基于圖像時空梯度的運動目標(biāo)檢測技術(shù)研究.pdf

1、本論文致力于研究序列圖像中的運動目標(biāo)檢測技術(shù)，涉及到的相關(guān)技術(shù)主要有：運動估計技術(shù)；目標(biāo)檢測技術(shù)；虛警信號抑制技術(shù)；圖像濾波技術(shù)等。論文對多項核心技術(shù)有深入的研究。由于對不同的應(yīng)用而言，成像系統(tǒng)獲得的圖像差異極大，嘗試找到一種廣泛適用的目標(biāo)檢測技術(shù)或算法，在目前理論水平以及工程技術(shù)條件下，是很困難的。所以，論文按目標(biāo)、背景與噪聲特性，分為多種情況進(jìn)行研究，目標(biāo)特性包括大、小目標(biāo)；背景特性分為靜止與運動背景；噪聲特性涵蓋簡單噪聲(主要是指

2、高斯白噪聲)與復(fù)雜噪聲。 在大目標(biāo)檢測技術(shù)中，論文主要策略是分析圖像運動場，對背景運動進(jìn)行估計、補償，通過時域差分得到運動目標(biāo)。針對復(fù)雜全域運動的三種基本形式(平移、旋轉(zhuǎn)、縮放)，引入了相應(yīng)的四參數(shù)模型。論文研究了基于關(guān)聯(lián)域的運動估計技術(shù)，以及基于光流方程的運動估計技術(shù)。在基于關(guān)聯(lián)域的運動估計技術(shù)中，提出了梯度關(guān)聯(lián)域。在基于光流方程的運動估計領(lǐng)域，分析了傳統(tǒng)光流方程適用條件，并針對光流方程的空域、時域梯度要求，提出了一種改進(jìn)光流

3、方程算法。論文將改進(jìn)光流方程算法應(yīng)用于車輛測速，提出了一種基于單一攝像機的城市道路車輛測速系統(tǒng)。 在微小運動目標(biāo)檢測技術(shù)中，論文對固定攝像機和運動攝像機采集的圖像序列采用不同的檢測策略。對靜止背景中的微小目標(biāo)采用背景雜波估計與抑制，和基于圖像灰度的空時聯(lián)合目標(biāo)檢測技術(shù)；對運動背景中的微小目標(biāo)采用運動估計，和基于運動場的時域集成檢測技術(shù)。 對于靜止背景，論文提出了兩種基于梯度場的自適應(yīng)雜波估計技術(shù)：一種采用鄰域梯度差平方累

4、積函數(shù)最小準(zhǔn)則，另一種采用梯度最大相關(guān)準(zhǔn)則。研究表明，兩種技術(shù)在微小目標(biāo)檢測中，明顯改善了目標(biāo)與背景的對比度，簡化了殘差圖像的灰度分布。然后對殘差圖像進(jìn)行非線性集成，引入目標(biāo)軌跡約束，極大地增強目標(biāo)的能量累積，同時，利用慢速目標(biāo)的重疊特性，顯著改善系統(tǒng)的檢測性能。 對于運動背景，論文主要研究復(fù)雜噪聲干擾下的微小目標(biāo)檢測，提出了兩種自適應(yīng)復(fù)雜噪聲濾波技術(shù)。研究表明，兩種技術(shù)性能優(yōu)良，適合處理復(fù)雜噪聲。抑制復(fù)雜噪聲干擾后，論文采用運