光赛报告_图像处理part_彭成权

光赛报告_图像处理part_彭成权

ID:47235549

大小:73.96 KB

页数:8页

时间:2019-08-29

光赛报告_图像处理part_彭成权_第1页
光赛报告_图像处理part_彭成权_第2页
光赛报告_图像处理part_彭成权_第3页
光赛报告_图像处理part_彭成权_第4页
光赛报告_图像处理part_彭成权_第5页
资源描述:

《光赛报告_图像处理part_彭成权》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、第五届全国光电设计竞赛理论方案报告参赛题目:参赛队伍名称:所在学院:队长姓名:提交方案时间:报告填写说明1.参赛题目名称请填写“基于光电目标识别的空投救援无人飞行器”或"单透镜构建的最佳成像系统”,请勿使用简称或非标准名称;1.字数控制在4000字以内,尽量简洁明了;2.理论方案正文为四号宋体,标题为三号黑体;3.提交理论方案的文件(DOC和PDF文档)务必采用如下形式命名“赛题名简称(智能小车或光学测量)_队名—队长姓名”;如“智能小车_光么队—张三”;邮件主题务必釆用如下标准名称:第五届全国大学生光电设计竞赛理论方案。邮箱地址为:2

2、879428594@qq.com。4.提交理论方案的截止吋间2016年3月28Bo逾期未提交按自动弃权处理。参赛题目:一•研究内容图像处理二•研究方案STM32通过读取彩色摄像头所传回的图像传送给树莓派中图像处理部分。图像处理部分我们利用Intel资助的跨平台开源计算机视觉库OpenCV.OpenCV的全称是:OpenSourceComputerVisionLibrary.它轻量级并且高效,同时提供了C++、Python、Ruby.MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。OpenCV可运用于人机交互、物体

3、识别、图像分割、人脸识别、动作识别、运动跟踪等等。它丰富的函数库和强大的功能是我们首选它的主要原因。利用OpenCV提供的函数库,我们可以做到实时跟踪所选特定颜色的目标框并提取目标框在摄像头所读回图像中的坐标。三.技术路线及可行性分析在图像处理部分,我们主要要解决的问题是对摄像头读回的图像提取出冃标框的坐标并进行实时跟踪,即利用冃标有效特征,选择使用适当的算法,在序列图像屮寻找我们所需的目标的位置,简单的说就是给口标定位。因为场地为羽毛球场,场地并不算特别复杂,因此在目标跟踪中我们的思路为形心跟踪。形心跟踪是利用目标检测方法将目标从背景

4、中分割出來,计算出目标的形心(质心)在图像中的位置,以达到目标定位的耳的。形心跟踪法的优点是过程简单,计算效率高。具体步骤可分为以下几步:(1)图像预处理。图像的预处理是将摄像头所得到的图像进行适当的处理,使得处理后的图像更易于进行检测和分割。预处理通常是为了降低图像噪声、干扰和增强目标、背景的对比度。(2)耳标检测与分割。目标检测时对可能是目标的区域定位;目标分割是将冃标从背景中分离岀来。在冃标识别与跟踪系统中,对图像分割的质量有很大的依赖性(3)口标特征提取与识别。目标识别是口标跟踪中的重要一环,而特征提取式目标识别中的关键技术。特

5、种提取的优劣直接影响到目标识別以及跟踪系统的性能。目标的特征可分为形状、灰度、边缘等。不同的特征,对应不同的提取方法。一般地,特征提取方法必须满足一些必要准则:不变性、唯一性和稳定性。(4)口标运动转台分析与跟踪。经过口标识别环节后,就可以得到感兴趣的目标区域,进而计算出图像中目标的形心位置。三.拟解决的关键问题在图像处理环节,我们主要的问题便是根据彩色摄像头读回的图像提取出目标框的坐标并发送给控制四轴飞行器移动的STM32单片机,同时应保证坐标的有效性和稳定性。四.特色与创新点在图像处理部分,我们利用OpenCV提供的库函数以及Cam

6、shift颜色跟踪算法解决目标框的跟踪问题。首先,我们在摄像头读取的首帧图像中得到目标框的区域,并提取出掩模图像。将掩模图像进行保存后利用CamShift算法进行跟踪Camshift算法利用目标的颜色直方图模型将图像转换为颜色概率分布图,根据初始化的搜索窗的大小和位置得到的结果自适应调整搜索窗口的位置和大小,从而定位出当前图像中目标的中心位置。主要步骤分为以下三部分:1—色彩投影图(反向投影):RGB颜色空间对光照亮度变化较为敏感,为了减少此变化对跟踪效果的影响,首先将图像从RGB空间转换到HSV空间。(2).然后对其中的H分量作直方图

7、,在直方图中代表了不同H分量值出现的概率或者像素个数,就是说可以查找出H分量大小为h的概率或者像素个数,即得到了颜色概率查找表。(3).将图像中每个像素的值用其颜色出现的概率对替换,就得到了颜色概率分布图。这个过程就叫反向投影,颜色概率分布图是一个灰度图像。2--meanshiftmeanshift算法是一种密度函数梯度估计的非参数方法,通过迭代寻优找到概率分布的极值来定位冃标。算法过程为:(1)・在颜色概率分布图中选取搜索窗W(2)•计算零阶距与一阶距,并计算搜索窗的质心(3)•调整搜索窗大小(4)•移动搜索窗的中心到质心,如果移动距

8、离大于预设的固定阈值,则重复2)3)4),宜到搜索窗的中心与质心间的移动距离小于预设的固定阈值,或者循环运算的次数达到某一最大值,停止计算。3一camshaft将meanshift算法扩展到连续图像序列,就

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。