基于視覺的無人機態(tài)勢感知中目標要素提取方法研究.pdf

1、無人機（Unmanned Aerial Vehicle，UAV）態(tài)勢感知是無人機系統(tǒng)實現(xiàn)自主性的基礎，而全面準確的態(tài)勢要素提取是實現(xiàn)無人機態(tài)勢感知的關鍵，其中目標要素的提取又是關鍵。隨著計算機視覺技術的發(fā)展，把計算機視覺技術應用到無人機態(tài)勢要素提取過程中，形成基于視覺的態(tài)勢要素提取技術，成為新的研究熱點。本文以小型無人機為研究對象，選用可見光攝像機作為傳感器，采用顯著性檢測和物體性檢測算法完成目標要素的提取。主要工作及創(chuàng)新點如下：

2、>　?。?）設計了一種多類大小顯著物體的提取算法Renyi-SSS?，F(xiàn)有基于頻域分析的視覺顯著性檢測算法普遍存在只能檢測單類大小的顯著區(qū)域，而無人機獲得的圖像中往往包含多類不同大小的物體，論文利用Renyi熵計算圖像的各向異性從而實現(xiàn)對圖像中的不同大小顯著區(qū)域提取。在標準數(shù)據(jù)庫上的測試獲得比其它同類算法較好的性能。
　　（2）建立了一種基于頻域分析的通道融合顯著性檢測算法CSIG。由于目前的頻域顯著性算法只能獨立處理單通道圖像，針

3、對彩色圖像的三個通道需要分別進行檢測。論文通過計算通道之間的相關性，并根據(jù)相關性值確定融合的規(guī)則，融合生成最終顯著性圖。實驗結果表明，算法能夠提高檢測的準確度并避免檢測錯誤的顯著區(qū)域，達到提高顯著性檢測性能的目的。
　　（3）提出了顯著性檢測與物體性檢測結合的多目標檢測算法SSS-Bing。顯著性信息可以用來提高物體性檢測算法的檢測率，但是目前的結合方式是直接把顯著區(qū)域的分割塊作為候選物體窗口，這類算法的實時性和準確度達不到無人機

4、目標感知的需求。論文通過將顯著性信息直接作用于物體性檢測的過程，在保持顯著區(qū)域物體特征的同時對非顯著區(qū)域的物體特征進行抑制，更加有效的利用顯著性信息。實驗結果表明算法大大提高了檢測的準確度和實時性。
　?。?）完成了典型任務條件下算法的實驗驗證。利用實驗室外場獲得的實驗數(shù)據(jù)對本文提出的檢測算法開展實驗驗證。算法對于快速運動目標的檢測達到了檢測的精度和實時性，并且提高了對慢動或靜止目標的檢測率，充分表明了算法的實用性強，符合無人機感