基于图像处理的SLR系统目标识别技术的研究

基于图像处理的SLR系统目标识别技术的研究

论文摘要

目标卫星的识别是SLR(卫星激光测距)系统实现跟踪观测的重要步骤之一。目前,在实际的观测过程中,通常采用CCD相机对卫星进行实时监视,观测人员通过查看监视视频寻找目标卫星和激光束在视场中的位置,确定激光束是否准确的指向目标卫星。大多数情况下,由于星历预报误差、激光束指向误差等原因,会使得激光束指向与目标卫星之间差生偏差,即激光束没有击中卫星,这时需要观测人员手动调整望远镜指向,使得激光束准确指向卫星,实现跟踪观测。由于卫星图像信号微弱、信噪比低,人工查看SLR系统跟踪观测是否脱靶比较困难,这很大程度上降低了SLR系统的观测效率。为了解决SLR系统观测卫星时,难以识别目标卫星的情况,本文设计一种通过使用图像处理技术实现SLR系统自动识别目标卫星的算法。基于Visual Studio 2015和OpenCV 3.4.0和Qt 5.9.6开发环境编写实现SLR目标卫星识别的算法,实现在视场中识别并标注目标卫星的功能。计算机自动识别目标卫星不仅能有效的提升SLR系统的观测效率,并且有助于提升SLR系统的自动化水平。论文首先说明了SLR系统中卫星识别的研究背景和意义。第二章阐述了一种基于图像处理的卫星识别方案,并分给出了该方案的硬件系统构成、软件开发环境、软件的设计思路、软件使用说明等。第三章介绍了图像灰度化与图像二值化相关概念和原理,针对图像二值化方法,列出了3种常见的二值化处理方法,包含阈值二值化、自适应阈值二值化、OTSU二值化,分析对比各种方法的处理效果和特点,并选定合适的处理方法。第四章研究了图像积分与图像滤波的相关概念和原理,分析均值滤波、高斯滤波、双边滤波、中值滤波处理效果的优势与不足,最终选定适合SLR系统观测场景的处理方法。接下来描述了目标识别与目标检测、图像的矩的相关概念,同时描述目标轮廓检测中Sobel算子、Prewitt算子、Canny算子、LoG算子的实现原理和处理效果,重点介绍轮廓检测中轮廓跟踪算法的实现原理以及处理效果,同时详细介绍目标卫星识别与标注的实现过程。对运行在不同轨道高度的目标卫星进行多次测试,能够自动识别高轨卫星glns131、低轨卫星Jason-2和Jason-3,这表明该算法具有一定的准确性、可行性、实用性。

论文目录

  • 作者简介
  • 中文摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 研究背景和意义及目标
  •   1.2 国内外研究现状
  •   1.3 研究内容及论文结构
  •   1.4 本章小结
  • 第二章 系统设计
  •   2.1 TROS1000简介
  •   2.2 硬件系统设计
  •   2.3 软件系统设计
  •     2.3.1 软件开发环境
  •     2.3.2 软件设计
  •   2.4 本章小结
  • 第三章 图像灰度化与二值化
  •   3.1 图像灰度化与二值化概述
  •   3.2 阈值二值化
  •   3.3 自适应阈值二值化
  •   3.4 OTSU二值化
  •   3.5 不同二值化处理对比分析
  •   3.6 本章小结
  • 第四章 图像积分与图像滤波
  •   4.1 图像积分
  •   4.2 图像滤波
  •     4.2.1 均值滤波
  •     4.2.2 高斯滤波
  •     4.2.3 双边滤波
  •     4.2.4 中值滤波
  •   4.3 不同滤波方法对比
  •   4.4 本章小结
  • 第五章 SLR目标检测与目标识别
  •   5.1 目标轮廓检测
  •     5.1.1 Sobel算子
  •     5.1.2 Prewitt算子
  •     5.1.3 Canny算子
  •     5.1.4 LoG算子
  •   5.2 SLR目标识别及质心计算
  •     5.2.1 质心坐标计算
  •     5.2.2 SLR目标识别及标注
  •   5.3 实验结果与分析
  •   5.4 本章小结
  • 第六章 总结及展望
  • 致谢
  • 参考文献
  • 文章来源

    类型: 硕士论文

    作者: 闵福其

    导师: 郭唐永,邹彤

    关键词: 目标识别,图像处理

    来源: 中国地震局地震研究所

    年度: 2019

    分类: 基础科学,信息科技

    专业: 自然地理学和测绘学,计算机软件及计算机应用

    单位: 中国地震局地震研究所

    分类号: TP391.41;P228.5

    总页数: 54

    文件大小: 4050K

    下载量: 107

    相关论文文献

    • [1].2007图像处理国际研讨会[J]. 国际学术动态 2008(03)
    • [2].探讨图像处理软件在平面设计中的应用[J]. 科学技术创新 2019(34)
    • [3].图像处理技术的车牌识别系统研究[J]. 电子测试 2020(03)
    • [4].图像处理技术及其应用研究[J]. 无线互联科技 2020(01)
    • [5].基于图像处理技术的小麦识别技术研究[J]. 中外企业家 2020(04)
    • [6].图像处理技术及应用分析[J]. 造纸装备及材料 2020(01)
    • [7].图像处理技术在平面设计中的应用研究[J]. 计算机产品与流通 2020(03)
    • [8].图像处理与识别技术的发展及应用[J]. 无线互联科技 2020(10)
    • [9].应用型本科课程考核模式改革研究——以光电图像处理为例[J]. 科技风 2020(21)
    • [10].深度学习的图像处理在农业领域的应用实践[J]. 内江科技 2020(09)
    • [11].基于期望与方差的拓展在图像处理中的快速算法的研究[J]. 科技风 2020(30)
    • [12].大数据图像处理技术在无人船运行自动监测中的应用[J]. 舰船科学技术 2020(18)
    • [13].关于图像处理技术现状及发展的分析[J]. 科技资讯 2018(25)
    • [14].探究图像处理的关键技术[J]. 计算机产品与流通 2018(11)
    • [15].图像处理中颜色模式的探究[J]. 电脑编程技巧与维护 2019(01)
    • [16].计算机图像处理技术的特点与应用研究[J]. 信息记录材料 2019(03)
    • [17].基于云服务器图像处理的物体辨别系统[J]. 计算机产品与流通 2019(09)
    • [18].计算机图形图像处理技术在文物保护领域的应用分析[J]. 计算机产品与流通 2019(12)
    • [19].图像处理技术在信息农业中的应用现状及发展趋势[J]. 江苏农业科学 2017(22)
    • [20].基于形态学图像检测的机械手移栽穴苗识别技术[J]. 农机化研究 2018(05)
    • [21].计算机技术在图像处理中的应用分析[J]. 才智 2018(16)
    • [22].计算机图像处理技术的发展趋势[J]. 信息与电脑(理论版) 2016(18)
    • [23].以应用为引导的教学在光电图像处理中的应用[J]. 实验室科学 2016(06)
    • [24].微课在“图像处理基础”教学中的应用研究[J]. 计算机时代 2017(02)
    • [25].探究数字多媒体图像处理技术[J]. 信息与电脑(理论版) 2016(20)
    • [26].浅析图像处理软件入门案例[J]. 广东印刷 2017(01)
    • [27].图像处理智能化的发展方向[J]. 电子技术与软件工程 2017(09)
    • [28].智能交通中图像处理技术应用综述[J]. 科技风 2017(11)
    • [29].基于网络平台应用的图像处理技术探讨[J]. 农村经济与科技 2017(14)
    • [30].图像处理技术在网页制作中的应用分析[J]. 无线互联科技 2017(19)

    标签:;  ;  

    基于图像处理的SLR系统目标识别技术的研究
    下载Doc文档

    猜你喜欢