基于形态学的序列图像目标检测

论文摘要

基于序列图像的目标检测是当前计算机视觉应用领域的一个热点研究方向。目标检测的主要任务是将目标从图像中分割出来,并能够描述目标物体及其运动的特征与相关参数,它是解决计算机视觉领域问题的基础和前提,其结果的好坏直接影响着后续目标分类、识别、跟踪及行为理解等系列处理。本文实验研究了目前几种目标检测的算法,针对复杂背景下目标边缘等细节信息丢失等问题提出了一种基于形态学的目标检测算法。首先,介绍了数学形态学的基本理论与其在数字图像处理方面的理论与方法,并结合工程图像进行了实验研究。针对复杂背景下边缘丢失现象,结合形态学原理设计了一种基于区域图像的形态学多结构元素目标检测算法,实验结果表明该方法可以有效的获取边缘信息。结合实验分析与比较了序列图像目标检测对称差分法、背景差分法的优缺点,提出了一种基于对称差分法的混合高斯背景差分法,实验结果表明,该算法能够有效提取运动目标。基于VC6.0的OpenCV平台,设计完成相应的算法程序,实现了具有实时性。

论文目录

• 摘要
• Abstraction
• 第一章 绪论
• 1.1 课题背景、目的及意义
• 1.2 国内外研究现状
• 1.3 本文主要研究内容与结构安排
• 第二章 数学形态学图像处理
• 2.1 引言
• 2.2 数学形态学的原理与基本概念
• 2.3 二值图像的形态学处理
• 2.3.1 二值形态学基本运算和性质
• 2.3.2 腐蚀和膨胀的代数性质
• 2.3.3 形态开和闭运算
• 2.3.4 开和闭运算的代数性质
• 2.4 灰度图像形态学处理
• 2.4.1 灰度腐蚀和膨胀运算
• 2.4.2 灰度腐蚀和膨胀的基本性质
• 2.4.3 灰度形态开和闭运算
• 2.4.4 灰度形态学开和闭运算的基本性质
• 2.4.5 高帽变换（Top-Hat）和低帽变换（Bot-hat）
• 第三章 序列图像目标检测
• 3.1 引言
• 3.2 背景减法目标检测
• 3.2.1 算法介绍
• 3.2.2 背景模型算法研究
• 3.3 对称差分法目标检测
• 3.3.1 对称差分法
• 3.4 基于对称差分的背景减法
• 3.5 实验结果与分析
• 第四章 基于区域图像的形态学目标检测
• 4.1 引言
• 4.2 区域图像形态学预处理
• 4.2.1 形态学滤波
• 4.2.2 分割闭值选取方法
• 4.3 区域图像多结构元素目标检测算法
• 4.3.1 多结构元素原理
• 4.3.2 多结构元素目标检测算法构造
• 4.4 实验结果分析
• 第五章 基于形态学的对称差分背景减法
• 5.1 引言
• 5.2 算法介绍
• 5.2.1 处理流程图
• 5.2.2 实验步骤
• 5.3 区域图像的获取
• 5.3.1 序列图像中标记目标的区域
• 5.4 实验结果分析
• 第六章 结论与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢