運動目標檢測與識別算法的研究.pdf

1、運動目標檢測與識別算法的研究是當今圖像處理與圖像理解領域的一個熱門方向，隨著其應用領域得不斷擴大，其實用價值越來越得到人們的重視。運動目標檢測與識別算法研究的對象是序列圖像，或者稱為視頻圖像。對得到的圖像序列進行處理，檢測是否存在感興趣的目標，并且從序列圖像中提取出運動目標。目標的識別工作就是對檢測出來的目標進行識別，得到目標屬性以及由此識別出目標的物體種類信息。 本文在總結當前主流的目標檢測與識別算法的基礎上，建立了目標檢測與

2、識別的整體系統(tǒng)，并且創(chuàng)新性的進行了目標檢測與識別算法的研究和一些新方法，主要進行的工作和創(chuàng)新有： 1.針對當前運動估計并沒有充分利用幀間運動信息的相關性，改進了一種基于幀間估計的自適應6點距離塊運動估計。該方法充分考慮了幀間運動信息相關性，且使用菱形搜索算法來增大搜索策略的準則性。由于該算法利用的是前一幀的運動信息，所以該算法可以通過并行算法來實現(xiàn)，以便提高算法效率。實驗結果驗證了該方法可以減少運動估計的時間。 2.如何

3、去除攝像機運動造成的整幀圖像的變化是運動目標檢測中的一個關鍵技術和難點問題。在整體研究了當前的全局運動估計之后，采用攝像機6參數(shù)模型進行全局運動估計。通過使用圖像的局部塊來進行二維圖像運動估計，進而提高了整體運算速度。對得到的局部塊運動估計結果，采用循環(huán)迭代擬合的方式，去除不屬于背景區(qū)域的塊估計結果，最后得到合理的攝像機模型的6參數(shù)，進而對每個象素采用雙線性插值進行計算其運動補償結果。測試結果表明該方法可以處理攝像機運動造成的整幀圖像的

4、位移和旋轉問題。 3.在研究了序列圖像噪聲模型之后，改進了一種基于高斯模型的的種子幀差區(qū)域增長法來生成幀差圖像，從而在最大抑制噪聲的同時能夠得到更多的變化區(qū)域。該方法通過統(tǒng)計幀差圖像的高斯特征，然后作為種子區(qū)域增長的條件進行變化區(qū)域的生長。通過實驗結果可知，相對于其它算法，該方法可以得到更完整的變化區(qū)域。 4.通過對時域信息與空域信息的分析，提出一種新的基于時空信息融和的改善幀差目標提取方法。該方法在對變化區(qū)域使用相位相

5、關法求取出運動目標的時域信息基礎上，依照圖像匹配度形成運動目標的時域結果。然后使用snake算法根據(jù)空域的圖像信息提出最終運動目標的外邊界。實驗表面該方法使最后提取的運動目標更加準確，目標信息更加完備。 5.通過對常規(guī)圖像特征的研究，改進了傅立葉描述子方法。改進了一種空域歸一傅立葉描述子方法。使用該方法得到圖像特征具有旋轉、位移、縮放和起始點不變性。試驗證明其特征可以很好的區(qū)分邊界圖像，該算法同時也可用于各種基于邊界識別的領域。