针对无人机可见光图像目标小、对比度弱的问题,本文提出一种基于简单线性迭代聚类(Simple linear iterative clustering,SLIC)分层分割的极小目标检测方法。首先使用预处理方法提高原始图像的对比度,并利用Top-hat融合方法进行初始分割...针对无人机可见光图像目标小、对比度弱的问题,本文提出一种基于简单线性迭代聚类(Simple linear iterative clustering,SLIC)分层分割的极小目标检测方法。首先使用预处理方法提高原始图像的对比度,并利用Top-hat融合方法进行初始分割以确定目标区域,其次利用SLIC方法完成目标精细分割,并采用改进的具有噪声的基于密度的聚类方法(Density-based spatial clustering of applications with noise,DBSCAN)对SLIC分割结果进行超像素聚类,最后提取目标的邻域熵等多种底层特征,使用特征匹配方式检测目标,获取最终检测结果。本文提出了一种全局检测和局部检测相结合的检测策略,极大提高了检测速度。仿真结果表明,本文方法可以有效提高无人机小目标的检测性能,加速检测速度。展开更多
在数字视频采集与处理板级系统开发的基础上,本文提出了采用SoPC实现运动视觉处理与控制系统的设计方案。本系统硬件采用StratixII系列FPGA,软件开发工具包括QuartusII,NiosII5.1 IDE,DSP Builder,MegaCore IP Library5.1和Matlab7.0等...在数字视频采集与处理板级系统开发的基础上,本文提出了采用SoPC实现运动视觉处理与控制系统的设计方案。本系统硬件采用StratixII系列FPGA,软件开发工具包括QuartusII,NiosII5.1 IDE,DSP Builder,MegaCore IP Library5.1和Matlab7.0等。可广泛应用于安防监控、视觉导航、智能交通等众多领域。还预留了标准I/O口用于日后的升级扩展。展开更多
文摘针对无人机可见光图像目标小、对比度弱的问题,本文提出一种基于简单线性迭代聚类(Simple linear iterative clustering,SLIC)分层分割的极小目标检测方法。首先使用预处理方法提高原始图像的对比度,并利用Top-hat融合方法进行初始分割以确定目标区域,其次利用SLIC方法完成目标精细分割,并采用改进的具有噪声的基于密度的聚类方法(Density-based spatial clustering of applications with noise,DBSCAN)对SLIC分割结果进行超像素聚类,最后提取目标的邻域熵等多种底层特征,使用特征匹配方式检测目标,获取最终检测结果。本文提出了一种全局检测和局部检测相结合的检测策略,极大提高了检测速度。仿真结果表明,本文方法可以有效提高无人机小目标的检测性能,加速检测速度。
文摘在数字视频采集与处理板级系统开发的基础上,本文提出了采用SoPC实现运动视觉处理与控制系统的设计方案。本系统硬件采用StratixII系列FPGA,软件开发工具包括QuartusII,NiosII5.1 IDE,DSP Builder,MegaCore IP Library5.1和Matlab7.0等。可广泛应用于安防监控、视觉导航、智能交通等众多领域。还预留了标准I/O口用于日后的升级扩展。