基于主动视觉的河蟹运动分析方法研究-农业信息化专业论文.docxVIP

关于学位论文原创性和使用授权的声明 本人所呈交的学位论文，是在导师指导下，独立进行科学研究所取得 的成果。对在论文研究期间给予指导、帮助和做出重要贡献的个人或集 体，均在文中明确说明。本声明的法律责任由本人承担。 本人完全了解山东农业大学有关保留和使用学位论文的规定，同意学 校保留和按要求向国家有关部门或机构送交论文纸质本和电子版，允许论 文被查阅和借阅。本人授权山东农业大学可以将本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、缩印或其他复制手段保存 论文和汇编本学位论文，同时授权中国科学技术信息研究所将本学位论文 收录到《中国学位论文全文数据库》，并向社会公众提供信息服务。 保密论文在解密后应遵守此规定。 论文作者签名： 导 师 签 名： 日 期： 符 号 说 明 Camshift: Continuously Adaptive Mean-SHIFT, 连续自适应的 Mean-shift 算法 DetDev: Detection Deviation, 目标检测偏离度 DoG: Difference of Gaussians, 高斯差带通滤波器 MSE: Mean Square Error, 均方误差 MSR: Multi-scale Retinex, 多尺度 Retinex 算法 OCR: Object Coverage Rate, 目标覆盖率 PSNR: Peak Signal-to-Noise Ratio, 峰值信噪比 SNR: Signal-to-Noise Ratio, 信噪比 目 录 中文摘要 I Abstract II 1 绪论 1 1.1 课题研究目的及意义 1 1.2 国内外研究现状 1 1.3 研究内容与思路 4 1.4 论文组织结构 5 1.5 研究特色与创新点 6 1.6 本章小结 6 2 主动视觉理论方法综述 7 2.1 目标特征表述 7 2.2 图像预处理方法 9 2.3 目标检测方法 10 2.4 目标分割方法 10 2.5 目标跟踪方法 11 2.6 本章小结 13 3 低照度条件下河蟹目标检测与分割方法 14 3.1 引言 14 3.2 基于改进 Retinex 算法和显著性估计的河蟹目标检测方法 14 3.3 基于改进图割算法的河蟹蟹壳区域分割方法 20 3.4 结果与讨论 24 3.5 本章小结 26 4 河蟹特征提取及目标跟踪方法 28 4.1 引言 28 4.2 跟踪框架 28 4.3 河蟹特征提取 30 4.4 基于改进 Camshift 算法的河蟹视频目标跟踪方法 34 4.5 基于目标检测的河蟹多目标跟踪方法 40 4.6 本章小结 42 5 河蟹运动分析系统实现 43 5.1 系统介绍 43 5.2 硬件平台设计 43 5.3 软件平台设计 44 5.4 本章小结 47 6 总结与展望 48 6.1 本文结论 48 6.2 未来展望 49 参考文献 50 致谢 55 攻读硕士期间取得的主要学术成果 56 山东农业大学硕士学位论文 山东农业大学硕士学位论文 基于主动视觉的河蟹运动分析方法研究 基于主动视觉的河蟹运动分析方法研究 I I II II 中 文 摘 要 由于河蟹昼伏夜出的习性，对自动运动及行为分析带来诸多难题。针对低照度条 件下河蟹视频目标难以准确检测、图像特征难以准确提取以及传统视频目标运动跟踪 算法适用性差等问题，本文研究了适用于河蟹运动分析的计算机视觉运动分析方法， 主要工作和创新点如下： （1）提出了一种基于改进 Retinex 算法和频率调谐显著性估计算法的低照度河蟹 目标检测方法 ，来解 决低照度条件 下河蟹 视频目标难以 检测的 问题。通过在 传统 Retinex 算法中加入双边滤波器进行噪声处理，有效地提高了低照度图像的对比度；图 像增强后，利用频率调谐显著性估计算法实现了河蟹目标的自动检测。实验验证，相 较于传统 Retinex 算法，改进 Retinex 算法的峰值信噪比有大幅度提升；在低照度条件 下所提目标检测方法的平均检测准确度为 89%。提出了一种改进的图割算法用于河蟹 蟹壳区域的精细分割，来解决低照度图像特征难以提取的问题。改进的图割算法是基 于河蟹目标检测结果和手动标记种子像素区域的双通道输入。实验验证，所提分割算 法在低照度条件下河蟹蟹壳区域的平均目标覆盖率为 90.6%，优于分水岭算法的平均 目标覆盖率 79.3%。 （2）提出了一种基于蟹壳区域像素数量特征的河蟹重量估计方法；实验验证，所 提河蟹重量估计方法的平均相对误差为±3.92%。提出了一种改进的 Camshift 河蟹视频 目标运动跟踪 算法， 来解决传统视 频目标 运动