運動目標檢測與識別算法研究.pdf

1、運動目標的檢測與識別是一項理論意義與實用價值兼?zhèn)涞恼n題，可以廣泛應用于國防與國民經濟建設的諸多領域，是當今圖像處理與圖像理解領域的一個熱門方向，隨著其應用領域得不斷擴大，其實用價值越來越得到人們的重視。運動目標檢測與識別算法研究的對象是序列圖像，或者稱為視頻圖像。對得到的圖像序列進行處理，檢測是否存在感興趣的目標，并且從序列圖像中提取出運動目標。目標的識別工作就是對檢測出來的目標進行識別，得到目標屬性以及由此識別出目標的物體種類信息。

2、 數(shù)學形態(tài)學是一種非線性圖像信號處理和分析理論，在把握信號中的幾何結構信息上具有相當優(yōu)勢，符合人類的感知系統(tǒng)，因此目前已經受到了越來越廣泛的重視，并得到了迅速的發(fā)展。因此，本論文在系統(tǒng)地總結了數(shù)學形態(tài)學的基本理論及其在目標檢測中的應用的基礎上，重點研究了目標檢測所涉及的幾個關鍵技術之一：圖像特征提取，在圖像特征提取的研究中，提出了一種基于數(shù)學形態(tài)學的特征提取方法，即假高帽變換與多尺度形態(tài)學相結合的邊緣提取方法，這種方法與傳統(tǒng)的邊緣

3、檢測算法相比，能夠得到更豐富的邊緣細節(jié)，能夠得到清晰完整的目標邊緣。 在進行目標檢測時，常見的一種情況是攝像機處于靜止狀態(tài)并且焦距是固定的，此時，圖像中的背景區(qū)域固定不動。在這種情況下，運動目標檢測經常使用的方法是背景差法，在簡單的背景差法使用中，當背景發(fā)生一些變化時，如背景中頻繁地出現(xiàn)運動物體，或者光照發(fā)生變化等等，不能準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動物體。為了克服上述問題，必須對模型進行及時更

4、新。本文在研究高斯模型的基礎上，對高斯模型作了改進，建立了自適應高斯背景模型，并且實現(xiàn)了背景模型的實時更新，能夠比較準確地檢測出運動目標。 然而，由于光照條件的影響，大多數(shù)圖像都存在陰影，陰影的存在干擾了目標的檢測，使檢測到的目標與真實的目標形狀相差很大，這對后續(xù)處理如目標識別、行為判斷等會產生很大的影響。高斯模型無法消除陰影的干擾，因此找到陰影消除的方法變得非常重要。近年來，提出了很多陰影消除方法。本文在對目標陰影消除的研究中