机场泊位视觉引导系统关键技术研究

摘要

随着计算机视觉技术的发展，基于视频图像(视觉)的应用越来越受到重视，而从视频图像序列中进行运动目标的提取，是上述应用中最初的也是非常重要的一步。当前很多的运动目标检测的方法，有不少没有关注运动物体阴影的检测，深入研究也是不够。由于运动物体阴影的检测直接影响后续处理的效果，使得阴影检测变得很关键。 本文以民航总局“基于激光和视觉融合的机场泊位自动引导系统”为研究背景，针对机场泊位引导系统中的视觉部分，重点研究了基于混合高斯模型的改进算法，用于运动物体的检测；在两种彩色空间模型的基础上，使用颜色特征对阴影进行了识别；根据运动物体的区域特征完成对运动物体进行跟踪。结合实际应用需要，对泊位飞机的识别和姿态定位进行了探索。 最后，用Visual C++6.0对本文的算法进行实现：基于固定背景上使用彩色图像，完成了对运动目标的检测和运动物体的阴影识别；以区域为特征完成运动物体的跟踪和泊位飞机的识别．实验结果表明，该算法适用于自然光照条件下的户外场景，能够将目标从其伴随的阴影中有效的分割出来，并进行有效的跟踪，具有一定的鲁棒性。 本文所涉及到的算法，在车辆跟踪与统计中、智能监控系统、以轮廓和面积信息为主要参考特征的目标识别中都有较好的应用。

目录

文摘

英文文摘

中国民航大学学位论文独创性声明及使用授权声明

第一章 绪论

1.1机场泊位引导系统及关键技术概述

1.2课题背景及意义

1.3课题的主要任务及研究现状

1.3.1运动目标的检测及阴影识别

1.3.2运动目标的跟踪

1.3.3飞机机型的识别及姿态评价

1.4论文的主要内容

第二章图像处理中的基础知识

2.1彩色图像空间及其变换

2.1.1 RGB色彩模型

2.1.2 CMY色彩模型

2.1.3 HIS色彩模型

2.1.4其它色彩模型

2.1.5模型相互转换

2.2基于区域的分割方法

2.2.1图像阈值分割

2.2.2区域增长

2.2.3分裂和合并

2.3形态学图像滤波

2.4基于Hough的图像几何特征的提取

2.4.1基于Hough变换的直线检测

2.4.2基于Hough变换的圆检测

2.5本章小结

第三章图像模型及图像序列分析

3.1噪声模型及图像模型

3.1.1噪声模型

3.1.2图像的照度模型

3.1.3图像彩色模型

3.2图像序列中运动目标检测常用方法

3.2.1基于灰度变化的目标检测

3.2.2基于背景差分的检测方法

3.2.3改进的背景差分方法

3.3本章小结

第四章运动物体的检测和阴影识别

4.1基于改进高斯混合模型的背景分割算法

4.1.1基于混合高斯模型的背景分割算法

4.1.2基于分层图像的改进混合高斯模型算法

4.2基于色彩和区域特征的阴影识别算法

4.2.1基于色彩特征的阴影检测算法

4.2.2基于色彩特征和区域特征的阴影检测算法

4.3实验结果及分析

第五章泊位飞机的识别和跟踪

5.1运动区域特征的提取

5.1.1区域外边界跟踪算法

5.1.2形状特征的提取与分析

5.2泊位飞机的识别

5.3泊位飞机的跟踪

5.3.1基于泊位飞机区域特征的预测匹配算法

5.3.2基于泊位飞机色彩的均值偏移跟踪算法

5.4泊位飞机几何特征的提取

5.4.1经典HOUGH算法检测大翼

5.4.2随机HOUGH算法检测发动机

5.3实验结果及分析

第六章泊位飞机的机型的识别及姿态评价

6.1基于模板匹配的飞机机型识别算法

6.1.1模式识别技术简介

6.1.2飞机各种姿态模板库的建立

6.2泊位飞机机型的识别及姿态检测

6.3本章小节

结论与展望

致谢

参考文献

作者简介及硕士期间发表的学术论文