究

5.1 LVQ神经网络原理

5.2 LVQ神经网络算法

5.3 水面目标图像识别仿真与分析

5.4 本章总结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢