无人机图像中的典型目标检测与变化检测方法研究

摘要 (i)

Abstract (iii)

第一章绪论 (1)

1.1课题研究的背景和意义 (1)

1.2国内外相关研究现状 (2)

无人机图像中的典型目标检测研究现状 (2)

无人机图像中的变化检测研究现状 (9)

1.3论文的主要内容与技术贡献 (14)

论文的主要内容和组织结构 (14)

论文的技术贡献 (16)

第二章基于HOG特征和在线级联Boosting的车辆检测 (18)

2.1基于梯度方向直方图的车辆朝向估计 (18)

梯度方向直方图概述 (18)

车辆朝向估计 (21)

2.2旋转窗口中HOG特征的快速计算 (22)

基于积分图像的旋转窗口HOG特征快速计算 (22)

基于圆形滤波器的旋转窗口HOG特征快速计算 (24)

基于查找表的梯度快速计算 (25)

2.3在线级联B OOSTING分类器 (25)

Boosting分类器概述和弱分类器选择 (25)

在线Boosting分类器训练 (29)

在线级联Boosting分类器训练 (31)

2.4车辆检测实验 (33)

车辆检测流程与实验配置 (33)

实验结果 (35)

2.5本章小结 (40)

第三章基于高斯滤波加速的旋转不变HOG特征 (42)

3.1基于径向梯度变换的旋转不变特征 (42)

基于径向梯度变换的RIFF特征 (42)

基于查找表和极坐标的RIFF特征快速计算 (45)

3.2高斯滤波加速的旋转不变HOG特征 (48)

圆形滤波器加速的环形区域梯度累积 (48)

基于查找表提取旋转不变HOG特征 (52)

3.3飞机检测实验 (53)

实验数据集和参数配置 (54)

实验结果 (55)

3.4本章小结 (57)

第四章基于极坐标傅里叶分析的快速旋转不变HOG特征 (59)

4.1极坐标傅里叶分析框架下的特征旋转不变性 (59)

图像特征的旋转不变性分析 (59)

基于极坐标傅里叶分析构造旋转不变特征 (61)

4.2FFT加速的傅里叶空间旋转不变HOG特征 (63)

傅里叶空间的旋转不变HOG特征 (63)

基于FFT的旋转不变HOG特征快速计算 (67)

4.3基于SVM-RFE算法的旋转不变HOG特征降维 (70)

特征选择方法概述 (70)

基于SVM的迭代特征剔除算法 (72)

4.4车辆检测实验 (75)

实验数据集和参数配置 (75)

实验结果 (76)

4.5本章小结 (81)

第五章基于B样条非刚性配准和图割的变化检测 (82)

5.1无人机图像的B样条非刚性配准 (82)

基于SURF特征和单应变换模型的图像粗配准 (82)

基于B样条非刚性变换模型的图像精配准 (85)

5.2变化检测的特征提取与相似性评价 (89)

Min-Max双向差图像 (89)

变化检测的局部特征描述 (91)

基于慢特征分析的特征变换 (92)

5.3基于图割的变化检测全局优化 (96)

基于自动阈值的变化检测 (96)

基于K-均值聚类的变化检测 (99)

基于图割全局优化的变化检测 (100)

5.4变化检测实验 (103)

实验数据集和实验配置 (103)

5.5本章小结 (108)

第六章结论与展望 (110)

6.1论文主要工作与创新点 (110)

6.2需要进一步研究的问题 (111)

致谢 (113)

参考文献 (115)

作者在学期间取得的学术成果 (125)

表目录

表2.1 梯度主方向与人工标注车辆朝向对比 (22)

表2.2 基于三种弱分类器的级联和非级联Boosting车辆检测单帧耗时统计 (37)

表2.3 基于两种旋转窗口HOG快速计算的车辆检测单帧耗时统计 (38)

表3.1 三种径向梯度变换单帧耗时统计 (47)

表3.2 旋转不变HOG特征密集计算的单帧耗时对比 (55)

表4.1 旋转不变HOG特征的参数配置 (75)

表4.2 单帧图像提取密集旋转不变HOG特征的平均耗时 (80)

表5.1 五种变化检测算法的结果评估 (107)

图目录

图1.1 目标检测的一般流程 (2)

图1.2 Haar特征计算示意图 (3)

图1.3 HOG特征计算示意图 (3)

图1.4 LBP特征计算示意图 (4)

图1.5 SVM分类器训练示意图 (4)

图1.6 图像线性变换模型示意图 (11)

图1.7 论文组织结构图 (15)

图2.1 梯度方向直方图特征的定义 (19)

图2.2 基于积分图像的HOG特征快速计算 (20)

图2.3 基于梯度方向直方图的车辆朝向估计 (21)

图2.4 基于积分图像的旋转窗口HOG特征快速计算 (23)

图2.5 基于积分图像计算HOG特征示意图 (23)

图2.6 基于圆形滤波器的旋转窗口HOG特征快速计算 (24)

图2.7 在线Boosting训练算法流程 (29)

图2.8 泊松分布曲线簇示意图 (30)

图2.9 级联Boosting分类器的早期拒绝机制示意图 (31)

图2.10 正样本的弱分类器输出累加值曲线 (32)

图2.11 负样本的弱分类器输出累加值曲线 (32)

图2.12 在线级联Boosting车辆检测算法流程图 (33)

图2.13 图像金字塔分层车辆检测与HOG特征提取示意图 (34)

图2.14 三种弱分类器分类错误率对比图 (35)

图2.15 三种弱分类器组成的强分类器分类正确率对比图 (36)

图2.16 基于三种弱分类器的级联和非级联Boosting车辆检测PR曲线 (37)

图2.17 基于两种旋转窗口HOG快速计算的级联Boosting车辆检测PR曲线 (38)

图2.18 基于欧氏距离弱分类器的级联Boosting车辆检测结果 (39)

图2.19 基于Fisher判别弱分类器的级联Boosting车辆检测结果 (40)

图2.20 基于Bayes判别弱分类器的级联Boosting车辆检测结果 (40)

图3.1 径向梯度变换旋转不变示意图 (43)

图3.2 检测窗口中梯度环形累积示意图 (44)

图3.3 径向梯度变换与近似径向梯度变换示意图 (44)

图3.4 基于极坐标的径向梯度变换示意图 (46)

图3.6 窗口区域累积分解前后计算量之比随窗口分解个数变化曲线 (49)

图3.7 圆形滤波器加速的环形梯度累积示意图 (49)

图3.8 高斯滤波器加速的环形梯度累积示意图 (51)

图3.9 各环形区域上的高斯滤波器叠加权重示意图 (51)

图3.10 旋转不变HOG特征的飞机检测PR曲线对比 (55)

图3.11 采用Circle-RIHOG特征的飞机检测结果 (56)

图3.12 采用Gauss-RIHOG特征的飞机检测结果 (57)

图3.13 采用RIFF-HOG特征的飞机检测结果 (57)

图4.1 图像标量特征和矢量特征旋转特性分析示意图 (60)

图4.2 连续的梯度密度函数与离散的梯度方向直方图平移示意图 (63)

图4.3 梯度密度函数表示为冲击函数的示意图 (64)

图4.4 梯度密度函数展开后的傅里叶系数 (65)

图4.5 由傅里叶级数恢复的梯度密度函数 (65)

图4.6 空间卷积核、归一化卷积核以及二维基函数示意图 (67)

图4.7 基于FFT的旋转不变HOG特征计算流程 (68)

图4.8 每个尺度上区域特征B的计算示意图 (69)

图4.9 后向搜索的包裹式特征选择算法流程 (71)

图4.10 SVM分类器示意图 (72)

图4.11 SVM-RFE特征选择算法流程 (74)

图4.12 特征选择后各类旋转不变特征的数量下降曲线 (77)

图4.13 两种特征选择算法选择的特征进行车辆检测的PR曲线 (77)

图4.14 三种旋转不变特征的车辆检测PR曲线 (78)

图4.15 Schmidt的409维旋转不变特征车辆检测结果 (79)

图4.16 Liu的232维旋转不变特征车辆检测结果 (79)

图4.17 改进的200维旋转不变特征车辆检测结果 (80)

图5.1 高斯二阶导函数的Haar小波模板近似 (83)

图5.2 统计扇形区域内的Haar小波响应估计主方向 (84)

图5.3 SURF特征描述子提取示意图 (84)

图5.4 沙盘上拍摄的第一组两幅图像 (85)

图5.5 基于SURF特征和单应变换的图像配准结果 (85)

图5.6 基于SURF特征和单应变换配准后的差图像 (85)

图5.7 三个低阶B样条基函数曲线 (86)

图5.8 基于三次B样条的一维插值示意图 (87)

图5.10 基于B样条非刚性变换的图像配准结果 (88)

图5.11 基于B样条非刚性变换配准后的差图像 (88)

图5.12 Min-Max双向差图像算法流程 (90)

图5.13 图像精配准后的Min-Max双向差图像 (90)

图5.14 采用线性模型的图像亮度校正结果 (91)

图5.15 沙盘上拍摄的第二组两幅图像 (92)

图5.16 精配准和图像亮度校正后的沙盘图像 (92)

图5.16 图像灰度特征差图像和局部方差特征差图像的对比 (92)

图5.17 基于SFA的变化检测原理示意图 (94)

图5.18 基于K&I阈值的变化检测示意图 (98)

图5.19 基于Otsu阈值的变化检测示意图 (99)

图5.20 基于K-均值聚类的变化检测示意图 (100)

图5.21 基于图割的变化检测全局优化示意图 (102)

图5.22 图割全局优化变化检测与K-均值变化检测结果对比图 (103)

图5.23 沙盘上拍摄的两组图像 (104)

图5.24 第一组沙盘图像的变化检测结果 (106)

图5.25 第二组沙盘图像的变化检测结果 (107)