差分图像中运动变化区域检测技术研究

论文摘要

视频对象的生成在许多方面都有着重要的应用,它不仅是基于内容的视频编码的基础,而且也是视频图像跟踪识别系统中的一个重要环节。由于视频对象(运动对象)存在于运动变化区域之中,因此视频对象生成的一种重要方法就是先检测出运动变化区域,然后在运动变化区域中结合其他特征生成视频对象,其中运动变化区域的准确检测是这类方法的关键,因此,对运动变化区域检测的研究具有重要的意义。本论文提出了两种运动变化区域检测的方法,第一种方法是基于噪声特征参数估计和能量分析的视频运动变化区域检测方法。该方法通过基于块的帧差处理,利用相对噪声服从高斯分布的特性和能量的属性的双重约束来检测运动变化区域。与传统的基于像素的帧间差分法相比,运算量较小。根据相对噪声的特征参数所估计的相对噪声的阈值是在检测过程中自适应生成的,适用性较强。同时,根据能量分析加以修正,提高了精确性。第二种方法是基于时差分模糊熵聚类的运动变化区域检测算法。论文首先讨论了时差分视频分割的一般理论模型,然后在建立的视频分割模型的基础上,从模糊熵聚类的角度出发提出了一种视频运动变化区域自动检测的方法,通过建立的模糊分类准则在差分图像中对运动变化区域和相对噪声区域进行划分,从而得到运动变化区域。两种检测方法的仿真试验均使用Matlab来实现,实验结果证明了两种方法具有较强的自适应性和精确性,最后对研究工作做了总结和展望。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 研究进展及现状
• 1.3 本文的主要研究工作和论文安排
• 第二章 运动变化区域检测的研究
• 2.1 运动变化区域检测的基本方法
• 2.1.1 光流计算法
• 2.1.2 帧间差分法
• 2.1.3 背景消减法
• 2.2 帧间差分的理论模型分析
• 2.3 运动变化区域检测技术的发展趋势
• 第三章 基于多个约束条件的运动变化区域检测
• 3.1 引言
• 3.2 系统理论模型
• 3.2.1 差分图像分块
• 3.2.2 相对噪声特征参数估计
• 3.2.3 差分图像的能量分析
• 3.2.4 差分图像二值化
• 3.3 不确定性改善系数
• 3.4 实验结果与分析
• 3.5 结论
• 第四章 基于时差分模糊熵聚类的运动变化区域检测
• 4.1 引言
• 4.2 基于模糊熵的区域检测
• 4.2.1 模糊熵的定义
• 4.2.2 隶属度函数的选择
• 4.2.3 准则函数的选择
• 4.3 实验结果与分析
• 4.4 结论
• 第五章 全文总结
• 5.1 本文的主要贡献
• 5.2 有待改进的问题
• 5.3 展望
• 致谢
• 参考文献
• 攻读硕士期间发表论文
• 附录1：模糊C 均值分类算法
• 附录2：算法仿真实现的主要程序代码
• 学位论文独创性声明
• 学位论文知识产权权属声明