基于圖像時(shí)空梯度的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究.pdf

1、本論文致力于研究序列圖像中的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)，涉及到的相關(guān)技術(shù)主要有：運(yùn)動(dòng)估計(jì)技術(shù)；目標(biāo)檢測(cè)技術(shù)；虛警信號(hào)抑制技術(shù)；圖像濾波技術(shù)等。論文對(duì)多項(xiàng)核心技術(shù)有深入的研究。由于對(duì)不同的應(yīng)用而言，成像系統(tǒng)獲得的圖像差異極大，嘗試找到一種廣泛適用的目標(biāo)檢測(cè)技術(shù)或算法，在目前理論水平以及工程技術(shù)條件下，是很困難的。所以，論文按目標(biāo)、背景與噪聲特性，分為多種情況進(jìn)行研究，目標(biāo)特性包括大、小目標(biāo)；背景特性分為靜止與運(yùn)動(dòng)背景；噪聲特性涵蓋簡(jiǎn)單噪聲(主要是指

2、高斯白噪聲)與復(fù)雜噪聲。 在大目標(biāo)檢測(cè)技術(shù)中，論文主要策略是分析圖像運(yùn)動(dòng)場(chǎng)，對(duì)背景運(yùn)動(dòng)進(jìn)行估計(jì)、補(bǔ)償，通過(guò)時(shí)域差分得到運(yùn)動(dòng)目標(biāo)。針對(duì)復(fù)雜全域運(yùn)動(dòng)的三種基本形式(平移、旋轉(zhuǎn)、縮放)，引入了相應(yīng)的四參數(shù)模型。論文研究了基于關(guān)聯(lián)域的運(yùn)動(dòng)估計(jì)技術(shù)，以及基于光流方程的運(yùn)動(dòng)估計(jì)技術(shù)。在基于關(guān)聯(lián)域的運(yùn)動(dòng)估計(jì)技術(shù)中，提出了梯度關(guān)聯(lián)域。在基于光流方程的運(yùn)動(dòng)估計(jì)領(lǐng)域，分析了傳統(tǒng)光流方程適用條件，并針對(duì)光流方程的空域、時(shí)域梯度要求，提出了一種改進(jìn)光流

3、方程算法。論文將改進(jìn)光流方程算法應(yīng)用于車輛測(cè)速，提出了一種基于單一攝像機(jī)的城市道路車輛測(cè)速系統(tǒng)。 在微小運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)中，論文對(duì)固定攝像機(jī)和運(yùn)動(dòng)攝像機(jī)采集的圖像序列采用不同的檢測(cè)策略。對(duì)靜止背景中的微小目標(biāo)采用背景雜波估計(jì)與抑制，和基于圖像灰度的空時(shí)聯(lián)合目標(biāo)檢測(cè)技術(shù)；對(duì)運(yùn)動(dòng)背景中的微小目標(biāo)采用運(yùn)動(dòng)估計(jì)，和基于運(yùn)動(dòng)場(chǎng)的時(shí)域集成檢測(cè)技術(shù)。 對(duì)于靜止背景，論文提出了兩種基于梯度場(chǎng)的自適應(yīng)雜波估計(jì)技術(shù)：一種采用鄰域梯度差平方累

4、積函數(shù)最小準(zhǔn)則，另一種采用梯度最大相關(guān)準(zhǔn)則。研究表明，兩種技術(shù)在微小目標(biāo)檢測(cè)中，明顯改善了目標(biāo)與背景的對(duì)比度，簡(jiǎn)化了殘差圖像的灰度分布。然后對(duì)殘差圖像進(jìn)行非線性集成，引入目標(biāo)軌跡約束，極大地增強(qiáng)目標(biāo)的能量累積，同時(shí)，利用慢速目標(biāo)的重疊特性，顯著改善系統(tǒng)的檢測(cè)性能。 對(duì)于運(yùn)動(dòng)背景，論文主要研究復(fù)雜噪聲干擾下的微小目標(biāo)檢測(cè)，提出了兩種自適應(yīng)復(fù)雜噪聲濾波技術(shù)。研究表明，兩種技術(shù)性能優(yōu)良，適合處理復(fù)雜噪聲。抑制復(fù)雜噪聲干擾后，論文采用運(yùn)