学位论文 > 优秀研究生学位论文题录展示

实时海洋浮游生物目标智能识别系统设计

作　者: 洪炎峰
导　师: 黄轶伦；陈耀武
学　校: 浙江大学
专　业: 电子信息技术及仪器
关键词: 浮游生物实时智能识别目标分割并行处理
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 40次
引　用: 0次
阅　读: 论文下载

内容摘要

海洋水体中的浮游生物的数量与分布在生源要素生物地球化学循环(如C循环、N循环)及全球气候研究具有非常重要的意义。如何实现大面积海洋关键种的丰度、生物量分布的自动原位探测,是海洋探测中亟待解决的一个重要课题。本文针对海洋生物调查和科学研究需求,设计了海洋生物大面积探测所需的目标生物实时智能识别系统方案。实现了具有高识别率的实时目标智能识别和分类计数统计,能够对海洋水体中的目标生物进行实时连续走航大面积探测和现场信息统计。系统采用CCD传感器进行实时图像采集,在逐帧图像处理中引入目标帧筛选减少运算；采用背景减算法替代传统的迭代算法实现了快速目标分割；实现了自适应特征选取的快速线形分类器进行目标分类；在现场分类计数统计中引入目标一致性匹配避免目标重复计数。系统进一步采用多核多线程编程的设计思想,实现了基于多核负载均衡的并行处理,提高了系统运算性能。实验结果表明,系统平均单帧识别时间低于29.1ms,且识别率高达91%,达到实时识别要求,满足设计需求。

全文目录

致谢  4-5
摘要  5-6
ABSTRACT  6-7
目次  7-9
1 绪论  9-16
  1.1 课题背景和意义  9-13
    1.1.1 背景和意义  9-10
    1.1.2 国内外研究现状  10-13
    1.1.3 发展趋势  13
  1.2 主要研究内容和论文组织结构  13-16
    1.2.1 主要研究内容  13-14
    1.2.2 论文组织结构  14-16
2 相关技术介绍  16-28
  2.1 模式识别  16-18
    2.1.1 模式识别理论概述  16-17
    2.1.2 模式识别方法概述  17-18
  2.2 基于OPENCV的图像处理  18-21
  2.3 图像模式识别的一般过程  21-24
    2.3.1 图像预处理  21-22
    2.3.2 目标分割  22-23
    2.3.3 特征提取  23
    2.3.4 目标分类  23-24
  2.4 多核并行处理  24-27
  2.5 本章小结  27-28
3 系统总体设计  28-37
  3.1 主要创新点  28-29
  3.2 系统整体方案设计  29-33
    3.2.1 方案设计原则  29
    3.2.2 系统总体设计方案  29-31
    3.2.3 系统硬件架构  31-32
    3.2.4 系统软件架构  32-33
  3.3 功能模块划分  33-35
  3.4 本章小结  35-37
4 系统关键算法设计  37-58
  4.1 图像预处理  37-38
  4.2 快速的目标帧筛选  38-39
  4.3 基于背景减算法的快速目标分割  39-50
    4.3.1 背景减算法提取前景像素  40-44
    4.3.2 目标标示  44-50
  4.4 特征库选取  50-51
  4.5 自适应特征选取的快速线形分类器  51-53
    4.5.1 AdaBoost分类器  51-52
    4.5.2 目标分类  52-53
  4.6 目标一致性匹配  53-57
  4.7 本章小结  57-58
5 多核多线程设计和并行处理  58-69
  5.1 系统线程结构  58-63
    5.1.1 系统线程划分  58
    5.1.2 系统线程结构  58-60
    5.1.3 线程异常检测  60-63
  5.2 并行处理  63-68
    5.2.1 并行处理设计原则  63-65
    5.2.2 并行处理详细设计  65-68
  5.3 本章小结  68-69
6 系统实验结果  69-74
  6.1 识别率测试  69-70
  6.2 实时性测试  70
  6.3 分割效果测试  70-71
  6.4 负载均衡测试  71-72
  6.5 系统界面功能测试  72-73
  6.6 本章小结  73-74
7 总结和展望  74-76
  7.1 总结  74-75
  7.2 展望  75-76
参考文献  76-79
作者简历  79

实时海洋浮游生物目标智能识别系统设计

内容摘要

全文目录

相似论文