運動視覺中目標的精確提取與跟蹤技術(shù).pdf

1、運動目標提取和跟蹤是視覺分析、高級行為理解以及運動編碼等計算機視覺應用領域中基本而又重要的一步，也是計算機視覺中的難點問題。本文深入研究了運動視覺中目標的精確提取與跟蹤算法，包括運動檢測、陰影消除、外輪廓提取以及目標的跟蹤四個方面。 主要研究成果為： 1．針對運動檢測門限的自適應選取問題，利用二維時空熵準則自適應確定檢測門限；推導出一種迭代計算形式，并利用小波變換對二維直方圖進行二次抽樣降低門限的搜索范圍，極大地降低了計

2、算量；在此基礎上，推導出可以利用積分和迭代操作快速計算二維熵門限的新形式，進一步降低了二維熵門限的求解復雜度；并將該方法成功應用于幀差和背景減除方式下的運動檢測。 2．在原有的熵準則基礎上引入模糊理論，形成二維模糊熵準則；給出二維模糊熵門限的快速積分和迭代實現(xiàn)形式，將灰度級為Ⅳ的圖像的各種運算操作次數(shù)從D(N<'4>)降低到小于或等于D(N<'3>)；與時空熵門限運動檢測相比，時空模糊熵運動檢測在提取運動信息和抑制噪聲方面有了進

3、一步提高。 3．提出一種利用色度畸變和紋理特征進行陰影消除的方法。該方法分析了場景點在存在陰影前后色度的分布規(guī)律以及紋理的互相關(guān)性，根據(jù)亮度信息和飽和度信息選擇不同的陰影消除機制，利用顏色向量夾角和紋理特征進行陰影的消除。 4．提出了一種彩色圖像序列中多運動目標精確外輪廓自動提取算法。采用指數(shù)濾波計算彩色圖像的梯度強度，改善了彩色圖像梯度局部極值點的定位精度，所得到的梯度強度和運動邊緣位置信息供隨后的輪廓迭代中使用，成功

4、地避免了動態(tài)輪廓的過收縮。此外，充分利用輪廓的方向信息，又有效地克服了動態(tài)輪廓迭代中的外擴展。從而，自動地提取出一個真正緊貼的目標外輪廓。 5．提出一種根據(jù)場景變化動態(tài)建立目標模型的粒子濾波視覺跟蹤算法。選擇簡單且具有互補性的特征描述表示當前圖像，并統(tǒng)一采用直方圖法對目標和背景的這些特征進行建模；在粒子濾波框架下，根據(jù)巴塔恰里亞距離測度評價的各個特征對目標和當前背景的區(qū)分程度動態(tài)調(diào)整每個特征的置信度；并對各個特征似然函數(shù)的噪聲參