论文部分内容阅读
信息提取是图像处理中非常重要的分支,对遥感卫星视频数据的运动目标信息提取是图像处理领域研究热点之一。本文主要针对道路上的汽车目标运动信息进行超分重建技术应用研究。由于道路上包含的车辆较多,且视频卫星影像背景复杂度高,所以对卫星视频数据进行车辆目标信息提取时面临可视性弱和车辆运动目标检测的准确率待提高的难题。针对车辆目标可视性弱的问题,对卫星视频数据单帧图像,使用基于迭代反向投影的AF-IBP(Iterative Back Projection algorithm combined with Anisotropic Filtering)算法进行预处理以增加车辆的可视性。针对传统卫星视频运动目标检测算法中,典型算法对运动目标的检测准确率不高的问题,为提高运动车辆目标检测率,提出基于帧差法与混合高斯背景建模的DF-GMM(Double three-Frame combined with Gaussian Mixture Model)检测算法。最后,经过实验,验证了算法的有效性,并将本文的研究成果应用在实际项目中。本文主要工作如下:(1)以遥感卫星视频数据为切入点,研究超分辨率图像重建技术,进行车辆运动目标信息提取,针对视频数据中车辆目标可视性弱和车辆运动目标检测准确率不高两个问题进行研究。分别对视频卫星现状、目标检测研究现状、卫星视频数据的可应用领域做总结概述,围绕本文要解决的两个问题所涉及到的相关技术和算法等基础理论知识进行归纳梳理。(2)基于卫星视频数据运动目标可视性弱的问题提出一种基于迭代反向投影算法的改进算法AF-IBP。为了增强车辆目标的可视性,在基于反向迭代投影算法的基础上结合各项异性滤波思想进行改进,针对迭代过程中出现的锯齿效应提出添加各项异性滤波算子以及增加平滑因子调节缓解锯齿效应,添加自适应系数调整迭代误差,并将改进算法对卫星视频数据单帧图像进行超分辨率图像增强处理,通过实验验证AF-IBP算法的有效性。(3)针对卫星视频数据中运动目标检测的典型算法检测准确率不高问题,提出基于帧差法与混合高斯背景建模的DF-GMM检测算法。提高了卫星视频数据上车辆运动目标检测的正确率。在三帧差分法和混合高斯背景建模算法的基础上,本文提出的DF-GMM检测算法,对混合高斯背景建模算法进行参数的更新改进,并与双三帧差分法进行算法融合得到车辆检测目标,将DF-GMM算法在卫星视频数据上进行实验验证与分析,证明所提算法能够提高车辆目标的检测准确率。(4)将本文研究成果和所提算法应用在本人参与的超分辨率重建系统研发项目的相关模块中,并通过项目组提供的实际数据验证了算法的有效性。