原文传递
基于机器视觉的内河航道船艇特征提取与识别
| 论文题名： | 基于机器视觉的内河航道船艇特征提取与识别 |
| 关键词： | 内河航道;机器视觉;特征提取;支持向量机;多分类器融合;船艇识别;分类系统 |
| 摘要： | 把智能交通管理系统引入内河航运的交通管理，在防治水体污染、保护河流生态稳定、提高内河航道通行效率方面发挥了重要作用。船型识别是智能交管系统的重要组成部分，本文以现有海事视频监控系统为平台，结合机器视觉的检测与跟踪技术，对采样图像中船舶的船型进行识别分类。船型识别在船舶登记管理、海事事故案件调查、航道导行管理等邻域应用广泛。本论文在船艇特征提取的基础上，设计了一套基于多分类器融合的船舶识别分类系统。 本文主要内容包括以下几个部分: 第一部分:感兴趣区域提取。首先介绍了几种图像预处理的方法:场景自适应处理、滤波处理、二值化处理，并通过实验对各个预处理进行对比分析。然后比较了几种感兴趣区域提取的方法，并根据本课题实际应用，采用了一种高效的兴趣区域提取方法。该方法不仅可以有效解决噪声干扰带来的识别率降低的问题，同时减少数据量，提高运算速度。 第二部分:特征提取。本文首先对几种常用的物体特征如几何特征、矩特征、变换特征、局部特征做了介绍。进而着重分析了Hu矩、SIFT特征的特点和优势。然后，对SIFT特征提取的一般流程进行了细致的介绍。最后，根据本课题的需要和船艇的特征提出结合全局特征（Hu矩特征）和局部特征（SIFT特征）对船舶进行识别分类，提高了识别率，增强了鲁棒性。 第三部分:船型识别。先对词袋模型做一个简要的介绍，再详细阐述了SVM工作原理，最后采用一个基于词袋模型的多特征融合的分类系统。该系统首先提取船舶的Hu矩和SIFT描述算子，然后对SIFT特征进行K means聚类生成特征词典，并用词典里的特征词汇表示各个样本，生成对应的特征直方图，后利用SVM分别训练分类。最后设计了一个判决器判决出最终的结果。实验结果表明:当参数合适时，识别率可以达到91.7％。 |
| 作者： | 颜利斌 |
| 专业： | 电路与系统 |
| 导师： | 林俊 |
| 授予学位： | 硕士 |
| 授予学位单位： | 湖南师范大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
