复杂环境中的运动目标检测、提取与跟踪

《复杂环境中的运动目标检测、提取与跟踪》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、复杂环境中的运动目标检测、提取与跟踪主讲人：刘龙西安理工大学目录ò第一章绪论ò第二章基于局部多结构元素数学形态学的图像预处理ò第三章复杂环境中的运动目标检测ò第四章基于力场分析Snake的运动目标提取ò第五章复杂环境中对运动目标的快速跟踪算法ò第六章总结与展望第一章绪论ò研究的背景和意义ò研究现状ò本文的技术路线及创新之处研究的背景和意义本论文的研究是在国家重点基础研究发展规划项目(973)“复杂自然环境时空定量信息或区域融合处理的理论与应用”地支持下进行的。论文的方向为“复杂自然环境中基于多源信息融合的图像跟踪及其预处理研究”。因此论文关注于基于图像的复杂环境中运

2、动目标的检测、提取和跟踪以及服务于图像跟踪的图像处理技术的研究。研究的背景和意义本研究属于视觉跟踪问题。视觉跟踪研究是计算机视觉领域中的一个重要研究方向，应用于民用或军事中的许多领域，主要包括▲视频监视▲图像压缩（VideoObjectPlane,VOP）▲三维重构等研究的背景和意义▲视频监视研究的背景和意义▲图像压缩（VideoObjectPlane,VOP）研究现状已经出现了众多的视觉跟踪算法，为清楚地对这些方法进行说明，首先对视觉跟踪问题进行分类，然后介绍处理视觉跟踪问题的两种思路，最后对具体的视觉跟踪方法进行分类介绍。研究现状视觉跟踪问题分类。▲摄像机的数目

3、：单摄像机Vs多摄像机▲摄像机是否运动：摄像机静止Vs摄像机运动▲场景中运动目标的数目：单运动目标Vs多运动目标▲场景中运动目标的类型：刚体Vs非刚体▲传感器的种类：可见光图像Vs红外图像研究现状处理视觉跟踪问题的两种思路。▲自底向上（Bottom-Up，Data-Driven）▲自顶向下（Top-Down，Model-Driven）研究现状视觉跟踪方法分类。▲基于区域的跟踪（Region-basedtracking）▲基于特征的跟踪（Feature-basedtracking）▲基于变形模板的跟踪（Deformable-Template-basedtracking

4、）▲基于模型的跟踪（Model-basedtracking）本文的技术路线及创新之处本学位论文研究的目的在于，为建立一个在复杂自然环境中，基于多源信息融合的视频图像跟踪系统所进行的相关算法研究。该系统能够在无人干涉的情况下对进入视场中的运动目标自动实施有效地搜索、检测和跟踪。本文的技术路线及创新之处本论文的题目是：复杂环境中的运动目标检测、提取与跟踪研究这里，所谓复杂环境是指运动目标所处的背景中有各种自然景物如山、树、建筑物等等，并不是在简单背景下对运动目标实施跟踪，而所谓的简单背景如文字识别时的背景是白纸，晴朗天空中飞行的飞机的背景是蓝天等等均匀背景的情况。本文的

5、技术路线及创新之处由于本文研究具有极强的工程应用背景，因此选择了自底向上的思路，这种思路对视觉跟踪的一般处理过程示意图如下图运目目像预动标标序处检分跟列理测类踪本文的技术路线及创新之处返回目录本学位论文对其中所涉及的四个环节，即图像预处理、目标检测、目标分类和目标跟踪进行了研究。主要的创新之处包括以下四个方面。▲图像预处理--消噪算法及推广算法▲目标检测--PIC算法及PICM算法▲目标分类--FFASnake算法▲目标跟踪--基于CPM的快速跟踪算法第二章基于局部多结构元素数学形态学的图像预处理ò问题的提出ò数学形态学的基本原理ò基于视觉模型的灰度突变像素点的确定

6、ò基于局部多结构元素数学形态学的图像消噪算法ò用于边缘检测的推广算法ò小结问题的提出图像预处理用于消除图像噪声，提高图像质量，从而方便后续处理。已经有许多图像消噪算法。典型的算法是，利用中值滤波消除椒盐噪声，利用维纳滤波消除高斯噪声。在上述两类噪声中，椒盐噪声在数字图像中是一种更为常见的噪声。但是，中值滤波在滤除点状噪声的同时，也将图像的细节平滑掉了。问题的提出针对中值滤波算法的不足，已提出的算法中如递进开关中值滤波算法，基于方向可调滤波器的图像消噪算法等需要调整参数，使得算法的推广性很差；而基于局部极值噪声检测的迭代中值滤波算法在椒盐噪声不是很高的情况下效果不好。

7、针对这些不足提出一种基于局部多结构元素数学形态学的消噪算法。数学形态学的基本原理▲二值形态学▲灰度形态学基于视觉模型的灰度突变像素点的确定图像中的区域可以分为平坦区域，细节部分和噪声点三类。平坦区域的像素灰度基本上比较相似，而细节部分和噪声点像素都是图像中灰度变化剧烈的部分，但是细节部分如图像边缘的形态分布和噪声点的形态分布又不相同。因此，在进行图像消噪过程中，首先找出灰度突变的像素点，然后对这些像素点进行多结构元素形态学操作，从而能够减少大量的运算量，同时有效的剔除噪声点，保留图像细节。基于视觉模型的灰度突变像素点的确定通常的处理方法是针对整幅图像选取一个固定