计算鬼成像目标识别技术研究

计算鬼成像目标识别技术研究

论文摘要

计算鬼成像是一种全新的成像方法,利用光场间的强度涨落关联重构目标图像,由于这一独特的成像方式,使其能够突破传统成像的局限,在一些条件下实现无透镜成像、抗大气湍流成像和抗散射成像等。除此之外,在探测器面阵大小受限的情况下,计算鬼成像仍能发挥作用。虽然计算鬼成像具有诸多优点,但其成像质量易受到干扰,在成像过程中,采样次数不足与目标深度未知会导致图像质量下降,影响人们对图像内容的判断。目标识别技术是人工智能的一个重要研究领域,在人工作业和人工视觉很难胜任的场合中有着不俗的发挥。本文将目标识别与计算鬼成像结合,在计算鬼成像重构图像质量较差时将背景中的目标从图像中识别出来,主要工作如下:(1)搭建了基于相位调制的计算鬼成像实验系统,标定了系统中空间光调制器的查找表,基于角谱的光场传播理论计算虚拟衍射光场图样,并完成成像系统中散斑传播的深菲涅尔区标定。(2)提出了SIFT(Scale Invariant Feature Transform)算法与支持向量机(Support Vector Machine,SVM)算法相结合的计算鬼成像识别方法。对位于深菲涅尔区中深度信息存在误差的目标,当系统离焦程度为|?|≤5(为散斑的纵向相干长度)时,通过联合训练方法训练的SVM分类器对重构图像的总体识别率可达85%以上。(3)针对深菲涅尔区中深度信息完全未知的目标识别问题,提出了深菲涅尔区目标搜索算法。利用图像质量评价函数DBC估计重构图像的离焦程度,并依据DBC曲线的特点设计深度搜索算法与自适应对焦窗口选择算法,对目标的深度位置进行快速迭代搜索。实验结果表明,当搜索区间被划分为个深度位置时,本文提出的方法可以在log2次迭代内搜索到目标所在位置,并重构出目标清晰的图像。最后本文还给出了目标深度搜索算法与目标识别相结合的方法,实验结果表明该方法可在粗略搜索到目标深度后对目标进行识别。本文将目标识别应用到计算鬼成像系统,是对鬼成像与机器视觉相结合的初步探索,有助于深化对鬼成像理论的认识,拓展鬼成像技术的应用范围,进一步提高鬼成像的实用性与灵活性。

论文目录

  • 摘要
  • Abstract
  • 1.绪论
  •   1.1 研究背景及意义
  •   1.2 国内外发展现状
  •   1.3 目标识别技术在鬼成像中的应用
  •   1.4 论文结构
  • 2.鬼成像基础理论研究
  •   2.1 光场的相干性
  •     2.1.1 光的一阶相干性
  •     2.1.2 光的二阶相干性
  •     2.1.3 范西特-泽尼克(Van Citter-Zernike)定理
  •   2.2 经典光源介绍
  •     2.2.1 热光源
  •     2.2.2 赝热光源
  •   2.3 基于经典光源的鬼成像
  •     2.3.1 基于赝热光源的传统鬼成像原理
  •     2.3.2 计算鬼成像
  •   2.4 深菲涅尔区的散斑性质
  •     2.4.1 深菲涅尔区的物理模型与散斑传播性质
  •     2.4.2 深菲涅尔区中计算鬼成像离焦模型
  •   2.5 小结
  • 3.基于支持向量机的计算鬼成像目标识别
  •   3.1 基于支持向量机的计算鬼成像目标识别
  •     3.1.1 特征点提取算法的选取
  •     3.1.2 支持向量机
  •   3.2 训练方法
  •   3.3 基于相位调制的计算鬼成像系统搭建
  •     3.3.1 空间光调制器的标定
  •     3.3.2 基于光栅相位的调制方法
  •     3.3.3 虚拟衍射光场计算方法
  •     3.3.4 深菲涅尔区的标定
  •     3.3.5 成像系统
  •   3.4 实验结果与分析
  •     3.4.1 低采样数条件下的识别率
  •     3.4.2 深菲涅尔区中离焦图像的识别率
  •   3.5 小结
  • 4.基于目标深度搜索的计算鬼成像目标识别
  •   4.1 离焦图像质量评价函数及深度搜索算法
  •     4.1.1 图像质量评价函数的选择
  •     4.1.2 深度搜索算法
  •   4.2 自适应对焦窗口
  •     4.2.1 影响目标搜索算法的参数
  •     4.2.2 基于区域生长法的对焦窗口选择算法
  •   4.3 深度搜索算法的实验结果与分析
  •   4.4 基于目标深度搜索的计算鬼成像目标识别方法
  •   4.5 小结
  • 5.总结与展望
  • 致谢
  • 参考文献
  • 附录
  • 文章来源

    类型: 硕士论文

    作者: 林子韬

    导师: 陈钱

    关键词: 鬼成像,目标识别,目标深度估计

    来源: 南京理工大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 物理学,计算机软件及计算机应用

    单位: 南京理工大学

    分类号: TP391.41;O439

    DOI: 10.27241/d.cnki.gnjgu.2019.001277

    总页数: 82

    文件大小: 4612K

    下载量: 44

    相关论文文献

    • [1].水面水下目标识别技术的现状与挑战[J]. 国防科技工业 2020(07)
    • [2].鱼雷真假目标识别技术现状与展望[J]. 鱼雷技术 2016(01)
    • [3].水下目标识别技术的发展分析[J]. 舰船电子工程 2014(04)
    • [4].基于微多普勒分析的目标识别技术研究[J]. 飞航导弹 2011(10)
    • [5].针对多种声特征的声目标识别技术研究[J]. 价值工程 2011(14)
    • [6].基于局部特征的目标识别技术研究[J]. 计算机工程 2010(10)
    • [7].脸部描述和目标识别技术[J]. 电脑与电信 2011(02)
    • [8].非协同目标识别技术的研究进展[J]. 电讯技术 2012(12)
    • [9].基于航迹和特征的目标识别技术在多目标跟踪中的应用[J]. 光子学报 2010(02)
    • [10].基于遥感图像的船舶目标识别技术[J]. 舰船科学技术 2020(14)
    • [11].多元红外双色导引头目标识别技术研究[J]. 红外技术 2013(06)
    • [12].舰船目标识别技术研究进展[J]. 科技导报 2019(24)
    • [13].水声被动目标识别技术挑战与展望[J]. 应用声学 2019(04)
    • [14].雷达海面目标识别技术研究进展[J]. 科技导报 2017(20)
    • [15].基于雷艇信息的目标识别技术[J]. 舰船电子工程 2016(02)
    • [16].基于图像处理特征提取与表达的优盘目标识别技术[J]. 无线互联科技 2015(12)
    • [17].弹道目标识别技术及其发展研究[J]. 飞航导弹 2014(08)
    • [18].飞机点目标的红外双波段目标识别技术[J]. 红外 2008(04)
    • [19].基于视觉的无人机空中加油目标识别技术研究[J]. 电子测量技术 2020(13)
    • [20].信号处理在舰船目标识别中研究发展综述[J]. 舰船电子工程 2013(12)
    • [21].基于运动特征的弹道导弹目标识别技术[J]. 飞航导弹 2017(08)
    • [22].SAIP系统中目标识别技术与性能分析[J]. 信息化研究 2011(04)
    • [23].战场感知系统目标识别技术的进展[J]. 火控雷达技术 2008(01)
    • [24].专家论坛弹道导弹目标识别技术[J]. 现代雷达 2008(02)
    • [25].基于路侧激光雷达的城市交叉口目标识别技术[J]. 传感器与微系统 2020(12)
    • [26].基于多传感器信息融合的目标识别技术[J]. 科技资讯 2018(12)
    • [27].基于Hu矩的主成分分析特征目标识别技术算法设计与实现[J]. 吉林化工学院学报 2017(09)
    • [28].红外光谱成像目标识别技术综述[J]. 科技创新导报 2015(21)
    • [29].基于C-TOF成像的位姿测量与地物目标识别技术研究[J]. 红外与激光工程 2020(01)
    • [30].基于统计学方法的目标识别技术研究[J]. 光学与光电技术 2009(03)

    标签:;  ;  ;  

    计算鬼成像目标识别技术研究
    下载Doc文档

    猜你喜欢