基于序列圖像的運(yùn)動(dòng)小目標(biāo)檢測(cè).pdf

1、圖像中的小目標(biāo)檢測(cè)一直是數(shù)字圖像處理學(xué)的重要課題，也是國(guó)內(nèi)外眾多學(xué)者研究的重點(diǎn)。由于小目標(biāo)在圖像中缺乏尺寸、形狀、紋理等信息。所以在單幀圖像中無(wú)法檢測(cè)出來(lái)，因此需要根據(jù)目標(biāo)的運(yùn)動(dòng)特性在序列圖像中進(jìn)行檢測(cè)。針對(duì)現(xiàn)有算法單幀檢測(cè)率低，而多幀檢測(cè)算法復(fù)雜、運(yùn)算量高等缺點(diǎn)，本文提出單幀檢測(cè)和多幀檢測(cè)相結(jié)合的算法，從而達(dá)到提高小目標(biāo)檢測(cè)率和減少檢測(cè)時(shí)間的目的。
　　首先，對(duì)小目標(biāo)圖像的三大要素，目標(biāo)、背景和噪聲的一些固有的、規(guī)律性的特性進(jìn)行

2、分析總結(jié)，并作為選擇適合小目標(biāo)檢測(cè)方法的依據(jù)。其次，根據(jù)小目標(biāo)圖像特性分析結(jié)果，本文選擇了高通濾波和中值濾波相結(jié)合的預(yù)處理算法來(lái)對(duì)單幀圖像進(jìn)行濾波處理，并對(duì)濾波后的圖像進(jìn)行對(duì)比度增強(qiáng)，從而增強(qiáng)圖像的目標(biāo)信息，減弱圖像的背景信息，改善圖像的質(zhì)量。然后，根據(jù)圖像的邊界信息和梯度的聯(lián)系，證明了對(duì)梯度圖像進(jìn)行閾值分割更合理，本文采用了基于邊緣檢測(cè)和閾值分割相結(jié)合的算法進(jìn)行圖像分割，仿真實(shí)驗(yàn)結(jié)果表明此分割方法幾乎能夠在單幀圖像內(nèi)將目標(biāo)檢測(cè)處理，而