均值移动算法及在图像处理和目标跟踪中的应用研究

论文摘要

均值移动算法是一种迭代算法,在图像处理和计算机视觉中得到广泛的应用,但其理论分析仍然存在一定的不足。本课题完善了均值移动算法的理论证明,研究其在图像平滑、分割和目标跟踪中的应用。本论文完成的主要工作如下:针对以往文献对均值移动算法密度函数分析的不足,讨论了轮廓函数k（x）与以x为自变量的核函数k（?）之间的凹凸性关系,以及核函数k（?）与密度函数f（x）之间的凹凸性关系。比较分析了均值移动算法两种运动方式的迭代时间长短和步数多少。根据柯西收敛定理更好的证明了均值移动算法的收敛性。提出并证明了同窗内均值移动矢量间的夹角不大于90度等。总结了均值移动步长为牛顿步长、高斯-牛顿步长或其它非线性步长的条件;讨论了均值移动点在运动方向上取密度极大值的位置;分析了均值移动函数在其收敛点处密度一阶导数为零的充要条件等;研究了均值移动算法在图像平滑、分割和运动目标跟踪中的应用,针对图像平滑,提出了基于柱状HSV空间的均值移动图像平滑算法;分析了基于柱状HSV空间的多幅同场景图像的最优组合方法;通过实验比较分析了在不同颜色步长和空间步长情况下的图像平滑效果。针对图像分割,提出了根据当前帧图像边缘（由均值移动算法求出）和差分优化模板相结合的当前帧运动目标分割算法。针对目标跟踪,提出了双窗特征提取算法和基于像素分量的目标特征更新算法,以及跟踪窗自适应旋转和缩放算法。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究的意义
• 1.2 均值移动算法研究现状
• 1.2.1 均值移动算法理论研究状况
• 1.2.2 均值移动算法应用研究状况
• 1.3 图像平滑、分割和目标跟踪的研究现状
• 1.3.1 图像平滑研究现状
• 1.3.2 图像分割研究现状
• 1.3.3 目标跟踪研究现状
• 1.4 本文主要研究内容
• 第2章 均值移动算法理论研究
• 2.1 引言
• 2.2 均值移动算法原理
• 2.3 密度函数与核函数凹凸性研究
• 2.4 均值移动点存在条件研究
• 2.5 均值移动算法密度递增性研究
• 2.5.1 窗内函数密度递增性关系
• 2.5.2 窗间函数密度递增性关系
• 2.6 均值移动算法收敛性研究
• 2.7 均值移动算法步长研究
• 2.8 均值移动算法密度极大值点研究
• 2.9 均值移动点密度递增性稳定性研究
• 2.10 收敛点处密度梯度为零充要条件研究
• 2.11 均值移动算法实验
• 2.11.1 多步运动方式
• 2.11.2 单步运动方式
• 2.11.3 两种运动方式实验结果比较分析
• 2.12 本章小结
• 第3章 基于均值移动算法的图像平滑
• 3.1 引言
• 3.2 颜色空间转化公式
• 3.3 最优图像合成算法
• 3.4 基于均值移动算法的图像平滑步骤
• 3.5 实验分析
• 3.6 本章小结
• 第4章 基于优化模板和均值移动算法的图像分割
• 4.1 引言
• 4.2 静态图像分割
• 4.3 视频图像运动目标分割
• 4.3.1 差分法
• 4.3.2 图像二值化
• 4.3.3 图像去噪
• 4.3.4 优化差分模板
• 4.3.5 边缘检测
• 4.3.6 目标分割模板
• 4.4 实验分析
• 4.5 本章小结
• 第5章 基于均值移动算法的运动目标跟踪
• 5.1 引言
• 5.2 特征提取
• 5.2.1 色彩概率分布图
• 5.2.2 运动目标特征提取
• 5.3 运动目标特征更新
• 5.4 自适应跟踪窗选取
• 5.4.1 跟踪窗缩放变化分析
• 5.4.2 跟踪窗旋转变化分析
• 5.5 运动目标跟踪步骤
• 5.6 实验分析
• 5.7 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文和取得的科研成果
• 致谢
• 附录A
• 附录B
• 附录C