基于统计学习的机场跑道异物检测-通信与信息系统专业论文.docxVIP

独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 作者签名： 日期： 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 作者签名： 导师签名： 日期： 年 月 日 摘要 摘要 I I 摘要 机场跑道异物检测是一个最近几年才被提出来的新兴课题，关于它的研究主要 包括毫米波雷达技术和图像处理技术。采用毫米波雷达技术进行目标检测，它的 成本非常高，对异物的尺寸要求较高，对硬件设备的要求很高，而且国内还没有 成熟的相关商用系统。采用图像处理技术进行目标检测，它的成本较低，对硬件 设备要求相对较低，并且某些机场在跑道附近已经安装了图像监控系统。因此， 本文采用图像处理技术实现机场跑道异物检测。 本文将基于统计学习的目标检测算法应用在机场跑道异物检测系统中，借鉴已 有的成熟的人脸检测系统，保留人脸检测系统中常用的 Adaboost 分类器方法，改 进或者摒弃人脸检测系统中常用的特征，找到一种适合机场跑道异物检测系统中 的特征。首先，介绍人脸检测系统中常用的 LBP 特征，并将 LBP 特征应用在机场 跑道异物检测系统中，通过实验结果，验证 LBP 特征的可行性，结果表明，LBP 特征不可行。根据机场跑道图片的特点，在 SUSAN 特征的基础上，提出了一种新 的直方图特征，并通过实验结果表明该特征可行。其次，在待检测图片中，跑道 线周围存在大量虚警，为了解决这个问题，利用跑道线位置进行图像分割去除跑 道周围存在的虚警，通过基于边缘点标记的直线检测方法找到跑道线的位置，根 据跑道线的位置将图片分割成包含跑道线部分和不包含跑道线部分，分别进行基 于 Kirsch 特征的目标检测和基于统计学习的目标检测。最后，介绍了 Adaboost 分 类器的原理及训练流程。 本文的主要贡献归纳为以下三点： （1）提出了一种基于 SUSAN 特征的新直方图特征 在 SUSAN 特征的基础上提出了一种新的直方图特征，将该特征应用在机场跑 道异物检测系统中，通过实验结果表明该特征切实可行。 （2）采用基于边缘点标记的算法进行直线检测 利用跑道线位置进行图像分割去除跑道线周围存在的虚警，首要任务是确定跑 道线的位置。本文采用基于边缘点标记算法进行直线检测，和基于 Hough 变换的 直线检测方法相比，该方法实现起来简单可行，还能确定跑道线两端点的位置。 （3）将基于边缘特征的目标检测方法和基于统计学习的目标检测方法相结合 将整幅图片分割之后，结合基于统计学习的目标检测方法和基于 Kirsch 特征的 目标检测方法，对分割图片分别进行处理，通过实验结果表明该方法切实可行。 关键词：基于统计学习的目标检测，LBP 特征，SUSAN 特征，Kirsch 特征，Adaboost AB ABSTRACT II II ABSTRACT FOD detection for airport runway is an emerging issue and has been proposed in recent years. All researches about FOD detection include millimeter wave radar technology and image processing technology. If we adopt millimeter wave radar technology, the cost of FOD detection will be very high; the size requirements of FOD will be high; the requirements of hardware device will be very high. Moreover, China doesn’t have mature and relevant commercial systems. If we adopt image processing technology, the cost of FOD detection will be relatively