動態(tài)圖像目標識別與跟蹤技術研究.pdf

1、動態(tài)圖像處理技術主要包含對圖像序列中的運動目標檢測，分類識別和跟蹤，以及對運動目標的行為進行理解和描述，其中運動目標檢測與跟蹤技術應用廣泛，多年來一直都是國內外眾多研究人員研究的方向。但是由于圖像序列本身的復雜性，到目前為止仍沒有一種可用于各種場合的比較完善的方法。因此，研究一種高效的、魯棒性好的運動目標檢測跟蹤方法依然是該領域面臨的一個巨大挑戰(zhàn)。
　　 本文首先介紹數(shù)字圖像預處理的基本知識，主要包括圖像噪聲的平滑算法（鄰域平均

2、法、中值濾波）、數(shù)學形態(tài)學中的腐蝕和膨脹以及閾值的選取方法（最大類間方差法），著重分析提出了兩種改進的加權中值濾波算法（加權自適應中值濾波算法和加權快速中值濾波），通過實驗得出加權自適應中值濾波算法較加權快速中值濾波在去除噪聲上有更好的魯棒性。接下來對動態(tài)目標識別的基本原理和方法做了詳細的介紹，包括相鄰幀差法、對稱差分法、背景差分法以及混合高斯模型；通過實驗比較了每種算法的優(yōu)缺點及適用范圍，并分析提出了改進的對稱差分法，即：先對連續(xù)三幀

3、圖像做兩兩差分運算，應用加權自適應中值濾波進行去噪，然后再使用最大類間方差法選取閾值對圖像進行二值化處理，最后在對差分圖像取邏輯或運算檢測出運動目標。相比于傳統(tǒng)對稱差分算法，改進后的對稱差分算法包含了更多的目標信息，檢測出的運動目標更準確，并有效的解決了目標內部存在空洞的問題。最后分析了Mean Shift算法的基本思想和密度估計理論，并成功地應用Mean Shift算法計算跟蹤動態(tài)目標。在MATLAB7.1下進行了仿真實驗，通過實驗可