无人机航拍图像中的目标识别【字数：11994】
在科技不断进步的当下，无人机技术也不断成熟，无人机被广泛的应用于工业勘探、交通、水利和娱乐等领域。比如利用无人机监控街道环境整治工程，或者代替真人进行巡逻安保，甚至是让多个无人机进行低空表演。这些实际的应用都对无人机在复杂情况下识别特定目标的能力提出了较高的要求。本设计是基于德国MVtec公司开发的Machine Vision软件，利用Halcon完善的机器视觉算法包，主要实现对道路上的卡车进行目标识别，通过前置摄像头采集图像，利用图像的预处理技术去除图像中的干扰成分并获得图像中感兴趣的区域，再根据卡车在图像中显现的特征进行判断，最后将判断为卡车的目标在原图像上进行标识，在此基础上，可以衍生出对卡车的实时监控，以及在某些情况下对特殊卡车的行驶进行保护等其他功能。
目 录
1 引言 1
1.1. 课题背景与现状 1
1.2. 课题研究的现实意义与应用前景 1
1.3. 本课题的研究的主要任务 2
2 程序整体设计方案 3
2.1. 对卡车目标识别的原理 3
2.2. 开发软件Halcon的选择 3
2.3. 基于Halcon的程序设计整体流程 4
3 目标识别的算法实现 6
3.1. 图像采集 6
3.2. 图像预处理 6
3.2.1通道转换 6
3.2.2图像的增强 7
3.2.3图像的滤波 8
3.3. 图像的分割 9
3.3.1基于阈值的分割 9
3.3.2基于边缘的分割 9
3.3.3基于区域的分割 10
3.3.4基于特定理论的分割 10
3.4. 形态学操作 11
3.4.1膨胀 11
3.4.2腐蚀 11
3.4.3开闭运算 11
3.5. 区域的选择 12
3.6. 模板匹配 12
4 两种方法的具体实现过程和成果展示 13
4.1. 阈值分割法的流程 13
4.1.1图像的采集 13
4.1.2图像的预处理 13
4.1.3 *好棒文|www.hbsrm.com +Q: &351916072&
图像的分割 16
4.1.4区域的连接 17
4.1.5形态学操作 17
4.1.6区域的选择 18
4.2. 基于形状的模板匹配法的流程 19
4.2.1模板的生成 19
4.2.2模板的匹配 20
4.3. 两种方案的实验结果对比与分析 21
5 总结与展望 22
5.1. 工作的总结 22
5.2. 对未来的展望 22
参考文献 23
附录 24
引言
课题背景与现状
机器视觉技术简单来说就是让机器在面对大量图像信息的时候，能够模拟人类的思维对具体的事物进行处理[1]。这项技术从19世纪50年代就已经伴随着机器人的研究出现了相关的概念[2]，但直到70年代才开始正式发展，随后以10年为阶段不断成熟，主要是由于硬件基础的提高，特别是CCD摄像机的出现和DSP、CPU等对图像处理速度的提高，最终形成了涵盖诸多领域，具有强大功能的机器视觉技术。
无人机 (Unmanned Aerial Vehicle, UAV) 是一种由动力驱动、机上无人驾驶、依靠空气提供升力、可重复使用航空器的简称[3]。这项技术最早出现于1917年的英国，开始主要用于辅助航天方面的设计工作，到20世纪末以美国的高空侦察无人机为起点，引发了无人机研究的快速进步[4]，但此时的无人机技术主要应用于军事方面，出现了几百种军事用途的无人机，后来才逐步扩展到民用领域，而中国的无人机事业由上世纪50年代开始持续发展，但直到本世纪初才快速发展起来，一开始也以军事用途为主要目的，90年代才开始出现民用无人机，到了2012年，消费级的无人机大量涌现市场，特别是以大疆无人机为首的消费品引发了广大群众对无人机航拍的热情[5]。
如今，机器视觉技术广泛的应用于各个方面，已经有工业生产检测、农业产品分拣、交通安全管理，天文分析等切实有效的机器视觉产品。无人机技术也广泛应用于工业勘探，危险地带作业、农业生产和娱乐诸多领域。
课题研究的现实意义与应用前景
无人机因为有着体积小、造价低廉，灵活性好，后勤成本低等诸多优点，广泛应用在各个领域，但随着无人机的性能不断提高，可以承担起更多在不同方面的工作的同时，传统的利用GPS等定位系统或者手动操纵来引导工作的模式已经难以满足越来越高的工作要求和实现更加复杂的工作步骤，而摄像机对无人机也是一直以来的常备工具，通过对无人机采集的图像进一步利用，不单单是将图像进行上传，而是通过对图像进行处理从而实现对特定目标的识别，来引导无人机进行工作。通过这样的方式可以使无人机在复杂情况下能更好地工作。利用无人机对道路上的卡车进行识别，首先可以应用于交通安全的保障，其次可以拓展到对特定运输车辆的监控保护，还可以对刑侦和支援救护有所裨益。本课程的主要任务是利用无人机的航拍图像，在其中进行目标识别，主要是对道路上的卡车进行识别。
本课题的研究的主要任务
本课程的主要任务是利用无人机的航拍图像，在其中进行目标识别，主要是图像中的卡车进行识别，其基于Halcon软件强大的算子包，利用卡车有别于其他车辆的特征来将它们区别开来，在这个实现的过程中，首先通过查阅资料来了解图像处理的基本步骤，每个步骤的实现方法，其主要步骤有：图像的预处理、图像的区域分割、如何选取感兴趣区域以及如何判断，实现的方法多种多样，通过反复的测试研究，考虑到图像的来源是无人机拍摄，以及方法的普适性，选择最有利于实现目的的方法。最后，在原图像上进行标注，统计，以便其他的应用。
程序整体设计方案
本章主要介绍在图像中识别卡车的原理，说明与其他软件对比Halcon软件的优势所在，并详细讲解整个软件实现部分的流程。
对卡车目标识别的原理
要实现对一种目标的识别，首先要通过对图像进行分析，找到该目标在图像中区别于其他目标的特征，通过对大量的卡车航拍图进行分析，可以发现卡车因为其特殊的用途，在结构上分为两个部分，第一部分是巨大的卡车车厢，这一部分的特点是具有较大的面积，且与其他的车辆相比，卡车的整体成矩形且长宽比的比值较大，所以针对这一特征进行识别，需要对图像整体进行分割，从区域的面积和矩形度两个方面着手，筛选符合条件的区域。第二部分是独立的卡车车头，这一部分的特点是扁平且具有比较特殊的轮廓，要利用这一部分，就需要提取出图像的轮廓，对轮廓进行判断，具体的方法多种多样，包括阈值分割、模板匹配等方法。或者利用深度学习的方法从整体的角度来解决。
目 录
1 引言 1
1.1. 课题背景与现状 1
1.2. 课题研究的现实意义与应用前景 1
1.3. 本课题的研究的主要任务 2
2 程序整体设计方案 3
2.1. 对卡车目标识别的原理 3
2.2. 开发软件Halcon的选择 3
2.3. 基于Halcon的程序设计整体流程 4
3 目标识别的算法实现 6
3.1. 图像采集 6
3.2. 图像预处理 6
3.2.1通道转换 6
3.2.2图像的增强 7
3.2.3图像的滤波 8
3.3. 图像的分割 9
3.3.1基于阈值的分割 9
3.3.2基于边缘的分割 9
3.3.3基于区域的分割 10
3.3.4基于特定理论的分割 10
3.4. 形态学操作 11
3.4.1膨胀 11
3.4.2腐蚀 11
3.4.3开闭运算 11
3.5. 区域的选择 12
3.6. 模板匹配 12
4 两种方法的具体实现过程和成果展示 13
4.1. 阈值分割法的流程 13
4.1.1图像的采集 13
4.1.2图像的预处理 13
4.1.3 *好棒文|www.hbsrm.com +Q: &351916072&
图像的分割 16
4.1.4区域的连接 17
4.1.5形态学操作 17
4.1.6区域的选择 18
4.2. 基于形状的模板匹配法的流程 19
4.2.1模板的生成 19
4.2.2模板的匹配 20
4.3. 两种方案的实验结果对比与分析 21
5 总结与展望 22
5.1. 工作的总结 22
5.2. 对未来的展望 22
参考文献 23
附录 24
引言
课题背景与现状
机器视觉技术简单来说就是让机器在面对大量图像信息的时候，能够模拟人类的思维对具体的事物进行处理[1]。这项技术从19世纪50年代就已经伴随着机器人的研究出现了相关的概念[2]，但直到70年代才开始正式发展，随后以10年为阶段不断成熟，主要是由于硬件基础的提高，特别是CCD摄像机的出现和DSP、CPU等对图像处理速度的提高，最终形成了涵盖诸多领域，具有强大功能的机器视觉技术。
无人机 (Unmanned Aerial Vehicle, UAV) 是一种由动力驱动、机上无人驾驶、依靠空气提供升力、可重复使用航空器的简称[3]。这项技术最早出现于1917年的英国，开始主要用于辅助航天方面的设计工作，到20世纪末以美国的高空侦察无人机为起点，引发了无人机研究的快速进步[4]，但此时的无人机技术主要应用于军事方面，出现了几百种军事用途的无人机，后来才逐步扩展到民用领域，而中国的无人机事业由上世纪50年代开始持续发展，但直到本世纪初才快速发展起来，一开始也以军事用途为主要目的，90年代才开始出现民用无人机，到了2012年，消费级的无人机大量涌现市场，特别是以大疆无人机为首的消费品引发了广大群众对无人机航拍的热情[5]。
如今，机器视觉技术广泛的应用于各个方面，已经有工业生产检测、农业产品分拣、交通安全管理，天文分析等切实有效的机器视觉产品。无人机技术也广泛应用于工业勘探，危险地带作业、农业生产和娱乐诸多领域。
课题研究的现实意义与应用前景
无人机因为有着体积小、造价低廉，灵活性好，后勤成本低等诸多优点，广泛应用在各个领域，但随着无人机的性能不断提高，可以承担起更多在不同方面的工作的同时，传统的利用GPS等定位系统或者手动操纵来引导工作的模式已经难以满足越来越高的工作要求和实现更加复杂的工作步骤，而摄像机对无人机也是一直以来的常备工具，通过对无人机采集的图像进一步利用，不单单是将图像进行上传，而是通过对图像进行处理从而实现对特定目标的识别，来引导无人机进行工作。通过这样的方式可以使无人机在复杂情况下能更好地工作。利用无人机对道路上的卡车进行识别，首先可以应用于交通安全的保障，其次可以拓展到对特定运输车辆的监控保护，还可以对刑侦和支援救护有所裨益。本课程的主要任务是利用无人机的航拍图像，在其中进行目标识别，主要是对道路上的卡车进行识别。
本课题的研究的主要任务
本课程的主要任务是利用无人机的航拍图像，在其中进行目标识别，主要是图像中的卡车进行识别，其基于Halcon软件强大的算子包，利用卡车有别于其他车辆的特征来将它们区别开来，在这个实现的过程中，首先通过查阅资料来了解图像处理的基本步骤，每个步骤的实现方法，其主要步骤有：图像的预处理、图像的区域分割、如何选取感兴趣区域以及如何判断，实现的方法多种多样，通过反复的测试研究，考虑到图像的来源是无人机拍摄，以及方法的普适性，选择最有利于实现目的的方法。最后，在原图像上进行标注，统计，以便其他的应用。
程序整体设计方案
本章主要介绍在图像中识别卡车的原理，说明与其他软件对比Halcon软件的优势所在，并详细讲解整个软件实现部分的流程。
对卡车目标识别的原理
要实现对一种目标的识别，首先要通过对图像进行分析，找到该目标在图像中区别于其他目标的特征，通过对大量的卡车航拍图进行分析，可以发现卡车因为其特殊的用途，在结构上分为两个部分，第一部分是巨大的卡车车厢，这一部分的特点是具有较大的面积，且与其他的车辆相比，卡车的整体成矩形且长宽比的比值较大，所以针对这一特征进行识别，需要对图像整体进行分割，从区域的面积和矩形度两个方面着手，筛选符合条件的区域。第二部分是独立的卡车车头，这一部分的特点是扁平且具有比较特殊的轮廓，要利用这一部分，就需要提取出图像的轮廓，对轮廓进行判断，具体的方法多种多样，包括阈值分割、模板匹配等方法。或者利用深度学习的方法从整体的角度来解决。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/673.html
