Print

油田防盗系统中图像处理的研究

论文摘要

本文出于油田防盗对图像处理的需要,对图像进行差分、检测、变换、识别,以判别图像是否为人体头肩轮廓来达到防盗的目的。本文的程序是采用Visual C++编写。考虑到油田的特殊环境会使摄像头发生抖动,所以对图像的差分要采用图像间的相互校正相减,通过与直接相减对比,提出一种运用小波的多分辨分析理论的方法来尽可能的去除背景信息并使目标图像信息损失减小。在对图像进行了差分以后,本文对图像做了一系列变换处理:先是对其进行轮廓提取,其后是归一化及图像旋转及镜像操作。经过变换以后本文对图像进行了识别,因为斜率的变化可以反映一条曲线的走向趋势,而人体轮廓曲线为一条特殊曲线。所以本文采用的识别方法为结合Haar小波与斜率的方法,通过计算其斜率的变化来判定某一目标图像是否为人体轮廓。论文给出了使用此算法的实验结果,实验结果表明,对72对144张图像的实验测试中,成功率为79.17%。

论文目录

  • 提要
  • 第一章 绪论
  • 1.1 课题目的与研究意义
  • 1.2 课题研究现状分析
  • 1.2.1 油田防盗现状分析
  • 1.2.2 经典边缘检测现状分析
  • 1.2.3 新的边缘检测方法
  • 1.2.4 复杂背景下图像分割现状分析
  • 1.2.5 人体头肩像检测现状分析
  • 1.3 本文研究内容
  • 第二章 动态头肩像检测方法
  • 2.1 引言
  • 2.2 单纯的图像差分
  • 2.3 基于校正的图像差分
  • 2.4 基于小波多分辨分析理论的校正差分
  • 2.4.1 用小波变换进行校正差分的基本思想
  • 2.4.2 小波分析的发展历程
  • 2.4.3 从傅立叶分析到小波
  • 2.4.4 连续小波变换
  • 2.4.5 连续小波变换的离散化
  • 2（ R ） 中的多分辨率分析'>2.4.6 空间L2（ R ） 中的多分辨率分析
  • 2.4.7 Mallat 算法
  • 2.4.8 Haar小波
  • 2.4.9 应用小波对图像进行差分
  • 第三章 图像分割
  • 3.1 引言
  • 3.2 阈值分割
  • 3.2.1 阈值化分割原理
  • 3.2.2 直方图双峰法
  • 3.2.3 迭代阈值算法
  • 3.3 边缘检测
  • 3.3.1 边缘检测原理
  • 3.3.2 Roberts梯度算子
  • 3.3.3 外形轮廓提取
  • 第四章 头肩像的识别
  • 4.1 引言
  • 4.2 图像识别的基本技术
  • 4.2.1 模板匹配法
  • 4.2.2 统计模式识别法
  • 4.2.3 模糊模式识别法
  • 4.2.4 句法模式识别法
  • 4.3 基于斜率与小波的图像识别
  • 4.3.1 目标图像归一化
  • 4.3.2 图形旋转及轴镜像变换
  • 4.3.3 基于斜率及小波的头肩轮廓检测
  • 第五章 结论与展望
  • 5.1 工作总结
  • 5.2 工作展望
  • 参考文献
  • 摘要
  • ABSTRACT
  • 致谢

    • 相关论文文献

    本文来源: https://www.lw50.cn/article/8b4dc68eeb96220aff3a0baa.html