1、隨著無人機越來越廣泛的應(yīng)用，無論是軍事領(lǐng)域還是民用領(lǐng)域都對無人機圖像中的目標檢測和變化檢測提出了迫切的需求。雖然目標檢測和變化檢測一直以來都是一個研究熱點問題，然而由于目標本身和地物背景的復(fù)雜性，高效魯棒的目標檢測和變化檢測依然是一個富有挑戰(zhàn)性的問題。
　　本文分別從無人機圖像中的典型目標檢測和變化檢測兩個方面展開研究，主要內(nèi)容如下：
　?。?）針對無人機圖像的車輛檢測問題，提出了一種基于梯度方向直方圖（Hist-ogram

2、s of Oriented Gradients，HOG）特征和在線級聯(lián)Boosting的檢測算法。首先根據(jù)檢測窗口中梯度主方向估計車輛朝向，然后旋轉(zhuǎn)檢測窗口提取HOG特征再進行分類器判別，避免了訓(xùn)練時標注車輛朝向以及檢測時在同一位置進行多次分類器判別。然后提出了基于積分圖像和基于圓形濾波器的兩種旋轉(zhuǎn)窗口HOG特征快速提取算法，使得在旋轉(zhuǎn)窗口中提取HOG特征的效率大大提高。最后通過結(jié)合在線Boosting和柔性級聯(lián)分類器提出了一種在線級聯(lián)

3、Boosting分類器，提高了車輛檢測效率，并通過使用性能更好的基于Fisher判別和Bayes判別的弱分類器，顯著提升了車輛檢測的性能。
　?。?）傳統(tǒng)基于徑向梯度變換和環(huán)形區(qū)域梯度累積構(gòu)建的旋轉(zhuǎn)不變特征存在計算效率不高的問題，特別是當進行目標檢測需要在整幅圖像上密集計算這種特征的時候，計算效率的問題顯得尤為突出。針對這個問題，提出了一種基于高斯濾波加速的旋轉(zhuǎn)不變HOG特征。首先采用了基于查找表和極坐標的快速徑向梯度變換方法，其

4、次采用了基于高斯濾波器的環(huán)形區(qū)域的梯度累積策略，實現(xiàn)了密集旋轉(zhuǎn)不變特征的快速計算。進行的飛機檢測實驗結(jié)果表明，提出的旋轉(zhuǎn)不變特征與改進前的特征相比，目標檢測性能基本不變，但特征提取效率大幅提高。
　?。?）針對傳統(tǒng)基于極坐標傅里葉分析的旋轉(zhuǎn)不變 HOG特征存在計算效率不高且特征維度過大的問題，提出了一種改進的快速旋轉(zhuǎn)不變HOG特征。首先將特征計算過程中包含的大量卷積運算通過快速傅里葉變換轉(zhuǎn)換成頻域的點乘，提高了特征計算速度。然后使

5、用一種基于支持向量機的后向搜索特征選擇算法將原始特征降維，減少特征維度的同時也進一步降低了特征的計算耗時。進行的車輛檢測實驗結(jié)果表明，改進的旋轉(zhuǎn)不變特征不僅計算速度更快占用內(nèi)存更少，而且目標檢測性能更好。
　?。?）針對無人機圖像中的變化檢測問題，提出了一種基于非剛性配準和圖割的變化檢測方法。首先，在基于SURF特征和單應(yīng)變換的圖像粗配準基礎(chǔ)上，采用基于 B樣條的非剛性配準方法完成圖像精配準，顯著減少了局部配準誤差對變化檢測的干擾