运动目标检测算法研究

论文摘要

在现实生活中,运动图像包含有大量有意义的视觉信息。运动目标检测技术作为计算机视觉、运动图像分析、人机交互和智能视频监控技术的基础已广泛应用于军事、计算机辅助设计、航空航天、智能机器人等领域,其检测结果的好坏直接影响到目标定位、跟踪以及行为理解等后续处理。因此运动目标检测技术的研究有很重要的理论价值和实际应用意义。本文主要研究背景相对静止下的智能视频监控系统中运动目标检测算法,主要工作包括:1.介绍了一些图像预处理方面的相关技术,包括:颜色空间模型、图像去噪、图像均衡化、图像边缘检测、图像形态学处理,并对各项技术进行了实验验证。2.简要介绍了图像阈值分割的相关方法。详细介绍了基于阈值分割的帧间差分法和背景差分法两种运动目标检测算法,包括各算法的原理和优缺点,并对各算法进行实验验证。针对两种算法的不足分别提出了改进算法:基于帧间差分和图像边界信息的运动目标检测算法,以及基于IIR滤波器的背景更新运动目标检测算法。另外,简要介绍了另一种常用的运动目标检测算法——光流法。3.为了解决当目标运动较慢或尺寸较小时易出现漏检的问题,在现有运动目标检测方法的基础上,提出了一种将时域和空域结合的运动目标检测方法,即运动信息和标记多尺度分水岭相结合的运动目标检测算法。该方法以时域信息为基础,结合空域的分水岭分割方法可以得到良好的运动目标检测结果,算法具有快速性和鲁棒性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题背景及研究意义
• 1.2 国内外研究现状
• 1.3 本文主要工作及内容安排
• 第二章 图像预处理
• 2.1 颜色空间模型
• 2.1.1 常用颜色空间模型
• 2.1.2 颜色空间模型转换
• 2.2 图像去噪
• 2.2.1 均值滤波
• 2.2.2 中值滤波
• 2.2.3 频域滤波
• 2.3 图像均衡化
• 2.4 图像边缘检测
• 2.5 图像形态学处理
• 2.6 本章小结
• 第三章 运动目标检测算法概述
• 3.1 图像阈值分割
• 3.2 帧间差分法
• 3.2.1 帧间差分法概述
• 3.2.2 对称差分法
• 3.2.3 改进的帧间差分法
• 3.3 背景差分法
• 3.3.1 背景差分法概述
• 3.3.2 背景图像更新算法
• 3.3.3 改进的背景差分法
• 3.4 光流法
• 3.4.1 光流场计算基本原理
• 3.4.2 Horn-Schunck 算法
• 3.4.3 Lucas-Kanade 算法
• 3.5 本章小结
• 第四章 时空结合的运动目标检测算法
• 4.1 算法概述
• 4.1.1 预处理——高频强调滤波
• 4.1.2 改进对称差分法
• 4.2 高阶统计检测运动区域
• 4.2.1 帧间变化检测
• 4.2.2 后处理
• 4.3 结合时空信息标记多尺度分水岭分割
• 4.3.1 分水岭简介
• 4.3.2 多尺度形态学梯度
• 4.3.3 基于标记的分水岭分割
• 4.4 实验结果分析
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 本文工作总结
• 5.2 展望
• 参考文献
• 致谢
• 研究生期间发表的论文
• 详细摘要