文摘
英文文摘
第一章绪论
1.1选题背景和意义
1.1.1无人自主飞行器概述
1.1.2无人机的类型
1.1.3 几个典型无人机的简介
1.1.4微型无人自主飞行器研究的意义
1.1.5微型UAV在实际中的应用
1.2微型UAV视频系统国内外研究现状及问题分析
1.2.1 IARC-International's Aerial Robotics Competition
1.2.2 IARC比赛虚拟了三个应用场景:
1.2.2国外的一些UAV研究项目
1.2.3视频图像处理在微型UAV中的作用
1.3论文主要工作及内容安排
第二章数字图像处理的基础知识
2.1数字图像处理的硬件
2.1.1摄像部分
2.1.2图像采集卡
2.1.3图像存贮装置
2.2图像采集的接口-Windows中的DirectShow和Linux中的V4L
2.2.1 VFW
2.2.2 DirectShow
2.2.3 VFW和DirectShow的关系
2.2.4 V4L[4]
2.3图像的数字化
2.3.1静态图像的采样和量化
2.3.2动态图像的采样和量化
2.4图像增强-空域滤波
2.4.1小区域模板卷积
2.4.2图像的平滑
2.4.3图像的锐化
2.5图像分割
2.5.1阈值分割
2.5.2图像的二值化
2.5.3边缘检测
2.5.4轮廓提取
2.6图像的模式识别
2.6.1模板匹配
2.6.2统计模式识别
第三章微型无人自主直升机目标识别系统的硬件设计
3.1 UAV中图像处理系统的功能
3.2 UAV中图像处理系统的结构
3.2.1地面处理型-视频捕获、图像处理都在地面工作站上进行
3.2.2空中处理型-视频捕获、图像处理都在UAV上进行
3.2.3混合型-UAV采集数字图像,图像处理由地面工作站完成
3.3最终选择的处理方式-采集视频、图像处理都在地面完成
3.3.1结构框图:
3.3.2图像处理系统组成硬件的说明
3.3.3采用这种结构的理由
3.3.4这种结构的不足
第四章视频捕获部分软件设计
4.1 DirectShow视频捕获接口
4.1.1视频流的来源之一:AVI文件
4.1.2 DirectShow对硬件的支持
4.1.3视频流的来源之二:BT878采集卡
4.2 Filter Graph的创建过程
4.3视频捕获及处理的框架
4.4 Linux环境下视频捕获的实现
第五章微型无人自主直升机目标识别系统的软件设计
5.1无人自主直升机目标识别系统难点分析
5.1.1复杂性
5.1.2实时性
5.2用模板匹配的方法实现目标识别
5.2.1彩色图到灰度图的转换
5.2.2去噪声:高斯滤波
5.2.3二值化
5.2.4边缘检测
5.2.5轮廓提取
5.2.6模板匹配
5.2.7用不变矩来拒绝错误的目标
5.2.8程序流程图
5.3基于Haar特征和Adaboost的目标识别方法
5.3.1机器学习识别算法框架
5.3.2特征的提取
5.3.3分类器设计
第六章实验结果与分析
6.1软件开发环境
6.2识别是否成功的判断方法
6.3采用模板匹配进行识别的实验结果
6.3.1 Hu不变矩误差值阈值的确定
6.3.2相似性测度阈值的确定
6.4采用机器学习进行识别的实验结果
6.5结果分析
6.5.1识别速度
6.5.2识别准确率
6.5.3复杂度
6.5.4应用场合
第七章总结与展望
参考文献
致谢
浙江大学;