基于運動序列圖像的目標定位及應(yīng)用研究.pdf

1、機器視覺是目前科學(xué)技術(shù)研發(fā)的一個重要研究方向，因其涵蓋了計算機科學(xué)、圖像處理、檢測識別以及人工智能等技術(shù)領(lǐng)域。序列圖像的檢測與定位是機器視覺的運動目標跟蹤定位的一個重要研究部分，序列圖像中的運動目標在實際圖像拍攝場景中涉及到很多不確定性和復(fù)雜性，如目標的旋轉(zhuǎn)、外形變化、光線變化等因素。深入研究運動目標的檢測與跟蹤定位技術(shù)，對圖像處理行為分析、醫(yī)學(xué)顯微分析等有重要的工程意義。在生物醫(yī)學(xué)方面，目標跟蹤技術(shù)同樣有應(yīng)用價值，可以有效的分析心臟、

2、腎、微血管的運動。
　　本文基于對交通視頻圖像的運動目標的定位跟蹤的背景下，其中圖像是在攝像機沒有運動情況下采集的，對序列圖像的運動目標識別跟蹤的關(guān)鍵技術(shù)方法進行系統(tǒng)的研究，目的是為了對目前的一些運動目標識別跟蹤的方法進行優(yōu)化，提出一些具有較高穩(wěn)定性、較強魯棒性以及識別精度高的運動目標檢測匹配方法。主要的研究內(nèi)容如下：
　?。?）對交通視頻圖像以及顯微鏡下的視頻圖像進行有效的預(yù)處理，分析兩種環(huán)境下的預(yù)處理的區(qū)別，有利于總結(jié)研

3、究顯微視頻的預(yù)處理方式。
　?。?）本課題的主要工作是對靜態(tài)背景下的序列圖像進行有效的運動檢測，對目標運動的規(guī)律加以預(yù)測，實現(xiàn)對指定目標進行自動準確定位。
　?。?）將對MHI方法在運動目標預(yù)測方面進行優(yōu)化，使其在預(yù)測運動目標的運動方向有更好的魯棒性。
　?。?）同時探討多小波算法在運動目標特征匹配方面的應(yīng)用，性能的優(yōu)劣與其他主流方法進行比較分析。
　?。?）本文的另一個重要工作就是對顯微微循環(huán)視頻圖像進行實例分

4、析，在這個基礎(chǔ)上提出一套系統(tǒng)的微循環(huán)識別方案，從靜態(tài)背景的顯微序列圖像有效的分析微循環(huán)。
　　實驗結(jié)果表明，利用改進后的MHI對在風(fēng)中擺動的樹葉有很好的抗干擾能力，能夠有效將這些噪聲消除，同時還能夠有效的保留運動目標的輪廓信息。多小波算法在交通視頻圖像特征提取及匹配是基于改進后的MHI處理后，MHI為運動目標匹配的搜索范圍減小，有效的提高了匹配速度。多小波特征向量能夠有效的表征特征，不過大量的實驗表明，多小波變換在相關(guān)的匹配方面還