图像序列中平稳/非平稳客体检测与细节可视性分析

论文摘要

随着通信、计算机、微电子等技术的发展以及高速处理芯片和大容量存储器的出现,使得视频图像的处理技术成为一个被普遍关注的研究领域。其中图像分割、目标识别、目标跟踪以及对图像可视性自适应调节及图像敏感区域过滤、隐藏等技术都是图像处理中的主要研究方面。本论文依据视频图像可分为背景客体和目标客体这一特性,首先给出了定场景视频图像序列的分层模型,根据该分层模型以及定场景视频图像序列中背景和目标客体的特性差异,针对背景客体研究了分布阵集成检测分层技术。对该技术的实验模型,关键技术模块以及性能参数等进行了系统性的分析研究,给出了PC 仿真结果,分析了该算法和其它算法相比较的优越性。在得到了背景分层图像后,本论文接着研究了动目标的分割方法,首先对常用的目标分割方法进行了概要性的描述,然后着重研究了基于背景差方法的动目标客体的分层技术。对该技术的关键技术模块及关键参数进行了分析研究并给出了仿真实验结果。另外,本论文还研究了场景视频图像细节可视性的分析应用以及局域图像细节可视性自适应调节技术。基于图像细节可视性可以由图像的均值和方差共同决定的这一特性模型,提出了一种基于图像均值和方差的场景视频图像细节可视性分析方法。该方法通过改变图像的均值和(或)方差来实现改变图像的视觉可视性。它不仅可以用于将细节模糊的图像变换为细节清晰的图像,还可以用于将细节清晰的图像变换为细节模糊的图像。同时,本论文基于图像的视觉可视性曲线要受到图像内容的影响这一特性,研究了基于内容的图像细节可视性曲线分析以及局域图像细节可视性自适应调节技术。该技术可以用于对图像当中的敏感区域进行过滤,实现敏感区域的隐藏或加密。也可以用于特定场景的监测,判断该场景是否发生异常。综上所述,本论文主要围绕视频客体分层与细节可视性分析技术这条主线展开论述。提出了一些具有创新性的理论和技术,本论文所提的一些技术为后续课题研究奠定了一定的理论和技术基础。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 课题研究背景及意义
• 1.2 课题的研究任务
• 1.3 相关技术发展动态
• 1.3.1 阈值分割方法
• 1.3.2 边缘检测方法
• 1.3.3 区域提取方法
• 1.3.4 结合特定理论的分割方法[19-21]
• 1.3.5 图像细节变化检测方法
• 1.4 主要研究工作、技术难点以及解决方案
• 1.5 论文安排
• 第二章 场景图像序列中平稳客体的检测与估计
• 2.1 引言
• 2.2 视频序列分层模型
• 2.2.1 视频序列的一般表征方式
• 2.2.2 定场景视频序列分层模型
• 2.3 定场景视频序列中平稳客体分层系统设计
• 2.4 平稳客体分层系统关键技术模块研究
• 2.4.1 背景子块分布检测
• 2.4.2 子块分布阵集成检测
• 2.4.3 背景子块加权估计
• 2.5 影响系统性能的因素
• 2.6 系统参数选择
• 2.6.1 一级模式识别门限的选取
• 2.6.2 门限θ的选取
• 2.6.3 分块大小的选择
• 2.7 实验结果
• 2.8 性能评价
• 2.8.1 估计的准确性
• 2.8.2 抗噪性
• 2.9 小结
• 第三章 场景图像序列中非平稳客体的检测与分割
• 3.1 引言
• 3.2 非平稳客体的一般分割方法
• 3.2.1 基于区域的目标提取方法
• 3.2.2 基于边界的目标提取方法
• 3.2.3 高速运动目标的提取方法
• 3.3 基于背景恢复的目标提取方法
• 3.4 非平稳客体分割系统关键技术研究
• 3.4.1 图像的二值化
• 3.4.2 二值图像滤波
• 3.4.3 膨胀、腐蚀
• 3.4.4 动目标区域搜索和分割
• 3.5 仿真结果
• 3.6 性能评价
• 3.7 本章小结
• 第四章 图像细节可视性分析与应用研究
• 4.1 引言
• 4.2 图像细节可视性及其参数描述
• 4.3 图像细节模糊的一般复原方法
• 4.3.1 图像的退化模型
• 4.3.2 线性移不变模糊的图像复原
• 4.3.3 线性移变模糊的图像复原
• 4.4 场景图像可视性参数检测与控制
• 4.4.1 图像统计特性参数分析
• 4.4.2 图像细节可视性曲线分析
• 4.5 仿真验证
• 4.6 基于统计参数的细节可视性的应用
• 4.7 结束语
• 第五章 图像局域细节可视性自适应调节
• 5.1 引言
• 5.2 图像可视性与图像内容的关系
• 5.3 细节可视性自适应控制系统设计及应用分析
• 5.3.1 细节可视性自适应控制系统设计
• 5.3.2 局域可视性自适应控制技术应用分析
• 5.4 实验结果
• 5.5 小结
• 第六章 全文总结
• 参考文献
• 致谢
• 个人简历