面向小型无人机的小目标识别技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-15页 |
| 1.1 小目标的定义 | 第10页 |
| 1.2 小型无人机的研究背景与意义 | 第10-11页 |
| 1.3 小目标识别技术国内外研究现状 | 第11-12页 |
| 1.4 论文研究内容和结构 | 第12-14页 |
| 1.4.1 研究内容 | 第12-13页 |
| 1.4.2 论文结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 2 小目标图像数据预处理 | 第15-26页 |
| 2.1 预处理流程 | 第15-16页 |
| 2.2 OpenCV库介绍 | 第16-17页 |
| 2.3 小目标的均值、方差、信息熵 | 第17页 |
| 2.4 小目标图像滤波 | 第17-20页 |
| 2.4.1 邻域平均法 | 第17-18页 |
| 2.4.2 中值滤波 | 第18-20页 |
| 2.5 小目标图像灰度拉伸 | 第20-22页 |
| 2.5.1 线性灰度变换 | 第20-21页 |
| 2.5.2 非线性灰度变换 | 第21-22页 |
| 2.6 小目标图像形态学变换 | 第22-23页 |
| 2.7 小目标图像二值化 | 第23-25页 |
| 2.8 本章小结 | 第25-26页 |
| 3 小目标识别算法实现 | 第26-45页 |
| 3.1 小目标识别算法流程 | 第26-27页 |
| 3.2 小目标的SLIC超像素分割 | 第27-29页 |
| 3.3 小目标的DBSCAN聚类 | 第29-32页 |
| 3.4 训练小目标SVM模型 | 第32-41页 |
| 3.5 复杂场景小目标特征融合 | 第41-44页 |
| 3.5.1 结果对比分析 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 4 小目标识别算法移植 | 第45-66页 |
| 4.1 系统硬件平台 | 第45-47页 |
| 4.1.1 ICETEK-DM642-PCI平台 | 第45-46页 |
| 4.1.2 DM642 CPU结构 | 第46-47页 |
| 4.2 系统软件平台 | 第47-57页 |
| 4.2.1 代码集成开发环境CCS | 第47-49页 |
| 4.2.2 嵌入式实时操作系统DSP/BIOS | 第49-52页 |
| 4.2.3 DSP/BIOS配置 | 第52-54页 |
| 4.2.4 参考框架RF5 | 第54-55页 |
| 4.2.5 RF5中的数据通信 | 第55-57页 |
| 4.3 DSP驱动 | 第57-60页 |
| 4.3.1 DSP的外设驱动模型 | 第57-58页 |
| 4.3.2 视频采集底层驱动开发 | 第58-60页 |
| 4.4 算法的移植 | 第60-64页 |
| 4.4.1 EMCV库的移植 | 第60-62页 |
| 4.4.2 核心算法的移植 | 第62页 |
| 4.4.3 移植实验结果 | 第62-64页 |
| 4.5 算法的优化 | 第64页 |
| 4.6 算法优化结果对比 | 第64-65页 |
| 4.7 本章小结 | 第65-66页 |
| 5 总结与展望 | 第66-67页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69-70页 |
| 个人简历、在学期间参与的项目 | 第70页 |
