基于双目视觉的电力杆塔鸟巢检测
摘要 | 第10-11页 |
英文摘要 | 第11页 |
1 引言 | 第13-17页 |
1.1 课题研究背景及意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-15页 |
1.2.1 无人机电力巡检发展现状 | 第14-15页 |
1.2.2 双目立体视觉发展现状 | 第15页 |
1.3 本文主要的相关工作及论文结构安排 | 第15-17页 |
2 双目立体视觉与图像拼接理论 | 第17-30页 |
2.1 双目立体视觉基本原理 | 第17-18页 |
2.2 双目立体视觉数学模型 | 第18-20页 |
2.2.1 平行光轴数学模型 | 第18-19页 |
2.2.2 非平行光轴数学模型 | 第19-20页 |
2.3 立体成像坐标系 | 第20-23页 |
2.3.1 像素与图像坐标系 | 第20-21页 |
2.3.2 图像与相机坐标系 | 第21-22页 |
2.3.3 相机与空间坐标系 | 第22-23页 |
2.4 非线性模型 | 第23-24页 |
2.5 图像配准技术 | 第24-25页 |
2.5.1 基于图像灰度值的配准算法 | 第25页 |
2.5.2 基于图像变换域的配准算法 | 第25页 |
2.5.3 基于图像特征的配准算法 | 第25页 |
2.6 图像变换模型 | 第25-27页 |
2.6.1 仿射变换 | 第26页 |
2.6.2 刚体变换 | 第26页 |
2.6.3 相似变换 | 第26页 |
2.6.4 透视变换 | 第26-27页 |
2.7 图像融合技术 | 第27-28页 |
2.7.1 平均值法 | 第27页 |
2.7.2 中值滤波法 | 第27页 |
2.7.3 多分辨率技术 | 第27-28页 |
2.7.4 帽子函数加权平均法 | 第28页 |
2.8 本章小结 | 第28-30页 |
3 图像预处理相关技术 | 第30-42页 |
3.1 图像灰度处理 | 第30-31页 |
3.1.1 彩色图像灰度化 | 第30-31页 |
3.1.2 直方图均衡化 | 第31页 |
3.2 图像去燥处理 | 第31-35页 |
3.2.1 高斯滤波 | 第33页 |
3.2.2 均值滤波 | 第33-34页 |
3.2.3 双边滤波 | 第34-35页 |
3.3 边缘增强 | 第35-38页 |
3.3.1 Sobel边缘检测算子 | 第35-36页 |
3.3.2 非极大值抑制原理 | 第36-38页 |
3.4 形态学处理 | 第38-40页 |
3.4.1 腐蚀膨胀操作 | 第38-40页 |
3.4.2 开闭运算操作 | 第40页 |
3.5 本章小结 | 第40-42页 |
4 图像的配准与融合 | 第42-49页 |
4.1 约束准则 | 第42-43页 |
4.2 图像特征匹配 | 第43-45页 |
4.2.1 基于ORB特征的图像匹配 | 第43-44页 |
4.2.2 基于SURF特征的图像匹配 | 第44页 |
4.2.3 优秀匹配点的获取 | 第44-45页 |
4.3 图像融合 | 第45页 |
4.4 实验分析 | 第45-48页 |
4.5 本章小结 | 第48-49页 |
5 电力杆塔图像鸟巢检测 | 第49-62页 |
5.1 简单背景下的杆塔图像分离 | 第49-51页 |
5.1.1 阈值分割 | 第49-50页 |
5.1.2 分水岭分割 | 第50页 |
5.1.3 图割Grabcut | 第50-51页 |
5.2 复杂背景下的杆塔图像特征提取 | 第51-54页 |
5.2.1 杆塔图像的初步处理 | 第52-53页 |
5.2.2 基于Haar的特征描述 | 第53-54页 |
5.2.3 积分图 | 第54页 |
5.3 基于LBP特征的杆塔鸟巢特征提取 | 第54-57页 |
5.3.1 经典LBP | 第55页 |
5.3.2 圆形LBP | 第55-57页 |
5.4 基于AdaBoost级联分类器鸟巢检测 | 第57-60页 |
5.4.1 正负样本训练集的采集 | 第57-58页 |
5.4.2 AdaBoost样本训练 | 第58-60页 |
5.5 本章小结 | 第60-62页 |
6 结论与展望 | 第62-64页 |
6.1 结论 | 第62页 |
6.2 展望 | 第62-64页 |
致谢 | 第64-65页 |
参考文献 | 第65-68页 |
攻读硕士学位期间发表的学术论文 | 第68页 |