差分算法外文翻譯

畢業(yè)設計〔論文〕譯文題目名稱：TargetDetectionandTrackingofmovingobjectsforterrestrialopticalimages〔地面光學圖像的運動目標檢測與跟蹤〕院系名稱：計算機學院班級：學號：學生姓名：指導教師：2023年3月摘要地面光學攝影測量學是一種低本錢的監(jiān)控技術，是常用的變化檢測研究。對于滑坡監(jiān)測來說，圖像相關技術通常用于生成數(shù)字外表模型〔DSM〕從立體聲或測量從單一視圖的時間間隔序列的二維外表位移場。圖像相關性允許在亞像素精度檢測領域的空間連續(xù)位移。然而，這些技術在評估位移方面有一定的局限性，其原因在于：1〕它在紋理的變化，圖像中的樁的形狀和輻射的敏感度，2〕空間規(guī)那么采樣網格的需要，3〕盡可能高的計算時間，可能阻擋大型圖像數(shù)據(jù)集的處理。為了解決這些限制，實現(xiàn)了一種基于目標檢測和跟蹤的一種替代和互補的方法〔TDT〕算法對圖像序列的目標位移的快速計算算法。TDT的代碼，是一個基于MATLAB的工具，能夠自然的或人為的目標跟蹤。在基于地面的測量中，TDT的編碼精度在與幾個圖像在超索茲滑坡取得了一系列的評估〔法國南部阿爾卑斯山〕相比，計算相對精度在10.3—10.4之間〔5厘米的相當于在115米〕。雖然該方法不提供空間上連續(xù)的信息，它提供了一下兩點：1〕在相同圖像相關精度的命令下，一個量化的目標位移〔亞像素精度〕；2〕由于地面位移過大，圖像匹配失敗的信息。敏感性分析說明，不確定性的主要來源是攝影機的運動和/或鏡頭畸變和TDT本身。關鍵字：位移監(jiān)測；時間序列圖像；地面光學圖像；滑坡；目標檢測與跟蹤1.引言數(shù)字無源傳感器〔即在可見光光譜中的操作的傳感器〕，如單鏡頭反光〔SLR〕相機，越來越多地被用于地面地質災害監(jiān)測〔例如，冰河，火山側翼，山體滑坡〕。因為與較昂貴的地面激光掃描儀〔TLS〕或雷達成像〔GBInSAR〕相比，其本錢較低。事實上，由于大的消費市場，傳感器的分辨率迅速增加；例如，廉價的9到16像素的攝像頭可在2023即可很容易得到，允許陣列的相機可以在領域中廣泛使用。提供定性信息的被動光學傳感器〔即，識別大景觀變化，氣候條件，積雪覆蓋的存在和位置的傳感器。以立體視圖的三維定量信息〔即，數(shù)字外表模型〔DSM〕的創(chuàng)作，位移監(jiān)測，跟蹤和外表狀態(tài)的變化〕。就地表位移監(jiān)測的情況來說，最新研究的重點是圖像相關技術的開展，通過最大化之間的相關函數(shù)的至少一對立體圖像來確定平均的空間移位。該技術已經在冰河位移域和緩慢的滑坡在亞像素精度和產生偽的變形的連續(xù)映射中證明其性能。然而，在輻射變化較大的情況下，減少在圖像相關技術的性能下降方面來說，紋理或幾何對象處于兩個不同的時期。因此，結合剛性和非剛性變形很難評估復雜的位移模式，快速運動的特征是重要的外表狀態(tài)的變化，或物體的透視失真所造成的運動。這些特征都能在特定的滑坡遇到。此外，圖像的相關性可以對光照條件〔例如，太陽高度〕和在圖像低信噪比方面非常敏感。因此，必須為每個案例研究圖像的相關處理參數(shù)的最優(yōu)組合的選擇〔數(shù)字圖像相關，相關窗口的大小，數(shù)量的分層步驟的處理，相關閾值〕，仔細評估和限制的過程自動化的能力，特別是需要快速分析的加速運動。這個約束是由一個普通的空間采樣網格上的圖像的常規(guī)的應用擴增。因此圖像相關技術可應用于隨機點。但這并不是顯著的。這可能導致在感興趣的的區(qū)域估計的位移不一致。對于長時間序列的分析，目標檢測與跟蹤的方法可以用來補充圖像相關技術?？梢杂么朔椒▉砉烙嬰x散位移隨著時間的推移自然的〔巖塊，大裂縫〕或人為的基準。所選擇的對象根據(jù)其輻射性能標記出來，以確保其檢測的有效性和準確準確性。TDT方法在圖像相關技術的主要優(yōu)點是其在空間和時間測量復雜大變形位移模式的能力，擁有很高的信噪比，以及在目標的形狀變化和圖像在低角度的時間滯后。此外，TDT方法可用于快速評估，如預警系統(tǒng)。該方法的主要局限是量化只有局部〔點〕的位置處的目標位移的可能性。在已經被提出用于實時測量系統(tǒng)，包括頂部的設計監(jiān)測火山活動，但其監(jiān)測邊坡運動的潛在用途的情，為白天觀測提供了足夠的信息進行了限制。這項工作提出了一種基于MATLAB的TDT方法用于滑坡監(jiān)測，可以用來作為一種補充的圖像相關和其他位移觀測方法或快速評估。該方法能夠魯棒地跟蹤運動目標在背景經歷大位移只是稍微敏感目標的紋理變化和旋轉。首先，給出了該方法的步驟，包括〔i〕圖像堆棧登記，〔ii〕目標檢測，〔iii〕在2D圖像平面的目標自動跟蹤。其次，應用本創(chuàng)造的方法，用兩個數(shù)據(jù)集在超索茲滑坡獲得驗證〔法國南部阿爾卑斯山〕使用一些天然和人造目標。第三，誤差的來源進行量化。最后，指導建立了頂級的監(jiān)控系統(tǒng)提出了限制收購的幾何形狀和攝像機運動所產生的錯誤。2.方法框架本節(jié)介紹的標準來考慮采用TDT方法。本標準適用于對攝像機位置的幾何約束條件的研究網站的特點，在視圖類型振幅和位移矢量的方向和目標。2.1建立一個面向TDT方法標準及滑坡的可能途徑在對目標跟蹤算法的不同類別分類時，確定了四個問題可以根據(jù)對象的類型進行檢測和量化的變形類型選擇最有效的檢測方法：如何跟蹤對象〔即，由線，點，面或補丁〕滑坡位移監(jiān)測，TDT算法可以應用于簡單的外表的對象〔圓，橢圓，矩形〕。在所提出的方法中，對象被減少到一個點，定義為根本面質心。這樣的選擇，特別適合于小物體占據(jù)很小的區(qū)域在圖像平面。如何實現(xiàn)跟蹤功能？滑坡位移監(jiān)測，邊緣和紋理信息的使用進行跟蹤是困難的由于高度異質性的外表存在。因此，對象使用其輻射性能跟蹤，它總是與周圍環(huán)境〔例如，土壤〕。選擇最適宜的目標跟蹤算法的標準是什么？經典的目標檢測算法，如點探測器，背景減法或圖像分割不能用于滑坡位移監(jiān)測由于對象可以在圖像的時間序列表現(xiàn)出非常大的位移。因此，假設圖像采集速率為地面位移率是適當?shù)摹布?，例如，兩個連續(xù)的圖像之間的像素移位比擬小〕，簡單的比照度增強算法和質心計算算法。選擇最適宜的目標跟蹤算法的標準是什么？經典的目標檢測算法，如點探測器，背景減法，或圖像分割不能用于滑坡位移監(jiān)測由于對象可以在圖像的時間序列表現(xiàn)出非常大的位移。因此，假設圖像采集速率為地面位移率是適當?shù)摹布?，例如，兩個連續(xù)的圖像之間的像素移位比擬小〕，簡單的比照度增強算法和質心計算算法。選擇最適宜的算法來跟蹤對象的標準是什么？滑坡位移監(jiān)測，可以合理地假設，跟蹤對象的輻射特性具有足夠的比照度與周圍的材料〔即，土壤〕。因此，它是假定在一個搜索窗口檢測圖像中的對象的n對應于在搜索窗口中檢測到的對象集中在物體坐標系中的先前圖像的n+1。在該方法中一個重要的假設是在搜索窗口的感興趣的對象的唯一性?；谶@一概念框架，方法論的工作流來跟蹤圖像的時間序列的自然和人造物體在圖1中提出的。其目的是為了獲得一個時間序列的坐標系中的圖像平面的每個跟蹤對象。輸入數(shù)據(jù)的圖像的時間序列從一個獨特的相機拍攝的，該鏡頭的徑向畸變進行了標定。圖像從RGB值轉換，然后通過消除色調和飽和度信息，同時保持亮度的亮度灰度值。在下面的章節(jié)中，每個處理步驟的詳細描述。2.2圖像配準在許多自然的環(huán)境中，延時相機不能保持很長一段時間，絕對靜止的〔例如，個月〕盡管小心地設置。這個結果在整個圖像樁需要去除時間的轉變。精確的圖像配準是變化檢測方法的應用的一個關鍵元素，因為它決定了位移的可靠性估計。圖像配準一般由校正攝像機的運動引起的風或溫度的變化〔該，1989〕和轉移的時間序列的每個圖像為參考圖像的幾何。此操作在四個階段進行，已完全自動化：1．圖像中的不變的時間點檢測：可檢測的多種算法中的不變點，Harris角點檢測算法是因為它是研究使用固定攝像機的計算更高效。它是基于一階圖像衍生物在X–y方向的灰度圖像。圖像中對應于滑坡的地區(qū)被屏蔽的注冊圖像只在假定穩(wěn)定斜坡滑坡。在傅里葉域互相關是在Harris角點進行坐標到達0.1像素匹配的分辨率。2．特征匹配：這一階段包括在完整的圖像的時間序列建立不變的點之間的對應關系。使用相關測量計算假定之間的匹配特征點，并指出在X–Y方向密切相關的配對在一起。3．該映射模型的估計：這一階段包括估計的全局映射模型〔MM〕最適合在時間序列圖像的Harris角點對。即使相機固定在一個極有力穩(wěn)固土壤，極可能存在的剩余運動，和溫度循環(huán)可以改變相機的內部幾何。最適宜的模型，通過比擬不同的變換〔仿射，投影，選擇多項式非反射，反射的相似性〕和相關的擬合優(yōu)度的均方根誤差準那么。在這種情況下，仿射變換〔如平移和旋轉〕產生最低的殘差。4．物體的投影坐標：這一階段包括向前突出的物體坐標〔而不是完整的圖像〕使用最好的映射模型。這種方法防止了在投影由于圖像插值和重采樣誤差，保存了圖像的輻射和減少處理時間。2.3自動特征檢測與跟蹤要檢測在時間序列圖像跟蹤的對象是手動選擇與接口中的一個互動的畫筆工具。手工采摘，對參考圖像進行物體的坐標，并利用特征點檢測和跟蹤方法精制而成〔圖2〕。用于自動檢測技術的性能目標〔物體的大小，形狀，亮度〕在下面的章節(jié)中討論。圖2假設一個興趣點的位置并沒有改變，特別是從一個圖像到另一個〔耶爾馬茲等人。，2006〕，一個靈活的搜索窗的中心是從以前的圖像對象的坐標。窗口的大小是界定，位移〔像素〕的兩個連續(xù)的圖像之間的對象的搜索窗口的一半大小。尺寸越大，更大的概率，可以檢測出物體在搜索窗口也可以混合與其他對象。從最初的搜索窗口〔圖2A〕，背景圖片，然后利用秩階濾波器構造〔圖2b〕中的每個像素與相鄰的像素替換的黑暗。數(shù)學形態(tài)學運算，稱為“侵蝕〞，只保存了原始圖像的大趨勢。一個新的縮略圖，然后通過從原始圖像減去腐蝕圖像創(chuàng)立。輻射延伸應用于產生灰度強度范圍0和255之間〔圖2C〕。這個操作，稱為“開放〞，提高了比照度，允許更好的目標檢測閾值，并補償在照明條件的變化。一個二值圖像用大津法，從而最大限度地減少了灰度方差在兩類假設組成圖像。質心位置〔例如，坐標系中的圖像平面〕被計算為先前創(chuàng)立的二進制圖像的質心〔圖2E〕。最后，坐標，這是相對于當前圖像，通過施加徑向透鏡畸變模型，提出了映射模型的修正。2.4三維攝影測量重建在第一個步驟，圖像處理的每一個獨立的相機。在第三步中，三維物體的位移是從對采用攝影測量原理的圖像或從獨立的DSMS確定。第一，固有參數(shù)〔比例因子，圖像中心，徑向透鏡畸變〕的相機都使用PhotoModeler不同焦距的估計〔自檢校光束〕和Adobe?透鏡剖面Creator軟件。兩個不同的平面棋盤九圖像允許反轉的徑向畸變模型使用布朗，焦距和攝像機的主點。攝像機的外部取向，然后計算〔三個歐拉角為取向，為相機位置的局部坐標系〕的共線方程〔米哈伊爾等人。，2001〕利用地面控制點〔控制點〕在野外調查與DGNSS測量：在u0或v0是在圖像平面的中心點坐標，f是焦距，我是旋轉矩陣。在立體的情況〔或多個〕視圖，三維重建進行立體觀測。在研究現(xiàn)場，從21點計算外部參數(shù)。隨著攝像機的方位信息，然后就可以確定局部坐標〔x，y，z〕由兩對坐標對象〔UA1，1〕和〔UA2，VA2〕通過求解方程的系統(tǒng)〔1〕A1和A2的相機。為一個獨特的案例提出的獲取物體的三維坐標通過投影矩陣。在研究現(xiàn)場，DSMS被用來定義45個控制點和反轉的外部參數(shù)的共線性方程〔方程〔1〕〕。對DSM的每一個點，一個落后的投影來計算其相應的位置，在圖像平面上的圖像的每個像素與三維坐標。3．對超索茲滑坡圖像時間序列中的應用3.1的超索茲滑坡特征超索茲滑坡〔法國南部阿爾卑斯山〕是一個流滑坡開展的Callovo牛津黑色泥灰?guī)r海拔2105米在腳趾的冠和1740米?；虏粩嗷顫娫?.05的平均位移速率為0.20m1但每天幾米的最大速率已被觀察到。從主壁大塊連續(xù)脫離，他們的進步的機械和化學風化的細小顆粒，保持材料在原位黑色泥灰?guī)r連續(xù)下行傳播?；碌幕顒邮怯伤臑橹?，與運動加速度的降雨和融雪事件后續(xù)。下面的幻燈片基巖地形復雜和不同的水文地質分區(qū)單元，流變和運動行為。外表位移反映埋地形為理解復雜的滑動機制提供有用的信息。他們的測量結果可以用來校準的水力機械模型。這也導致了地下復雜地形，稀疏的點的觀察〔利用GNSS或全站儀〕測量，超出了他們的維修費用，無法捕捉整個形變場。遠程滑坡監(jiān)測是平安設備，提供了一個更好的空間觀測的觀點。因此，安裝三個攝像頭在2007和2023獲得全局觀的滑坡。3.2相機的位置和特點三相機〔A1，A2，B〕分別安裝在不同的穩(wěn)定位置。A1和A2的相機，尋找下坡，配對，提供一個近距離立體視滑坡的上部，具有位移率最高。相機是安裝在滑坡前緣穩(wěn)定頂看起來上坡。攝像機的特點總結在表1。A1和A2的相機放在75米外，看了N的組成–人造目標的橫截面〔塑料球〕50米至140米的相機〔圖3a〕是指在視場。A1和A2的相機設置幾何導致基地高度比B/H從1.6到2.1，其中B是兩個攝像頭之間的距離〔基地〕，和H是從目標到基線的距離。照相機是由一個2000定時器控制〔digisnapharbortronics〕；每一天，六張在6:0，8:00，10:00，12:00，14:00，16:00UTC收購。每一張照片都是存儲在一個16GB的SD記憶卡超二RAW格式。超索茲滑坡現(xiàn)場：a〕照片紋理的三維和三攝像頭的位置和角度的滑坡渲染。b〕一個由賓得相機系統(tǒng)k200d典型安裝，一個2000定時器〔digisnapharbortronics〕和電池安裝在一個玻璃房。c〕攝像機A1設置：玻璃纖維外殼和5瓦的太陽能電池板固定在一個金屬桿。室Bisinstalledona混凝土柱上嵴前端并置ofthe滑坡穩(wěn)定〔圖3a〕。房間900并置和崖下300m滑坡?？刂剖沂窃贐模式數(shù)據(jù)記錄器cr10x坎貝爾，whichis40W太陽能面板供電模式。每一天，acquired影業(yè)六是在6點、8點、10點，12點，14點和16點GMT。在完整的B室設置在travelletti等人?！?023年〕。應用到圖像的選擇是從保存最好的照片每一天。一個典型的灰度圖像A1，A2和Bare如圖4。圖4說明：從圖像的圖像acquired室A1，A2和B〕B〕C〕。3.3的目標的特點TDT算法可以跟蹤不同類型的具有不同顏色的物體，形狀和大小。四種類型的位于50至400米的距離從相機的目標是用于兩階段的性能測試的方法。目標的第一類型是一組十三個白色泡沫球〔直徑10厘米〕，放置在頂部的金屬棒打入土壤〔圖5A〕。金屬桿伸出地面30厘米，放置每0.5，1和2米沿N–形〔圖3D〕。這種類型的對象被選中是因為它特別容易跟蹤。球形形狀允許一個非模糊的中心被定義無論視角。白顏色的圖像很少，從而保證了比擬好的比照土壤外表。球體的大小對應于5有效像素的直徑為25像素，最小的質心坐標計算中的錯誤。目標是位于47米和88米，從相機A1和77米和140米之間從相機A2。圖5跟蹤目標的例子：聚苯乙烯球〕，DGPS天線B〕，C〕和金屬板的目標自然明亮的塊D〕目標二型是細長和扁平的橢球作為GNSS天線和位于下部的檔案〔圖5B〕。天線是白色的，被以同樣的方式作為發(fā)泡膠球。這一目標被選中是因為天線的毫米波定位可每日，可用于評估的TDT算法的性能。對象是位于88.4米和139.7米從相機攝像機A1A2。有效像素大小分別為20.9毫米和28.1毫米，，和目標措施14.2像素和10.8像素攝像頭的A1和A2的圖像，分別。這些性能與那些最遙遠的聚苯乙烯球〔#13〕。目標第三式是由人為的一平方米的金屬板，涂有黃色和紅色的象限〔圖5C〕。這些目標并不總是可見的圖像的灰度強度。因此，自動圖像跟蹤算法對我，這是從RGB圖像的顏色帶計算，應用。像我計算公式為：I=R／〔R+G+B〕，其中R，G和B是紅色，綠色和藍色條帶，分別。它是紅色的每像素的亮度的比例，使目標與背景的比照度足夠。目標第四型由坡面上觀察到的自然塊〔圖5D〕。相反的人造物體，大小和形狀可以有所不同，這些天然的目標是未知的。他們是313米和468米之間的相機，和他們的尺寸范圍在1和2米。4.結論在本文中，我們提出了一個目標的檢測與跟蹤〔TDT〕方法是基于簡單的二進制圖像處理作為圖像相關配套技術。代碼開發(fā)工具Matlab和基于開源，如圖像相關，允許在一個圖像的時間序列的自然的或人為的目標跟蹤。方法之間的區(qū)別是TDT方法的目的是在圖像跟蹤目標輻射突出，而圖像相關技術常用于軌道上的空間規(guī)那么網格的隨機輻射點。雖然它不允許的空間分布的位移測量，該方法允許在大位移的地區(qū)，土壤的改造和輻射和紋理的變化影響的自然或人造的物體跟蹤。對象可以通過旋轉和尺度變化的影響，并跟蹤過程仍然是有效的如果物體的輻射特性都不同于周圍的地面。所提出的該代碼的使用三序列從超索茲滑坡獲得評估〔法國南部阿爾卑斯山〕。通過