运动目标在复杂背景中的检测

运动目标轮廓的有效提取，对于目标识别和跟踪是非常重要的，但是大量的背景景物增加了目标检测的难度。文中针对复杂背景下红外序列图像的特点，提出了一种实用的运动目标检测算法。首先，通过canny边缘检测算法，对输入图像进行边缘检测，然后把相邻两帧边缘图像进行场景对准，计算出相应的场景平移参数，根据这些参数，平移帧图像后做差分处理。在残差图像中，根据局部熵的图像分割法，对图像进行二值化处理，最终获得了比较完整的运动目标。实验表明，这种方法是有效的，且性能良好。     

视频帧色差突变图像的背景检测参量提取

对视频帧中运动目标提取是计算机视觉研究的重点课题,对视频帧色差突变图像的背景检测常受到背景色差干扰,目标检测性能不好。提出一种基于视频序列的双背景建模的视频帧色差突变图像的背景检测和参量提取算法,背景建模加入了光照突变处理机制,进行色差补偿。计算视频帧差背景内的突变信息感知概率和统计概率,对视频图像进行滑动平均建模,采用模极大值法进行边缘检测,得到基于灰度方差的视频帧色差稳定性检测的判别函数。将当前帧与背景帧相减,建立滑动平均背景模型,提取其背景差异性特征参量。仿真结果表明,该算法的检测性能较好,当背景发生变化时,如光照突变、人群数目突然增大时,具有较好的背景检测性能,处理光照突变方面的图像平滑性较好。     

基于改进的混合高斯背景模型的运动目标检测研究

针对传统混合高斯背景建模（GMM）在一些复杂场景下未能有效地描述背景,目标容易出现错误的检测,本文提出一种改进算法。该算法先对视频帧进行分块处理,然后对单模区域和多模区域采用不同的更新速率进行更新,最后在空域上对检测结果进行数学形态学的处理,从而提取运动目标。实验结果表明,该算法能够提高背景建立和运动目标检测的速率,在多种场景下运动目标的检测都具有良好的鲁棒性。     

基于边缘提取的会议视频图像快速解码算法研究

针对传统视频图像解码算法进行解码运算时,存在解码后视频图像失真率高、解码效率低的问题,提出基于边缘提取的会议视频图像快速解码算法.该算法采用边缘提取方法预处理会议视频图像,以获得会议视频图像的边缘掩膜,根据边缘掩膜对会议视频图像进行平滑处理.通过自适应抽帧方法增大视频图像中的序列场景,抽取未发生跳变的图像帧数.采用双向运动补偿插帧方法填充运动矢量,完成会议视频图像的快速解码.实验结果表明,所提出的基于边缘提取的会议视频图像快速解码算法,边缘提取误差低、解码失真率低、解码效率高,具有较高的实际应用价值.     

智能视频监控中的运动目标检测研究

现有的背景差分法在背景模型的维持和更新不能用于长期和复杂的场景,针对智能视频监控中的运动目标的检测,提出了帧间差分法重建背景图像,背景差分法分离背景像素点与运动目标点,自适应背景更新方法应用背景的定时自动更新,有效的分离了运动目标和背景图像。该方法不仅能够减小运动目标的检测误差,而且提高系统运行速度,实现复杂环境下的运动目标检测。     

基于中值背景模型的运动目标自适应检测方法

针对复杂交通场景中运动车辆检测方法存在的局限性,本文提出了一种基于中值模型和自适应阈值的运动检测算法。利用自适应阈值对差分图像的三个颜色通道进行二值化处理,实现了运动目标的精确检测,采用中值更新策略实现背景图像的实时更新。实验结果表明,算法可以从复杂交通场景图像序列中有效地检测出运动目标,且算法计算量小,具有良好的鲁棒性与实时性。     

加速鲁棒特征匹配模糊动态场景混淆去除算法

动态场景曝光图像较为模糊,混淆复杂,对动态场景混淆去除是实现基于动态场景图像识别的运动目标检测的关键。针对传统方法中模糊混淆点配准不精,去混性能不好的问题,提出一种采用加速鲁棒特征匹配的模糊动态场景混淆去除算法,设计图像序列块曝光生成模型和边缘检测算法,抑制运动场景混淆图像边缘凹点灰度特征和混淆干扰,设计并行处理的分块检测方案提高处理速度,采用加速鲁棒特征匹配方法实现混淆去除。实验结果表明,采用该算法进行模糊动态场景图像的混淆去除处理,特征匹配精度高,去除混淆效果较好,在色彩自然效果保持和实时性方面优越传统方法,在基于图像处理的快速运动目标识别和动态场景恢复等领域具有很好的应用前景。     

跳水运动视频中的运动目标分割

针对跳水运动视频中的人体运动目标分割问题,提出一种简单有效的基于颜色特征运动目标检测及分割算法。首帧进行图像预处理,利用色相和亮度两个分量加强颜色差异,然后使用OTSU算法对图像进行阈值分割。结合RGB颜色空间启发式肤色聚类结果确定运动目标所在的连通区域,最终完成首帧运动目标的自动检测。有效地克服了复杂背景变化的影响,能够快速实现跳水运动目标的分割,且对运动对象的快速整体运动有较强的鲁棒性。     

基于运动帧补偿的多媒体块匹配稳像仿真实现

在对高速运动目标的多媒体视频采集中,因为风力、高速抖动等原因导致视频和图像采集模糊,稳定性差,需要进行对视频和图像等多媒体素材进行电子稳像处理,提高对图像目标的识别和检测能力。传统方法中采用块匹配方法构建电子稳像算法,因为运动帧补偿效果不好,稳像效果较差。提出一种基于运动帧补偿的多媒体块匹配电子稳像算法,进行GSM随机场建模和进行像素点关联传递迭代优化,将图像的前一帧作为参考帧对当前帧进行参数补偿,求得的全部帧图像对应的运动参数,实现对电子稳像算法改进。仿真实验表明,算法能保留图像中的特征的同时去除图像中含有的抖动,稳像处理性能较传统方法优越。改进方法在电子侦察、远程目标识别等领域具有优越的应用前景。     

室外场景运动目标检测及分类算法研究与设计

本文首先在室外场景中使用固定摄像头采集视频。对视频做图像预处理操作。其次对比运动目标检测中常用的三种方法--背景差分法、帧差法和光流法。在此基础上提出了改进的混合高斯背景建模方法,初步检测出运动目标。对运动目标做形态学处理,准确地检测出运动目标。运动目标分类方面,结合长宽比、离散度和占空比等特征对运动目标进行分类,准确地将运动目标分为行人和机动车。     

基于改进的OTSU算法的视频处理

针对跳水运动视频中的人体运动目标分割问题,提出利用颜色信息进行运动目标检测和分割的算法。首先采用色相和亮度两个彩色分量加强图像中的颜色差异,使用OTSU算法对图像进行阈值分割,同时结合RGB颜色空间启发式肤色聚类,确定运动目标所在的连通区域,从而完成首帧运动目标的自动检测。在后续帧的处理中,以数学形态学方法进行自适应运动区域预测,运用改进的OTSU算法,提高了分割速度。实验表明,本方法有效地克服了复杂背景变化的影响,能够快速实现跳水运动目标的分割,且对运动对象的快速运动有较强的鲁棒性。     

基于单帧视觉差的运动幅度检测仿真

运动图像幅度准确检测是提高对人体运动目标图像远程识别和跟踪的基础。传统方法中对人体运动图像的幅度检测采用运动帧补偿的运动幅度检测方法,当图像处于快速运动状态出现单帧视觉误差时检测性能不好。提出一种基于单帧视觉差的运动幅度检测算法,并进行仿真实现。进行快速运动图像的视频帧图像采集与预处理,采用基于单帧视觉差分析的方法进行快速运动图像的幅度特征提取,通过电子稳像方法进行防抖动处理,得到运动图像的目标函数运动幅度特征点,构造人体运动的位姿表换微分方程,进行单帧运动图像全局运动估计,提高了对运动幅度的检测。仿真实验分析得出,该算法具有较好的快速运动幅度检测性能,对于运动剧烈的Foreman序列,系统性能提高了1~2 d B,对于运动缓慢的序列Claire,系统性能提高了2.5~5 d B,展示了算法的优越性。     

不规则单帧运动图像中三维姿态矫正技术研究

传统三维姿态矫正方法主要依据不同帧运动图像特征进行分析,由于非显著图像边缘容易同噪声混淆,导致不规则单帧运动图像特征受到噪声因素的干扰,图像特征质量降低,无法对运动图像三维姿态进行有效矫正,提出一种应用模糊核估计和仿射变换的三维姿态矫正方法,采用shock滤波器从不规则单帧运动图像中预测出显著图像边缘,对不规则单帧运动图像进行平滑处理,降低噪声的干扰,将显著图像边缘其当成全局图像三维姿态矫正的指导,针对不规则单帧运动图像的图像特征识别模糊问题,基于透视原理以及仿射变换原理,推导出不规则单帧运动图像三维姿态调整的策略,结合测定的运动图像旋转角度,对运动图像左右倾斜、水平旋转和垂直旋转的三维姿态进行调整,实现不规则单帧运动图像三维姿态的准确矫正。实验结果说明,在不同噪声的条件下,该算法可对运动图像的三维姿态进行准确的矫正,具有较强的抗噪性能。     

人体运动图像动态视点平滑能量衰减过程仿真

传统图像平滑能量衰减分析方法,对于人体运动图像高频分量抑制效果较差,且模糊图像边缘,运算效率较低。提出了一种依据替身运动DR算法的人体运动图像动态视点平滑能量衰减过程仿真方法,采用高斯滤波器对人体运动图像进行平滑处理,过滤人体运动图像的噪声,完整保留人体运动图像边缘信息以及细节,用替身描述人体在场景中的运动特征,替身在场景中运动并同其它人体的替身进行交互,采用局部化的人体模型提高人体运动场景的逼真度,通过人体运动图像的DR预测算法,完成人体运动图像动态视点平滑能量衰减过程分析。实验结果说明,所提方法能够确保人体运动图像边缘锐化,有效降低平滑能量、锐化边缘。     

一种基于北景重建的运动目标检测方法

本文采用改进的背景差法,改变使用多帧序列图像求平均值产生背景图像的方法,利用序列图像的统计信息进行背景重建,对当前视频帧与背景帧的灰度差值图像使用Otsu方法进行二值化处理,产生标记图像以确定运动目标区域,进一步得到运动目标。     

利用贫富差距原理进行图像边缘模糊增强的算法

针对Pal和King提出的模糊边缘检测算法需要多次试探取定渡越点值的缺陷,提出了一种改进的图像模糊边缘检测算法。根据计算贫富差距的原理来确定图像的渡越点值,之后利用模糊隶属函数将原图像映射到一个模糊特征平面;通过增强处理算子来扩大区域之间的差异,加强目标和背景之间的对比度;在对模糊矩阵进行逆变换图像后根据一定的判别准则提取图像的边缘。多幅图像的实验结果表明,该算法检测的边缘效果质量很高,且具有自适应性。     

一种分块背景减法的运动目标检测算法

为了能够准确获得视频中感兴趣的运动车辆,提出了一种基于背景减法的运动目标检测算法。首先采用kalman滤波来实现背景图像的提取,其次把当前帧图像和提取的背景图像进行分块,同时计算对应块的灰度差异,然后将得到的灰度差异图进行二值化,最后利用数学形态学滤波得到准确的运动目标。实验结果表明,该算法简单、易实现、实时性强。     

基于视频图像的车辆目标检测算法

通过摄像机获取视频数据,利用运动目标检测的原理,从交通视频图像中提取车辆目标。常用的运动目标检测的方法:光流场、帧间差分、背景差分。本文使用背景差分中非常经典的Code Book算法来实现运动车辆目标的提取。最后,在VS2013和opencv2.3的开发环境中实现了该检测算法。     

基于粒子群优化的图像边缘融合算法

目前,图像融合算法大多利用源图像信息进行融合,融合模型的建立和融合参数的配置主要依赖于经验,存在随意性。提出了一种基于粒子群优化的图像边缘融合算法：首先对源图像进行多尺度边缘检测;然后利用边缘相关性作为目标函数,采用粒子群算法优化搜索融合参数;最后利用融合后的多尺度边缘重构出融合图像。该算法克服了融合模型对经验的依赖性,使得源图像边缘信息最大量地保留在融合图像中。仿真结果表明,使用该算法得到的融合图像能够有效包含源图像信息。     

一种去光照干扰的运动目标图像分割算法

对模糊图像的多尺度分割,是解决许多计算机视觉处理问题的基础。传统的图像分割算法采用基于小波变换的局部特征匹配方法,无法有效去除光照的干扰,对运动目标图像的分割效果不好。提出一种基于模糊图像边缘能量特征提取的运动目标图像的去光照干扰分割方法。计算去光照干扰后的运动目标图像振幅分量和频率分量,采用混合函数控制曲线方法生成运动目标图像时间序列,计算每个尺度下计算运动目标图像的边缘能量特征,进行图像区域特征的非同态块匹配分割,最终生成灰度直方图二进制均衡系数,实现了运动目标图像的准确分割,去除了光照干扰。仿真结果表明,该算法具有分割结果准确,抗干扰能力较好,图像分割质量较优。