机场飞禽光学图像跟踪识别技术研究

论文摘要

防鸟撞是航空业的一个世界性难题。近年来,由于经济的快速发展,航班、航线不断增加,鸟撞事件也随之不断增加。为了保障的飞行安全,如何有效地防治鸟撞显得越来越重要。与传统的驱鸟系统靠定时或人工操作的工作方式相比,视频跟踪识别飞禽技术能根据图像识别的结果来实施驱鸟,能显著降低鸟类对某种驱鸟信号的习惯性,提高驱鸟效果。同时可以对机场飞禽的情况进行记录,用于建立相应的数据库,便于分析各种驱鸟方法的效能,以利于驱鸟工作的改进。本论文研究了飞禽光学图像识别技术,采用OpneCV进行图像的识别编程,运用OpenCV的库函数来完成图像的各个运算处理。论文的主要工作包括:1)对视频图像进行预处理(灰度化、降噪、形态学操作等);2)自适应背景模型的建立和飞禽的识别;3)根据飞禽飞行的无序性,提出一种简易的图像比较模式来识别飞鸟;4)运用机场上空的飞鸟视频对程序进行检测,分析实验结果。实验结果表明本文设计的光学图像识别程序具有良好的鲁棒性,能够进行飞禽的实时识别。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题背景及研究意义
• 1.2 国内外研究现状及难点
• 1.3 opencv 概述
• 1.4 课题的研究内容及创新点
• 第二章 飞禽光学图像预处理
• 2.1 引言
• 2.2 光学图像灰度化
• 2.3 图像降噪
• 2.3.1 均值滤波法
• 2.3.2 中值滤波法
• 2.3.3 高斯滤波法
• 2.4 图像二值化
• 2.5 形态学操作
• 2.5.1 腐蚀与膨胀
• 2.5.2 开启和闭合
• 2.6 小结
• 第三章 飞禽光学场景建模
• 3.1 引言
• 3.2 前景检测算法
• 3.2.1 帧差法
• 3.2.2 平均背景法
• 3.2.3 高级背景模型
• 3.3 一种自动更新高级背景
• 3.3.1 背景模板的建立
• 3.4 背景的更新
• 3.5 本章小结
• 第四章 飞禽光学图像识别
• 4.1 飞禽图像轮廓检测
• 4.1.1 Sobel 算子
• 4.1.2 Canny 函数
• 4.2 飞禽图像识别
• 4.2.1 轮廓矩
• 4.2.2 轮廓比较
• 4.2.3 轮廓的查找
• 4.2.4 图像比较
• 第五章 结论与展望
• 参考文献
• 攻读硕士期间所发表论文
• 致谢