基于多光譜圖像融合的視頻運動目標檢測.pdf

1、運動目標的檢測與跟蹤是計算機視覺和圖像編碼研究的主要內容，也是近年來計算機視覺中最具挑戰(zhàn)性的研究課題之一，它在機器人導航、智能監(jiān)視系統(tǒng)、醫(yī)學圖像分析以及視頻圖像壓縮和傳輸?shù)阮I域中都有廣泛應用。其中運動目標檢測是實現(xiàn)目標跟蹤、交通監(jiān)控、行為分析等任務的基礎。但是由于運動目標的檢測容易受到背景變化、烏云、光線變化、陰影、運動速度等因素的影響而導致檢測結果不好，所以如何更好的實現(xiàn)運動目標檢測具有非常重要的意義。
　　 本文主要研究靜態(tài)

2、場景下多光譜序列圖像的運動目標檢測。首先，介紹目前常用的三類目標檢測的方法：光流法、時域差分法、背景差分法各自的特點和使用的場合，研究表明背景差分法最適合靜態(tài)場景下多目標檢測。其次，研究了背景差分法進行運動目標檢測的原理、算法步驟以及存在的問題，并對基本的背景模型法、單高斯模型法、多高斯模型法以及LOTS(Lehigh Omni-directional TrackingSystem)四種背景差分法進行詳細介紹。其中，LOTS算法采用兩個

3、背景、兩個閾值以及將背景差分和目標分割相結合的方法既很好的抑制了噪聲又使得檢測結果更完整，從而提高了檢測效果。再次，鑒于可見圖像和紅外圖像存在大量的互補信息，本文提出了將可見圖像和紅外圖像融合來提高視頻運動目標檢測效果的方法，在融合方面我們主要考慮了像素級的融合、特征級的融合以及決策級的融合。最后，研究了ViPER視頻目標檢測與跟蹤評估平臺，通過ViPER平臺對單光譜和多光譜視頻上的檢測結果進行比較分析，結果表明LOTS方法在幾種背景差