




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、XX大學(xué)2011屆本科生畢業(yè)論文(設(shè)計)緒論1.1課題研究背景及意義運(yùn)動目標(biāo)檢測是圖像處理與計算機(jī)視覺的一個分支,在理論和實踐上都有重大意義,長久以來一直被國內(nèi)外學(xué)者所關(guān)注。在實際中,視頻監(jiān)控利用攝像機(jī)對某一特定區(qū)域進(jìn)行監(jiān)視,是一個細(xì)致和連續(xù)的過程,它可以由人來完成,但是人執(zhí)行這種長期枯燥的例行監(jiān)測是不可靠,而且費(fèi)用也很高,因此引入運(yùn)動監(jiān)測非常有必要1。它可以減輕人的負(fù)擔(dān),并且提高了可靠性。概括起來運(yùn)動監(jiān)測主要包括三個內(nèi)容2:運(yùn)動目標(biāo)檢測,方向判斷和圖像跟蹤。運(yùn)動目標(biāo)檢測是整個監(jiān)測過程的基礎(chǔ),運(yùn)動目標(biāo)的提取準(zhǔn)確與否,直接關(guān)系到后續(xù)高級過程的完成質(zhì)量。1.2國內(nèi)外研究現(xiàn)狀運(yùn)動目標(biāo)檢測在國外已經(jīng)取
2、得了一些的研究成果3,許多相關(guān)技術(shù)已經(jīng)開始應(yīng)用到實際系統(tǒng)中,但是國內(nèi)研究相對落后,與國外還有較大差距。傳統(tǒng)的視頻目標(biāo)提取大致可以分兩類,一類以空間同性為準(zhǔn)則,先用形態(tài)學(xué)濾波器或其他濾波器對圖像作預(yù)處理;然后對該圖像的亮度、色度或其他信息作空間上的分割以對區(qū)域作邊緣檢測;之后作運(yùn)動估計,并合并相似的運(yùn)動區(qū)域以得到最終的提取結(jié)果。如光流算法、主動輪廓模型算法。此類方法結(jié)果較為準(zhǔn)確但是運(yùn)算量相對較大。另一類算法主要以時間變化檢測作為準(zhǔn)則,這類算法主要通過幀差檢測圖像上的變化區(qū)域和不變區(qū)域,將運(yùn)動物體與靜止背景進(jìn)行分割。此類方法運(yùn)算量小,提取結(jié)果不如前類方法準(zhǔn)確。此外,還有時空結(jié)合方法、時空亮度梯度信
3、息結(jié)合的方法等等4。本文將圍繞以時間變化監(jiān)測為基礎(chǔ)的方法展開分析和討論。1.3本文結(jié)構(gòu)第1章介紹了本文的研究意義及國內(nèi)外發(fā)展?fàn)顩r;第2章分為四個部分詳細(xì)講述了運(yùn)動目標(biāo)檢測的方法,介紹了背景提取與更新算法,檢測算法,閾值選取,形態(tài)學(xué)濾波等;第三章對全文作出了總結(jié)。1XX大學(xué)2011屆本科生畢業(yè)論文(設(shè)計)運(yùn)動目標(biāo)檢測的一般過程2.1背景提取與更新算法在進(jìn)行運(yùn)動目標(biāo)檢測時,一個很重要的步驟就是區(qū)分出運(yùn)動目標(biāo)和背景X圍,常見的一種情況是攝像機(jī)處于靜止?fàn)顟B(tài)并且焦距也是固定的。此時,圖像中的背景區(qū)域固定不動。在這種情況下,運(yùn)動目標(biāo)識別無論是使用背景差法,還是使用背景差法結(jié)合幀間差法,質(zhì)量良好的背景的建立
4、顯得及其重要。另外,當(dāng)涉及到背景的使用時,一旦背景發(fā)生一些變化時,如背景中頻繁地出現(xiàn)運(yùn)動物體,或者光照發(fā)生變化、樹葉等小物體的晃動等等,使得不能準(zhǔn)確地提取背景作為參考圖像,從而不能正確地分割出視頻序列中的運(yùn)動物體。為了克服上述問題,國內(nèi)外眾多研究人員提出了背景建立和自適應(yīng)的背景模型,實現(xiàn)了背景模型的實時更新,能夠比較準(zhǔn)確地識別出運(yùn)動目標(biāo)。在能夠滿足實時性和實用性要求的前提下,討論并研究下列幾種算法5。2.1.1手動背景法手動背景法需要人觀察到?jīng)]有前景物體時啟動該幀圖像,作為背景圖像。這種背景提取方法增加了人力和物力的需求,而且在很多情況下很難在沒有前景的情況下獲得背景圖像,比如高速公路的車輛監(jiān)
5、測系統(tǒng)、小區(qū)的門禁系統(tǒng)等等。這種方法不能實現(xiàn)自適應(yīng)背景更新的功能,需要使用其他方法修正由于光線,亮度等的變化帶來的背景誤差。2.1.2統(tǒng)計中值法考慮到運(yùn)動物體較少的情況下,連續(xù)多幀圖像中背景的像素值占主要部分,這樣在一段時間內(nèi)變化緩慢,取中值便可以認(rèn)為是背景圖像。統(tǒng)計中值算法從統(tǒng)計學(xué)的角度統(tǒng)計單個像素點(diǎn)Ai(x,y),(i=1,2,N)在連續(xù)幀圖像中的亮度值Bi。在一段時間內(nèi)對視頻序列圖像的亮度值(或者色彩信息)Bi進(jìn)行排序,然后取中值Mi(x,y)作為背景。該算法存在的問題在于:圖像幀的像素點(diǎn)大多以數(shù)萬,數(shù)十萬的數(shù)量級出現(xiàn),而用于取中值的圖像幀數(shù)量N也應(yīng)該比較大。對如此大的數(shù)組進(jìn)行排序取出中
6、值,實現(xiàn)時計算量較大,處理較慢。同時需要占用大量的內(nèi)存單元用于存儲數(shù)據(jù)。2.1.3算術(shù)平均法采用算術(shù)平均法提取背景圖像,可以總結(jié)為在特定的時間段內(nèi)對像素點(diǎn)的亮度和色彩信息取平均值,用均值作為背景圖像對應(yīng)像素點(diǎn)數(shù)值。在讀入一段視頻時,對某一像素點(diǎn)進(jìn)行觀察,會發(fā)現(xiàn)在沒有前景的運(yùn)動目標(biāo)通過時,該點(diǎn)的灰度值保持穩(wěn)定,變化很小,只有當(dāng)前景的運(yùn)動目標(biāo)通過時,該點(diǎn)的灰度才會發(fā)生劇烈的變化。這樣就可以連續(xù)讀入N幀圖像,對圖像各點(diǎn)的灰度或色彩信息進(jìn)行統(tǒng)計的方法,使得變化劇烈的像素點(diǎn)變得平緩,取其平均值作為背景圖像像素點(diǎn)的值。這樣也可以濾除背景圖像中的突變噪聲點(diǎn)。其統(tǒng)計公式如下:2XX大學(xué)2011屆本科生畢業(yè)論文
7、(設(shè)計)1NB(x,y)Ii(x,y)(2-1)Ni1公式中式中:B(x,y)表示背景圖像,Ii(x,y)表示第i幀序列圖像,N表示平均幀數(shù)。在實際場景中,一段時間內(nèi),同一區(qū)域很少有可能總是存在運(yùn)動物體。而通過平均法得到的背景就會消除亮暗分布不均勻的情況。選取N=120,MATLAB仿真,從序列圖像的第1、60、120幀可以看出,在第1幀至第120幀時都存在運(yùn)動目標(biāo),如2-1圖。經(jīng)過對連續(xù)120幀計算算術(shù)平均值,得到了基本不包含運(yùn)動目標(biāo)的背景圖像,如2-2圖。(a)第1幀圖像(b)第60幀圖像(c)第120幀圖像圖2-1各幀圖像圖2-2算術(shù)法提取的背景圖像由上述仿真實驗證明,算術(shù)平均法的特點(diǎn)是
8、模型簡單,計算方便,可以較好的得到背景圖像。但是在仿真過程中,也發(fā)現(xiàn)了該方法的一些問題。其中最明顯的是,該算法得到背景圖像需要獲取的圖像幀較大。受運(yùn)動物體數(shù)量的影響,隨著平均幀數(shù)的增加,得到的背景圖像的質(zhì)量越好。由于是求取序列圖像的算術(shù)平均值,如果N值太小,背景圖像中的運(yùn)動物體不容易被濾除,很容易在背景圖像中留下“影子”。而且在運(yùn)動物體很多,軌跡很固定的情況下,也需要加大N的數(shù)值,以使得平均值更加接近與真實的背景圖像。在這種情況下,背景的建立就需要較長的時間。本算法也有一定自適應(yīng)更新功能。隨著時間的推移,在背景提取后獲取的圖像幀也可以作為新的信息量,與背景圖像進(jìn)行統(tǒng)計平均或加權(quán)平均,實現(xiàn)背景的
9、自適應(yīng)更新。因此這種方法也使用于實時背景更新算法。3XX大學(xué)2011屆本科生畢業(yè)論文(設(shè)計)2.1.4Surendra算法Surendra背景更新算法67能夠自適應(yīng)地獲取背景圖像,該算法提取背景的思想是對差值圖像的亮度值進(jìn)行判斷,如亮度大于閾值,背景圖像對應(yīng)位置的像素點(diǎn)保持不變,否則利用當(dāng)前幀對背景圖像進(jìn)行替換更新。其算法可以分成以下幾個步驟:(1)將第1幀圖像I1作為背景B1。(2)選取閾值T,迭代次數(shù)m=1,最大迭代次數(shù)MAXSTEP。(3)求當(dāng)前幀的幀差分圖像1|IiIi-1|TDi=(2-2)0|IiIi-1|T(4)由二值圖像Di更新背景圖像Bi,Bi-1(x,y)Di=1Bi=(2
10、-3)Ii(x,y)+(1-)Ii-1(x,y)Di=0式中Bi(x,y),Di(x,y)為背景圖像和差分二值圖像在(x,y)的灰度值,Ii(x,y)為輸入的第i幀圖像,為更新速度。(5)迭代次數(shù)m=m+1,進(jìn)行第(3)步的運(yùn)算。當(dāng)?shù)螖?shù)m=MAXSTEP時結(jié)束迭代,此時Bi(x,y)可當(dāng)作背景圖像。選取MAXSTEP=80,=0.1,選取固定閾值T=20。在MATLAB中進(jìn)行仿真第30幀背景(灰度)第30幀圖像第80幀背景(灰度)第80幀圖像4XX大學(xué)2011屆本科生畢業(yè)論文(設(shè)計)圖2-3Surendra算法提取的背景圖像在仿真研究中發(fā)現(xiàn),MAXSTEP很大程度地決定了背景建立時的速度,
11、則決定背景更新的速度。這種背景建模和更新的方法,能夠很好地解決物體長時間停留對背景的影響,因為背景的更新會將它逐步地作為背景像素點(diǎn)更新到背景中。但是由于它的基本處理方式是幀間差分,使得它不能將色彩、亮度相似的,大面積的運(yùn)動物體完整的檢測出來。這種情況下,運(yùn)動物體的某些部分將作為背景區(qū)域更新到背景中。2.1.5其他算法國內(nèi)外已有的背景提取與更新算法遠(yuǎn)不止上述幾種,如混合高斯模型,分塊統(tǒng)計算法等也是目前比較常見的算法,其主體思想與算術(shù)平均法類似,只是在做法上有區(qū)別。由于絕大多數(shù)算法都是基于PC機(jī)的實現(xiàn),很少將算法的實時性作為參考要素。2.2動目標(biāo)檢測算法研究在實際的安防與監(jiān)控應(yīng)用中,大多考慮攝像頭
12、固定的情況。因此本文在研究運(yùn)動目標(biāo)檢測算法時,也做如下假設(shè):攝像頭固定,只對視場內(nèi)的目標(biāo)進(jìn)行檢測,離開視場后再次進(jìn)入的物體被視為新目標(biāo)。目前,大多數(shù)的運(yùn)動目標(biāo)檢測的方法或是基于圖像序列中時間信息的,或是基于圖像序列中空間信息的。常見的方法有如下3種8:(1)光流法當(dāng)目標(biāo)運(yùn)動時,圖像上對應(yīng)目標(biāo)的亮度信息(光流)也相應(yīng)的運(yùn)動。這樣,根據(jù)時間上相鄰的幾幀圖像可以計算出各像素點(diǎn)運(yùn)動的大小和方向,從而利用運(yùn)動場來區(qū)分背景和運(yùn)動目標(biāo)。其主要優(yōu)點(diǎn)在于能檢測出獨(dú)立的運(yùn)動目標(biāo),而不需預(yù)知場景的任何信息,對變化的復(fù)雜背景情況有較好的適應(yīng)。但其缺點(diǎn)也很明顯,由于要依賴光流估計的準(zhǔn)確程度,大多數(shù)計算方法相當(dāng)復(fù)雜并且計
13、算量特別大,所以除非有特殊的硬件支持,否則很難實現(xiàn)實時檢測。(2)背景減法將實時視頻流中的圖像像素點(diǎn)灰度值與事先已存儲或?qū)崟r得到的視頻背景模型中的相應(yīng)值比較,不符合要求的像素點(diǎn)被認(rèn)為是運(yùn)動像素。這是視頻監(jiān)控中最常用的運(yùn)動檢測方法。這種方法雖然能較完整的提取運(yùn)動目標(biāo),但對光照和外部條件造成的環(huán)境變化過于敏感,常常會將運(yùn)動目標(biāo)的陰影錯誤的檢測為其自身的一部分。同時由于時間流逝,實際場景的多種因素都會發(fā)生變化,比如停留物的出現(xiàn)、光線等的變化、運(yùn)動目標(biāo)對背景的遮擋等等,背景需要得到實時地更新,這是影響其檢測效果的一個重要因素。(3)幀間差法幀間差法是根據(jù)當(dāng)前圖像與參考圖像的差別來獲得運(yùn)動目標(biāo)輪廓的方法
14、。這種方法對于場景中的光線漸變不敏感,適于動態(tài)變化的環(huán)境,且運(yùn)算量相對較小。但一般不能完整的提取運(yùn)動目標(biāo),且在運(yùn)動實體內(nèi)易產(chǎn)生空洞現(xiàn)象,從而不利于下一步的分析和處理。5XX大學(xué)2011屆本科生畢業(yè)論文(設(shè)計)針對前面3種常見算法,只進(jìn)行幀間差分法和背景差分法的研究于仿真。光流法由于很難達(dá)到實時性要求,因此不做研究。2.2.1幀間差法運(yùn)動目標(biāo)檢測基于幀間差分的運(yùn)動檢測即幀差法,它根據(jù)相鄰幀或隔幀圖像間亮度變化的大小來檢測運(yùn)動目標(biāo),幀間差分公式如下:Di(x,y)=Ii(x,y)Ii-1(x,y)(2-4)Ii(x,y),Ii-1(x,y)為前后兩幀圖像,幀差分運(yùn)動檢測只針對前景區(qū)域進(jìn)行,運(yùn)動檢測
15、公式如下,其中T為門限值。1,DiTMi(x,y)=(2-5)0,DiT選取T=20,仿真結(jié)果如下圖:第19幀圖像第20幀圖像差分后二值化圖像第79幀圖像第80幀圖像差分后二值化圖像第139幀圖像第140幀圖像差分后二值化圖像圖2-4幀間差分實驗由上面的仿真實驗可以得出:運(yùn)用幀間差分方法進(jìn)行運(yùn)動目標(biāo)的檢測,可以有效的檢測出運(yùn)動物體。右子圖中,可以比較清晰地得到運(yùn)動物體的輪廓。但是,這種算法雖然可以使背景像素不隨時間積累,迅速更新,因此這種算法有比較強(qiáng)的適應(yīng)場景變化能力。但是幀差法表示的是相鄰兩幀同位置的變化量,因此很有可能將比較大的運(yùn)動目標(biāo),或者運(yùn)6XX大學(xué)2011屆本科生畢業(yè)論文(設(shè)計)動目
16、標(biāo)內(nèi)部顏色差異不大的像素判斷錯誤,在實體內(nèi)部產(chǎn)生拉伸、空洞現(xiàn)象8。而且當(dāng)前景運(yùn)動很慢且時間間隔選擇不合適時,容易出現(xiàn)根本檢測不到物體的情況。在差分圖像中,有很多“雪花”般的噪聲,這些是由于圖像局部的干擾造成的。本文隨后的章節(jié)將對如何消除這些噪聲進(jìn)行討論。使用幀間差分法,需要考慮如何選擇合理的時間間隔,這一般取決于運(yùn)動目標(biāo)的速度。對于快速運(yùn)動的目標(biāo),需要選擇較短的時間間隔,如果選擇不當(dāng),最壞情況下目標(biāo)在前后兩幀中沒有重疊,被檢測為兩個分開的目標(biāo);對于慢速運(yùn)動的目標(biāo),應(yīng)該選擇較長的時間間隔,如果選擇不當(dāng),最壞情況下目標(biāo)在前后兩幀中幾乎完全重疊,根本檢測不到目標(biāo)。此外,在場景中由于多個運(yùn)動目標(biāo)的速度
17、不一致也給時間間隔的選取帶來很大麻煩。2.2.2背景減法運(yùn)動目標(biāo)檢測背景差分算法的實質(zhì)是:實時輸入的場景圖像與背景圖像進(jìn)行差分,可以較準(zhǔn)確的分割出運(yùn)動目標(biāo)。但是背景差分算法也有其天然的缺陷,隨著時間的推移,場景的光線、樹葉的遮擋、或者運(yùn)動物體滯留都會很大程度的破壞已經(jīng)建立好的背景圖像。為了解決這些問題,最好的方法便是使用背景建模和背景更新算法來彌補(bǔ)。前面已經(jīng)討論過相關(guān)問題,因此,本文假設(shè)背景處于理想情況下進(jìn)行背景差分算法的研究。設(shè)(x,y)是二維數(shù)字圖像的平面坐標(biāo),基于背景減法的二值化數(shù)學(xué)描述為:Di(x,y)=|Ii(x,y)Bi(x,y)|(2-6)1,DiTMi(x,y)(2-7)0,D
18、iTIi(x,y)表示圖像序列中當(dāng)前幀的灰度圖像,Bi(x,y)表示當(dāng)前幀背景的灰度圖像,Mi(x,y)表示相減后的二值化結(jié)果,T表示對應(yīng)的相減后灰度圖像的閾值,選取固定閾值T=20,基于背景減法的MATLAB仿真,如圖第25幀圖像第25幀背景差分后二值化圖像第85幀圖像第85幀背景差分后二值化圖像7XX大學(xué)2011屆本科生畢業(yè)論文(設(shè)計)第145幀圖像第145幀背景差分后二值化圖像圖2-5背景差分實驗Surendra算法計算出背景圖像,左圖為原始輸入圖像,中圖為背景圖像,右圖為背景差分法得出的二值化圖像。實驗結(jié)果表明:背景差分算法也可以有效地檢測出運(yùn)動目標(biāo)。由于背景建模算法的引入,使得背景對
19、噪聲有一定的抑制作用,在差分圖像中“雪花”較幀間差分算法有所減少。同時,使用背景差分算法檢測出的運(yùn)動物體輪廓,比幀間差分法的檢測結(jié)果更清晰。因此,在背景建模與背景更新處于比較理想的狀態(tài)下,背景差分算法得到的差分結(jié)果略好于幀間差分的結(jié)果。2.3閾值的選取Surendra算法提取背景及目標(biāo)提取都需對圖像二值化。分割閾值的選取雖看似簡單,但直接影響目標(biāo)的分割效果,閾值T增大,雖然可以一定量的減少環(huán)境對效果的影響,但同時也會將差分結(jié)果中變化不明顯的區(qū)域作為前景被忽略掉;閾值T減小,效果卻又恰恰相反。前面提到的相關(guān)算法中,閾值的選取都是采用的靜態(tài)固定閾值。這種閾值的選取方法在實際運(yùn)用中是不可取的,因為在
20、視頻監(jiān)控應(yīng)用中,監(jiān)控者不可能隨時對監(jiān)控質(zhì)量做出評估并相應(yīng)的修改閾值。所以,研究人員提出了許多閾值的選取方法。但是到目前為止還不存在一種通用的方法,也不存在一個判斷分割是否成功的客觀標(biāo)準(zhǔn)。閾值法可以分為全局閾值法和局部閾值法兩種9。全局閾值法是指在在整幅圖像X圍內(nèi)用同一閾值來進(jìn)行二值化處理的方法;局部閾值法是當(dāng)圖像中的敏感度不均勻,以慢斜率變化時,將圖像分割成幾個子塊。如果在每個子塊中可以找到最佳閾值,就稱這樣的的閾值確定方法為局部閾值法。本文選用循環(huán)分割法來自適應(yīng)地得到在二值化一幅圖像時所需要的全局閾值T?;静襟E如下:(1)選擇一個T的初始估計值(2)用T分割圖像。這樣做會生成兩組像素:G1
21、由所有灰度值大于T的像素組成,而G2由所有灰度值小于或等于T的像素組成。(3)對區(qū)域G1和G2中的所有像素計算平均灰度值1和2。(4)按下式計算新的閾值。T=1/2(2+1)(5)重復(fù)步驟(2)到(4),直到逐次迭代所得到的T值之差小于預(yù)先定義的參數(shù)。當(dāng)背景和對象在圖像中占據(jù)的面積相近時,好的T的初始值就是圖像的平均灰度值。8XX大學(xué)2011屆本科生畢業(yè)論文(設(shè)計)如果對象與背景所占的面積不相近時,則其中一個像素組合會在直方圖中占主要地位,平均灰度值就不是好的初始選擇。此時,T更合適的初值是諸如灰度值的中間值一類的初值。對車輛檢測進(jìn)行仿真時,由于車輛與背景面積相差較大,選用的初值就是最大灰度和
22、最小灰度和的一半。進(jìn)行閾值計算時還應(yīng)注意迭代速度和精度的矛盾。102.4形態(tài)學(xué)濾波由于刮風(fēng)、氣流等原因,背景中部分物體小幅度晃動;光線的變化等不確定因素,會使得視頻圖像產(chǎn)生大量噪聲,當(dāng)差值圖像二值化后,仍然有很多無用的噪聲斑點(diǎn),可參見2-6、圖2-7。因此,需要采用數(shù)學(xué)形態(tài)學(xué)方法,對分割后的二值圖像進(jìn)行形態(tài)學(xué)濾波。數(shù)學(xué)形態(tài)學(xué)的主要用途是獲取物體拓?fù)浜徒Y(jié)構(gòu)信息。它通過物體和機(jī)構(gòu)元素相互作用的某些運(yùn)算,得到物體更本質(zhì)的形態(tài)。其基本思想是:利用一個成為結(jié)構(gòu)元素的“探針”收集圖像信息。這種基于探測的思想與人的視覺特點(diǎn)有類似之處:總是關(guān)注一些感興趣的物體或者結(jié)構(gòu),并有意識地尋找圖像中的這些結(jié)構(gòu)。數(shù)字形態(tài)
23、學(xué)在本文所涉及到的圖像處理中,主要作用包括利用形態(tài)學(xué)的基本運(yùn)算,對圖像進(jìn)行觀察和處理,從而達(dá)到改善圖像質(zhì)量的目的。形態(tài)學(xué)的基本運(yùn)算包括:腐蝕(Erosion)、膨脹(Dilation)、開(Opening)和閉(Closing)運(yùn)算。用這些算子及其組合來進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理,包括圖像分割、特征提取、邊界檢測、圖像濾波、圖像增強(qiáng)與恢復(fù)等方面的工作。形態(tài)學(xué)一般以二值圖像為處理對象,但也可以用在某些灰度圖像的應(yīng)用中。(1)結(jié)構(gòu)元素結(jié)構(gòu)元素被形象的稱為刷子或探針,是膨脹和腐蝕操作中最基本的組成部分。它用于測試輸入圖像,通常比待處理圖像小得多。本文使用33的結(jié)構(gòu)元素,經(jīng)開運(yùn)算處理后,可提取出移
24、動物體。二維結(jié)構(gòu)元素由一個數(shù)值為0或1矩陣組成。結(jié)構(gòu)元素的原點(diǎn)指定了圖像中需要處理的像素X圍,結(jié)構(gòu)元素數(shù)值為1的點(diǎn)決定結(jié)構(gòu)元素的領(lǐng)域像素在腐蝕或膨脹操作是需要參與計算。(2)腐蝕和膨脹腐蝕和膨脹是許多形態(tài)學(xué)算法的基礎(chǔ)。腐蝕操作會去掉物體的邊緣點(diǎn),細(xì)小物體所有的點(diǎn)都會被認(rèn)為是邊緣點(diǎn),因此會整個被刪去。再做膨脹時,留下來的大物體會變回原來的大小,而被刪除的小物體則永遠(yuǎn)消失了。膨脹操作會使物體的邊界向外擴(kuò)X,如果物體內(nèi)部存在小空洞的話,經(jīng)過膨脹操作這些洞將被補(bǔ)上,因而不再是邊界了。再進(jìn)行腐蝕操作時,外部邊界將變回原來的樣子,而這些內(nèi)部空洞則永遠(yuǎn)消失了。通常設(shè)為圖像矩陣,為結(jié)構(gòu)元素矩陣,數(shù)學(xué)形態(tài)學(xué)運(yùn)算
25、時,用對進(jìn)行操作。實際上,結(jié)構(gòu)元素本身也是一個圖像矩陣。這里對每個結(jié)構(gòu)元素矩陣B指定一個原點(diǎn)origin。被B腐蝕的定義為11:XBz|BzA(2-9)9XX大學(xué)2011屆本科生畢業(yè)論文(設(shè)計)這個公式說明,使用B對X進(jìn)行腐蝕是所有B中包含于A中的點(diǎn)的集合用x移。2-6顯示了實際上的腐蝕運(yùn)算,左邊是被處理的圖象X(二值圖象,針對的是黑點(diǎn)),中間是結(jié)構(gòu)元素B,那個標(biāo)有origin的點(diǎn)是中心點(diǎn),即當(dāng)前處理元素的位置,右邊是腐蝕后的結(jié)果。可以看出,它仍在原來X的X圍內(nèi),且比X包含的點(diǎn)要少,就象X被腐蝕掉了一層12。圖2-6腐蝕運(yùn)算X被B膨脹的定義為10:(2-10)XBz|BAz這個公式表示用B膨脹
26、X的過程是,相對B做關(guān)于中心像素的映射,在將其映射平移x,這里X與B映像的交集不為空集。圖2-7顯示了實際上的腐蝕運(yùn)算,左邊是被處理的圖象X(二值圖象,針對的是黑點(diǎn)),中間是結(jié)構(gòu)元素B,右邊是膨脹后的結(jié)果??梢钥闯?,它包括X的所有X圍,就象X膨脹了一圈似的12。圖2-7膨脹運(yùn)算10XX大學(xué)2011屆本科生畢業(yè)論文(設(shè)計)對圖2-5中各差分后的二值圖像先進(jìn)行腐蝕再進(jìn)行膨脹,所得效果如圖2-8所示。第25幀差分后二值化圖像腐蝕膨脹第85幀差分后二值化圖像腐蝕膨脹第145幀差分后二值化圖像腐蝕膨脹圖2-8對各幀的腐蝕和膨脹(3)開啟和閉合開啟就是相對圖像進(jìn)行腐蝕,然后膨脹其結(jié)果。閉合就是先對圖像進(jìn)行
27、膨脹,然后腐蝕其結(jié)果。開啟一般使對象的輪廓變得光滑,斷開狹窄的間斷和消除細(xì)的突出物。閉合同樣使輪廓線變得光滑,但是開啟相反的是,它通常消除狹窄的間斷和長細(xì)的鴻溝,消除小的孔洞,并填補(bǔ)輪廓線中的斷裂開啟。使用結(jié)構(gòu)元素B對集合X進(jìn)行開啟操作,表示為XB,定義為11:XBABB(2-11)使用結(jié)構(gòu)元素B對集合X進(jìn)行閉合操作,表示為XB,定義為11:XBABB(2-12)11XX大學(xué)2011屆本科生畢業(yè)論文(設(shè)計)實驗結(jié)果及分析本文著重研究了利用背景減法進(jìn)行目標(biāo)檢測在Matlab中的實現(xiàn)方法。利用Matlab圖像處理功能來實現(xiàn)經(jīng)典的圖像處理方法,簡化了算法,達(dá)到了檢測目標(biāo)的預(yù)期效果,為后面的目標(biāo)跟蹤、
28、目標(biāo)分類等奠定了基礎(chǔ)。本文經(jīng)過如圖2-9所示的流程能夠達(dá)到如圖2-10所示的效果:圖2-9檢測過程第25幀第85幀第145幀圖2-10檢測效果實踐證明該方法具有很高的準(zhǔn)確度。12XX大學(xué)2011屆本科生畢業(yè)論文(設(shè)計)參考文獻(xiàn)馬頌德,X正友計算機(jī)視覺計算理論與算法基礎(chǔ)科學(xué),1999:124166EdChang,AVidehZakhor.ScalableVideo.IEEETrans.OnCirouitsandSystemsforVideoTechnology,Vol.7,NO.5,pp.256-289,October19973X貴喜,邵明禮真實場景下視頻運(yùn)動目標(biāo)自動提取方法光學(xué)學(xué)報第26卷,第
29、8期4毛燕芬,施鵬飛基于對象的視頻圖像分割技術(shù)中國圖象圖形學(xué)報,2003,8A(7):726731賀貴明,吳元?;趦?nèi)容的視頻編碼與傳輸控制技術(shù),XX大學(xué),2005:4050彭小波,邢曉正,胡紅專Matlab與VC+混合編程在光斑位置測量中的應(yīng)用儀器儀表學(xué)報,2003,28(4):2222237徐方明,盧官明基于改進(jìn)surendra背景更新算法的運(yùn)動目標(biāo)檢測算法XX電子技術(shù)2009年5期(日本)谷口慶治編,朱虹等譯數(shù)字圖像處理(應(yīng)用篇),科學(xué):2922979黃磊,于曼曼基于背景差分的運(yùn)動目標(biāo)檢測研究軟件導(dǎo)刊第8卷,第6期2009年6月(日本)谷口慶治編,朱虹等譯,數(shù)字圖像處理(基礎(chǔ)篇),科學(xué):
30、8081王世香精通MATLAB接口與編程M電子工業(yè),2007章霄,董艷雪,趙文娟。數(shù)字圖像處理技術(shù),冶金工業(yè):219225:/wenku.baidu/view/df0e1b29647d27284b735181.html13XX大學(xué)2011屆本科生畢業(yè)論文(設(shè)計)致謝在此論文撰寫過程中,要特別感謝我的導(dǎo)師許建忠的指導(dǎo)與督促,同時感謝他的諒解與包容。沒有許老師的幫助也就沒有今天的這篇論文。求學(xué)歷程是艱苦的,但又是快樂的。感謝我的輔導(dǎo)員從風(fēng)老師,謝謝他在這四年中為我們?nèi)嗨龅囊磺?,他不求回報,無私奉獻(xiàn)的精神很讓我感動,再次向他表示由衷的感謝。在這四年的學(xué)期中結(jié)識的各位生活和學(xué)習(xí)上的摯友讓我得到了人
31、生最大的一筆財富。在此,也對他們表示衷心感謝。謝謝我的父母,沒有他們辛勤的付出也就沒有我的今天,在這一刻,將最崇高的敬意獻(xiàn)給你們!本文參考了大量的文獻(xiàn)資料,在此,向各學(xué)術(shù)界的前輩們致敬!14XX大學(xué)2011屆本科生畢業(yè)論文(設(shè)計)附錄運(yùn)動目標(biāo)檢測matlab程序:clearclcnStar=1;nNUM=164;Background=double(rgb2gray(imread(car(,int2str(nStar),).bmp);%第一幀當(dāng)做初始背景背景更新過程fork=nStar+1:1:nNUMCurrentImage=double(rgb2gray(imread(car(,int2str(k),).bmp);%當(dāng)前幀F(xiàn)ormerImage=double(rgb2gray(imread(car(,int2str(k-1),).bmp);%前一幀ID=uint8(abs(CurrentImage-Forme
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 車輛股權(quán)轉(zhuǎn)讓與改裝升級服務(wù)合同
- 出租車司機(jī)聘用及服務(wù)質(zhì)量保障合同
- 項目中止后采購合同數(shù)量變更及取消協(xié)議
- 老妖精咨詢工程師課件
- 美術(shù)紅色文化課件設(shè)計
- 安全生產(chǎn)方針五要素
- 物業(yè)消防工作計劃
- 安全生產(chǎn)管理制度及處罰條例
- 水電安全操作規(guī)程
- 安全生產(chǎn)提升活動總結(jié)
- 辦公室副主任考試試題及答案詳解
- 克拉瑪依市公安局招聘警務(wù)輔助人員考試真題2024
- 2024年石家莊市市屬國有企業(yè)招聘考試真題
- 醫(yī)院火災(zāi)的應(yīng)急預(yù)案及處理流程
- 醫(yī)院呼吸機(jī)操作評分表
- 2025年天津市河北區(qū)普通高中學(xué)業(yè)水平合格性模擬檢測數(shù)學(xué)試題(含答案)
- 2025-2030中國物理氣相沉積(PVD)涂層系統(tǒng)行業(yè)市場發(fā)展趨勢與前景展望戰(zhàn)略研究報告
- 2025河南省豫地科技集團(tuán)社會招聘169人筆試參考題庫附帶答案詳解
- 人教版(2024)七年級下冊英語期末模擬測試卷(含答案)
- 兵團(tuán)開放大學(xué)2025年春季《公共關(guān)系學(xué)》終結(jié)考試答案
- 電線電纜出入庫管理制度
評論
0/150
提交評論