基于區(qū)域的運(yùn)動陰影檢測算法研究陰影檢測畢業(yè)論文

1、 PAGE52 / NUMPAGES53畢 業(yè) 設(shè) 計(jì) (論 文)專 業(yè): 電氣工程與其自動化 課 題： 基于區(qū)域的運(yùn)動陰影檢測算法研究 摘 要 為了使陰影檢測結(jié)果更加準(zhǔn)確和魯棒,提出了一種基于區(qū)域的運(yùn)動陰影檢測方法。該方法從陰影具有的物理特性出發(fā),考慮了區(qū)域所有像素的總體特征。將每幀圖像進(jìn)行合理的分塊,并且采用基于梯度的方法對運(yùn)動區(qū)域邊緣的小塊進(jìn)行合并。對每個(gè)小塊根據(jù)陰影區(qū)域和對應(yīng)的背景區(qū)域之間具有較強(qiáng)的結(jié)構(gòu)相似性和色度近似性的特點(diǎn)進(jìn)行陰影檢測。實(shí)驗(yàn)結(jié)果表明,陰影檢測準(zhǔn)確率超過90%,其結(jié)果明顯比基于顏色不變量的方法有效。該方法能夠準(zhǔn)確而魯棒地檢測出運(yùn)動陰影。 關(guān)鍵詞:模式識別;陰影檢測;結(jié)

2、構(gòu)相似性;顏色近似性Abstract A region-based moving shadow detection approach was developed with improved accuracy and robustness.Theanalysis Starts with thephysical properties of the shadow,and takes into account the features of all the pixels in a region.Every image is Segmented into blocks with the blocks a

3、t the edge of moving regions combined based on agradientalgorithm. Shadow detection is performed in every block based on the structure similarity and color Approximations between the shadow region and the corresponding Back ground region.The shadow detection accuracy is above 90% And is more efficie

4、nt than approaches based on invariant color features. Test results show that the approach accurately and Robustly detects moving shadows.Keywords: pattern recognition; shadow detection; structure similarity;color approximation。目 錄 第一章：圖像處理簡介-4- 1.1圖像處理的概念 -4- 1.2圖像處理的任務(wù)-4- 1.3圖像處理主要包含的幾方面-4- 第二章： 陰影

5、檢測簡介與其傳統(tǒng)算法-9- 2.1陰影檢測的簡介-9- 2.2 陰影檢測算法種類-10- 第三章： 二值形態(tài)學(xué)的基礎(chǔ)知識與其應(yīng)用-12- 3.1數(shù)學(xué)形態(tài)學(xué)的簡介-12- 3.2. 陰影區(qū)域和對應(yīng)背景的相似性-13- 3.3陰影檢測的應(yīng)用-14- 第四章：與采用顏色不變量的方法比較-16- 4.1采用了基于梯度的分塊合并算法-16-4.2仿真與分析 -17- 總結(jié)-33-致 -35- 參考文獻(xiàn)-36- 英文翻譯-38-：圖像處理簡介1.1圖像處理的概述圖像處理(image processing)，用計(jì)算機(jī)對圖像進(jìn)行分析，以達(dá)到所需結(jié)果的技術(shù)。又稱影像處理。基本容圖像處理一般指數(shù)字圖像處理。數(shù)字圖

6、像是指用數(shù)字?jǐn)z像機(jī)、掃描儀等設(shè)備經(jīng)過采樣和數(shù)字化得到的一個(gè)大的二維數(shù)組，該數(shù)組的元素稱為像素，其值為一整數(shù)，稱為灰度值。圖像處理技術(shù)的主要容包括圖像壓縮，增強(qiáng)和復(fù)原，匹配、描述和識別3個(gè)部分。1.2圖像處理的任務(wù)1.2.1提高圖像的視覺質(zhì)量，以達(dá)到賞心悅目的目的例如，去除稱之為噪聲等圖像質(zhì)量的退化因素；改變圖像的亮度、顏色；增強(qiáng)圖像中的某些成份、抑制某些成份；對圖像進(jìn)行幾何變換等，從而改善圖像的質(zhì)量，以達(dá)到各種想要的藝術(shù)效果。1.2.2提取圖像中所包含的某些特征或特殊信息，以便于計(jì)算機(jī)分析如用模式識別，計(jì)算機(jī)視覺的預(yù)處理等等。這些特征包括很多方面，如頻域特性、紋理特性、灰度/顏色特性、邊界/區(qū)

7、域特性、形狀/拓?fù)涮匦砸耘c關(guān)系結(jié)構(gòu)等1.2.3對圖像數(shù)據(jù)進(jìn)行變換、編碼和壓縮，以便于圖像的存儲和傳輸。1.3圖像處理主要包含的幾方面 常見的處理有圖像數(shù)字化、圖像編碼、HYPERLINK :/baike.baidu /view/286854.htm圖像增強(qiáng)、圖像復(fù)原、圖像分割和HYPERLINK :/baike.baidu /view/264163.htm圖像分析等。圖像處理一般指數(shù)字圖像處理。雖然某些處理也可以用光學(xué)方法或模擬技術(shù)實(shí)現(xiàn),但它們遠(yuǎn)不與數(shù)字圖像處理那樣靈活和方便,因而數(shù)字圖像處理成為圖像處理的主要方面。 1.3.1圖像數(shù)字化通過取樣和量化過程將一個(gè)以自然形式存在的HYPERLIN

8、K :/baike.baidu /view/2844853.htm圖像變換為適合計(jì)算機(jī)處理的數(shù)字形式。圖像在計(jì)算機(jī)部被表示為一個(gè)HYPERLINK :/baike.baidu /view/1194377.htm數(shù)字矩陣，矩陣中每一元素稱為像素。圖像數(shù)字化需要專門的設(shè)備，常見的有各種電子的和光學(xué)的掃描設(shè)備，還有機(jī)電掃描設(shè)備和手工操作的數(shù)字化儀。 1.3.2圖像編碼對圖像信息編碼，以滿足傳輸和存儲的要求。編碼能壓縮圖像的信息量，但圖像質(zhì)量幾乎不變。為此，可以采用模擬處理技術(shù),再通過模-數(shù)轉(zhuǎn)換得到編碼，不過多數(shù)是采用數(shù)字編碼技術(shù)。編碼方法有對圖像逐點(diǎn)進(jìn)行加工的方法，也有對圖像施加某種變換或基于區(qū)域、

9、特征進(jìn)行編碼的方法。脈碼調(diào)制、微分脈碼調(diào)制、預(yù)測碼和各種變換都是常用的編碼技術(shù)。 1.3.3 圖像壓縮由數(shù)字化得到的一幅圖像的數(shù)據(jù)量十分巨大，一幅典型的數(shù)字圖像通常由500500或10001000個(gè)像素組成。如果是動態(tài)圖像，是其數(shù)據(jù)量更大。因此圖像壓縮對于圖像的存儲和傳輸都十分必要。 有兩類壓縮算法，即不失真的方法和近似的方法。最常用的不失真壓縮取空間或時(shí)間上相鄰像素值的差，再進(jìn)行編碼。游程碼就是這類壓縮碼的例子。近似壓縮算法大都采用圖像交換的途徑，例如對圖像進(jìn)行快速傅里葉變換或離散的余弦變換。著名的、已作為圖像壓縮國際標(biāo)準(zhǔn)的JPEG和MPEG均屬于近似壓縮算法。前者用于靜態(tài)圖像，后者用于動態(tài)

10、圖像。它們已由芯片實(shí)現(xiàn)。 1.3.4圖像增強(qiáng)和復(fù)原圖像增強(qiáng)的目標(biāo)是改進(jìn)圖片的質(zhì)量，例如增加對比度，去掉模糊和噪聲，修正幾何畸變等；圖像復(fù)原是在假定已知模糊或噪聲的模型時(shí)，試圖估計(jì)原圖像的一種技術(shù)。 圖像增強(qiáng)按所用方法可分成頻率域法和空間域法。前者把圖像看成一種二維信號，對其進(jìn)行基于二維傅里葉變換的信號增強(qiáng)。采用低通濾波（即只讓低頻信號通過）法，可去掉圖中的噪聲；采用高通濾波法，則可增強(qiáng)邊緣等高頻信號，使模糊的圖片變得清晰。具有代表性的空間域算法有局部求平均值法和HYPERLINK :/baike.baidu /view/277696.htm中值濾波（取局部鄰域中的中間像素值）法等，它們可用于去

11、除或減弱噪聲。 早期的數(shù)字圖像復(fù)原亦來自頻率域的概念。現(xiàn)代采取的是一種代數(shù)的方法，即通過解一個(gè)大的方程組來復(fù)原理想的圖片。 以提高圖像質(zhì)量為目的的圖像增強(qiáng)和復(fù)原對于一些難以得到的圖片或者在拍攝條件十分惡劣情況下得到的圖片都有廣泛的應(yīng)用。例如從太空中拍攝到的地球或其他星球的照片，用電子顯微鏡或X光拍攝的生物醫(yī)療圖片等。 使HYPERLINK :/baike.baidu /view/1314477.htm圖像清晰或?qū)⑵滢D(zhuǎn)換為更適合人或機(jī)器分析的形式。與圖像復(fù)原不同，圖像增強(qiáng)并不要求忠實(shí)地反映原始圖像。相反，含有某種失真（例如突出輪廓線）的圖像可能比無失真的原始圖像更為清晰。常用的圖像增強(qiáng)方法有：灰

12、度等級直方圖處理：使加工后的圖像在某一灰度圍有更好的對比度；干擾抑制：通過低通濾波、多圖像平均、施行某類空間域算子等處理，抑制疊加在圖像上的隨機(jī)性干擾；邊緣銳化：通過高通濾波、差分運(yùn)算或某種變換，使圖形的輪廓線增強(qiáng)；偽彩色處理：將黑白圖像轉(zhuǎn)換為彩色圖像，從而使人們易于分析和檢測圖像包含的信息。 除去或減少在獲得圖像過程中因各種原因產(chǎn)生的退化。這類原因可能是光學(xué)系統(tǒng)的像差或離焦、攝像系統(tǒng)與被攝物之間的相對運(yùn)動、電子或光學(xué)系統(tǒng)的噪聲和介于攝像系統(tǒng)與被攝像物間的大氣湍流等。圖像復(fù)原常用二種方法。當(dāng)不知道圖像本身的性質(zhì)時(shí)，可以建立退化源的數(shù)學(xué)模型，然后施行復(fù)原算法除去或減少退化源的影響。當(dāng)有了關(guān)于圖像

13、本身的先驗(yàn)知識時(shí)，可以建立原始圖像的模型，然后在觀測到的退化圖像過檢測原始圖像而復(fù)原圖像。 1.3.5圖像分割 將圖像劃分為一些互不重疊的區(qū)域，每一區(qū)域是像素的一個(gè)連續(xù)集。通常采用把像素分入特定區(qū)域的區(qū)域法和尋求區(qū)域之間邊界的境界法。區(qū)域法根據(jù)被分割對象與背景的對比度進(jìn)行閾值運(yùn)算，將對象從背景中分割出來。有時(shí)用固定的閾值不能得到滿意的分割，可根據(jù)局部的對比度調(diào)整閾值，這稱為自適應(yīng)閾值。境界法利用各種HYPERLINK :/baike.baidu /view/178264.htm邊緣檢測技術(shù)，即根據(jù)圖像邊緣處具有很大的梯度值進(jìn)行檢測。這兩種方法都可以利用圖像的紋理特性實(shí)現(xiàn)圖像分割。 1.3.6圖

14、像分析從圖像中抽取某些有用的度量、數(shù)據(jù)或信息。目的是得到某種數(shù)值結(jié)果，而不是產(chǎn)生另一個(gè)圖像。圖像分析的容和HYPERLINK :/baike.baidu /view/14685.htm模式識別、HYPERLINK :/baike.baidu /view/2949.htm人工智能的研究領(lǐng)域有交叉，但圖像分析與典型的模式識別有所區(qū)別。圖像分析不限于把圖像中的特定區(qū)域按固定數(shù)目的類別加以分類，它主要是提供關(guān)于被分析圖像的一種描述。為此，既要利用模式識別技術(shù)，又要利用關(guān)于圖像容的知識庫，即人工智能中關(guān)于知識表達(dá)方面的容。圖像分析需要用圖像分割方法抽取出圖像的特征，然后對圖像進(jìn)行符號化的描述。這種描述不

15、僅能對圖像中是否存在某一特定對象作出回答，還能對圖像容作出詳細(xì)描述。圖像處理的各個(gè)容是互相有聯(lián)系的。一個(gè)實(shí)用的圖像處理系統(tǒng)往往結(jié)合應(yīng)用幾種圖像處理技術(shù)才能得到所需要的結(jié)果。圖像數(shù)字化是將一個(gè)圖像變換為適合計(jì)算機(jī)處理的形式的第一步。圖像編碼技術(shù)可用以傳輸和存儲圖像。圖像增強(qiáng)和復(fù)原可以是圖像處理的最后目的，也可以是為進(jìn)一步的處理作準(zhǔn)備。通過圖像分割得出的圖像特征可以作為最后結(jié)果，也可以作為下一步圖像分析的基礎(chǔ)。圖像匹配、描述和識別 對圖像進(jìn)行比較和配準(zhǔn)，通過分制提取圖像的特征與相互關(guān)系，得到圖像符號化的描述，再把它同模型比較，以確定其分類。圖像匹配試圖建立兩圖片之間的幾何對應(yīng)關(guān)系，度量其類似或不同

16、的程度。匹配用于圖片之間或圖片與地圖之間的配準(zhǔn)，例如檢測不同時(shí)間所拍圖片之間景物的變化，找出運(yùn)動物體的軌跡。 從圖像中抽取某些有用的度量、數(shù)據(jù)或信息稱為圖像分析。圖像分析的基本步驟是把圖像分割成一些互不重疊的區(qū)域，每一區(qū)域是像素的一個(gè)連續(xù)集，度量它們的性質(zhì)和關(guān)系，最后把得到的圖像關(guān)系結(jié)構(gòu)和描述景物分類的模型進(jìn)行比較，以確定其類型。識別或分類的基礎(chǔ)是圖像的相似度。一種簡單的相似度可用區(qū)域特征空間中的距離來定義。另一種基于像素值的相似度量是圖像函數(shù)的相關(guān)性。最后一種定義在關(guān)系結(jié)構(gòu)上的相似度稱為結(jié)構(gòu)相似度。 以圖片分析和理解為目的的分割、描述和識別將用于各種自動化的系統(tǒng)，如字符和圖形識別、用機(jī)器人進(jìn)

17、行產(chǎn)品的裝配和檢驗(yàn)、自動軍事目標(biāo)識別和跟蹤、HYPERLINK :/baike.baidu /view/7245.htm指紋識別、X光照片和血樣的自動處理等。在這類應(yīng)用中，往往需綜合應(yīng)用模式識別和HYPERLINK :/baike.baidu /view/155265.htm計(jì)算機(jī)視覺等技術(shù)，圖像處理更多的是作為前置處理而出現(xiàn)的。 多媒體應(yīng)用的掀起，對圖像壓縮技術(shù)的應(yīng)用起了很大的推動作用。圖像，包括錄像帶一類動態(tài)圖像將轉(zhuǎn)為數(shù)字圖像，并和文字、聲音、圖形一起存儲在計(jì)算機(jī)，顯示在計(jì)算機(jī)的屏幕上。它的應(yīng)用將擴(kuò)展到教育、培訓(xùn)和娛樂等新的領(lǐng)域。第二章 陰影檢測簡介與其傳統(tǒng)算法 2.1 陰影檢測的簡介近年

18、來,隨著計(jì)算機(jī)視覺技術(shù)的不斷研究,智能監(jiān)控和智能交通等領(lǐng)域也得到了蓬勃發(fā)展。然而,無論在室還是在室外,陰影常常和物體同時(shí)存在。所以,研究陰影檢測有著重要的意義。陰影的兩個(gè)特性決定了陰影檢測是一個(gè)非常困難的問題1:一是陰影和物體一樣,都顯著地區(qū)別于背景;二是大多數(shù)情況下陰影與其對應(yīng)的物體是相鄰的,而且運(yùn)動規(guī)律一樣,在分割時(shí)常常被合并為一個(gè)整體。2.2陰影檢測算法種類 針對陰影檢測,人們已經(jīng)提出了很多算法2。陰影檢測算法可以大體分為兩類:基于模型的方法3,4和基于特征的方法1,5,6?；谀Ｐ偷姆椒ㄊ歉鶕?jù)陰影的特性建立一個(gè)陰影的統(tǒng)計(jì)模型,根據(jù)此模型來判別每個(gè)像素點(diǎn)是否屬于陰影區(qū)域?；谔卣鞯姆椒ㄒ?/p>

19、般直接采用圖像的特征,如亮度、顏色以與飽和度等信息進(jìn)行判斷。以往的研究中絕大多數(shù)方法是對單個(gè)像素點(diǎn)進(jìn)行分析,沒有考慮到相鄰像素點(diǎn)在空間結(jié)構(gòu)上的關(guān)系;另外,由于外界環(huán)境的微小變化以與相機(jī)出現(xiàn)的噪聲,單個(gè)像素點(diǎn)在亮度和色度上容易出現(xiàn)較大的不確定性。文6考慮陰影的區(qū)域性質(zhì),但其算法非常復(fù)雜。 區(qū)域的運(yùn)動陰影方法,采用基于梯度的方法將每幀圖像分割成小塊,利用了陰影區(qū)域和背景區(qū)域具有較強(qiáng)的結(jié)構(gòu)相似性和顏色近似性的特點(diǎn)來檢測陰影。2.2.1. 陰影模型 陰影的形成主要是由于物體全部或者部分地?fù)踝×斯庠吹闹苯诱丈?,其中包括兩種:在物體自身上面形成的陰影和在背景上面形成的陰影。主要考慮一個(gè)點(diǎn)光源和一個(gè)分布光

20、源的情況。在室外,兩光源分別對應(yīng)于太陽和天空,在室對應(yīng)于電燈和墻壁。可以得知,經(jīng)過物體反射后的光照強(qiáng)度Iv如下:其中:等式右側(cè)第1項(xiàng)表示物體對點(diǎn)光源的漫反射,第2項(xiàng)表示物體對點(diǎn)光源的鏡面反射,第3項(xiàng)是物體對環(huán)境光的反射。kd、ks和ka分別是物體對太的漫反射系數(shù)、鏡面反射系數(shù)以與物體對環(huán)境光的漫反射系數(shù)。I1和Ia分別表示太和環(huán)境光的光照強(qiáng)度,是太線的入射角,表示觀察方向與理想鏡面反射時(shí)出射光線之間的夾角,n為一參數(shù)。則陰影區(qū)域的光照強(qiáng)度為(2)一般來說,在自然界中滿足?？紤]背景是平面的情況,假設(shè)鏡面反射忽略不計(jì),由式(1)和(2)可以得出(3)其中。2.2.2.利用模型的方法和特征的方法進(jìn)行

21、陰影檢測 和以往的方法不同,基于區(qū)域的方法考慮每一個(gè)小塊像素的總體特征。這樣就彌補(bǔ)了單個(gè)像素受噪聲影響而產(chǎn)生較大不確定性的缺點(diǎn)。2.2.3 運(yùn)動區(qū)域檢測和分塊在一個(gè)圖像序列中,每個(gè)對應(yīng)的像素都看成是一個(gè)隨機(jī)過程,這里采用Gaussian分布對背景像素進(jìn)行建模。表示第m個(gè)像素點(diǎn)的R、G、B分量組成的向量,則p()=N(,s)。其中N(,s)表示以J為均值、s為方差的Gaussian分布。一般認(rèn)為R、G、B分量獨(dú)立,則(i為R、G、B),其中表示i分量的方差。對于新來的像素,若，則認(rèn)為X屬于背景,否則屬于運(yùn)動區(qū)域,其中和分別為X和的i分量,k為一常數(shù)。然后,采用數(shù)學(xué)形態(tài)學(xué)的方法對運(yùn)動區(qū)域的像素進(jìn)行

22、處理,得到準(zhǔn)確的運(yùn)動區(qū)域。 為了利用區(qū)域的性質(zhì),對當(dāng)前幀圖像,將其分割成個(gè)大小為nn的小塊。由于在運(yùn)動區(qū)域邊緣部分的小塊常常不規(guī)則,并且面積小于部的小塊,采用基于梯度的方法將其與其他小塊合并,這樣會使算法更加穩(wěn)定。計(jì)算小塊p的運(yùn)動區(qū)域像素個(gè)數(shù)S。若S小于某個(gè)閾值,則小塊p沿著在x和y方向上其梯度更大的方向與其他相鄰小塊進(jìn)行合并。圖1為分塊與合并的示意圖,其中小塊1將合并到小塊3中,小塊2將合并到小塊4中,小塊3也合并到小塊4中,小塊5將合并到小塊6中。 圖1 分塊與合并示意圖第三章 區(qū)域的陰影檢測基礎(chǔ)知識與其應(yīng)用3.1數(shù)學(xué)形態(tài)學(xué)的簡介科學(xué)的角度來說，形態(tài)學(xué)指的是形狀和結(jié)構(gòu)的科學(xué)。在圖像處理中，

23、形態(tài)學(xué)是分析圖像中在幾何結(jié)構(gòu)的方法。通過使用一定形狀和尺寸的結(jié)構(gòu)元素，形態(tài)學(xué)運(yùn)算可以把圖像中形狀和尺寸與結(jié)構(gòu)元素相似的幾何特征保留下來，把其余的特征濾除。從應(yīng)用的角度來說，形態(tài)學(xué)運(yùn)算可以用于許多方面，包括圖像分割、陰影檢測、邊緣檢測、圖像濾波等。 其基本思想為：利用結(jié)構(gòu)元素作為“探針”在圖像中不斷移動，在此過程中收集圖像的信息、分析圖像各部分間的相互關(guān)系，從而了解圖像的結(jié)構(gòu)特征。3.2陰影區(qū)域和對應(yīng)背景的相似性 設(shè)和分別是在參考背景圖像和當(dāng)前圖像中對應(yīng)的小塊,和是分別對和中像素的顏色分量M按行掃描得到的列向量。由于每個(gè)小塊的面積很小,可以認(rèn)為在每個(gè)小塊部光照條件一樣,由陰影模型知陰影區(qū)域滿足下

24、式:中 (4)其中mean(V)表示向量V的各個(gè)分量的平均值。由陰影的形成特性知陰影區(qū)域的像素和對應(yīng)背景區(qū)域的像素色度差別較小,且亮度變小。在區(qū)域和中任取對應(yīng)的兩個(gè)像素r和c,其中 由文3知r和c形成的夾角是一個(gè)很小的值。推導(dǎo)得該不等式成立的充分條件為(5) 其中T、a和b均為常數(shù)。經(jīng)過基于區(qū)域顏色近似性的陰影檢測步驟后,部分物體區(qū)域已經(jīng)被除去。接下來通過結(jié)構(gòu)相似性來一步除去物體區(qū)域,檢測出真正的陰影。 由于攝像機(jī)和實(shí)際的環(huán)境存在很多噪聲,在考慮陰影區(qū)域和對應(yīng)的背景區(qū)域之間的結(jié)構(gòu)相似性時(shí),用下面的方程代替式(4)。其中:是該線性方程表示的直線在縱軸上的截距,長度等于對應(yīng)小塊的運(yùn)動區(qū)域像素個(gè)S,

25、表示零均值的噪聲向量。為該線性方程所表示直線的斜率,理想情況下和應(yīng)該是一致的,但是在實(shí)際環(huán)境中二者有所不同。采用最小二乘方法來求解參數(shù):其中:=mean()E,=mean()E。由陰影模型知,對于陰影區(qū)域應(yīng)該滿足Pi是一個(gè)小于1的正數(shù),截距較小,并且殘差也較小,即: 0,1, -, . (8)其中、均為常數(shù)。 3.3陰影檢測的應(yīng)用 對室、室外環(huán)境下的22個(gè)圖像序列進(jìn)行了分析,其中室測試序列容是杯子在桌子上的移動;室外測試數(shù)據(jù)包括中午和傍晚兩個(gè)時(shí)間段,樓前、路面的5個(gè)場景,數(shù)據(jù)的容是單個(gè)人的走動。每幀圖像大小為320240像素。 運(yùn)動區(qū)域與背景區(qū)域像素關(guān)系圖2表示的是運(yùn)動區(qū)域像素和對應(yīng)背景區(qū)域像

26、素之間的關(guān)系。實(shí)驗(yàn)表明陰影區(qū)域和對應(yīng)背景區(qū)域像素的關(guān)系符合式(6),而物體區(qū)域和對應(yīng)背景區(qū)域像素之間沒有明顯線性關(guān)系圖2 運(yùn)動區(qū)域與對應(yīng)的背景區(qū)域的關(guān)系 對室環(huán)境下的圖像序列將R、G、B3個(gè)分量的閾值k都選擇為15,對室外環(huán)境下的圖像序列選擇為18。在區(qū)域分塊時(shí),選擇n=5,并且對像素個(gè)數(shù)少于20的小塊與其他小塊進(jìn)行合并。大量實(shí)驗(yàn)表明,參數(shù)的如下取值可以使算法獲得較好的檢測效果。室圖像序列選擇的參數(shù)為:T=0.15,a=0.4,b=0.9,0,1.2,-60,60,25;室外圖像序列所選擇的參數(shù)為:T=0.30,a=0.15,b=1.0,-0.1,1.1,-60,65,T); %小于閾值的為背

27、景，大于閾值的為運(yùn)動點(diǎn) %p=find(Itt); %注意對于不同的圖像門限是不同的，highway=35,highwayII=50. DD(p)=1;figure,imshow(DD);se = strel(disk,3); %閉操作。M=imclose(DD,se);M=imfill(M,hole);figure,imshow(M);結(jié)果如下圖所示：I=double(I_g);F=zeros(size(I);g1=40;g2=75; %對于highwayg1=40;g2=73; highwayIIg1=25;g2=45; p=find(M=1); %只對背景中車和背景處理，減少計(jì)算量。F(

28、p)=1./(1+exp(g1-I(p)-1./(1+exp(g2-I(p);figure,imshow(F); %檢測出來的陰影FF=round(F); %用uint8 或round 一樣。p=find(FF=1);M(p)=0;figure,imshow(M);結(jié)果如下圖所示：%使運(yùn)動目標(biāo)進(jìn)行閉合 (進(jìn)行背景差的時(shí)候閾值T=40) %先腐蝕-邊緣-膨脹-填充-膨脹三次se90=strel(line,3,90);se0=strel(line,3,0);bwero=imerode(M,se90);%figure,imshow(bwero); medge=edge(bwero,sobel);%f

29、igure,imshow(medge);MM=imdilate(medge,se90 se0);%figure,imshow(MM);bwfil=imfill(MM,holes);%figure,imshow(bwfil);mdil1=imdilate(bwfil,se90 se0);%figure,imshow(mdil1);mdil2=imdilate(mdil1,se90 se0);%figure,imshow(mdil2);mdil3=imdilate(mdil2,se90 se0);figure,imshow(mdil3); 結(jié)果如下圖所示：%標(biāo)記-計(jì)算面積-去除小的面積區(qū)域-（重新

30、標(biāo)記）L,num = bwlabel(mdil3,8);stats = regionprops(L,Area);allArea = stats.Area;idx = find(stats.Area 300); %第30幀的時(shí)候700都可以BW2 = ismember(L,idx);figure,imshow(double(BW2);LL,NN = bwlabel(BW2,8); %重新標(biāo)記 figure,imshow(I_g);for i=1:NNx,y=find(LL=i);left=min(y); right=max(y);top=min(x); botton=max(x);hold on

31、rectangle(Position,left top right-left botton-top,LineWidth,2);end結(jié)果如下圖所示：按照以上程序?qū)D二處理： 圖二.highwayII可以得到圖二.highwayII的邊緣提取結(jié)果如下圖所示： 結(jié)果1 結(jié)果2 結(jié)果3 結(jié)果4 結(jié)果5 結(jié)果6 結(jié)果7源程序中三次開運(yùn)算清晰地表示了對圖像陰影進(jìn)行檢測的過程；陰影處理使得圖像陰影能夠準(zhǔn)確的檢測出來。陰影檢測是數(shù)學(xué)形態(tài)學(xué)在圖像處理方面的重要應(yīng)用，通過設(shè)計(jì)算法和經(jīng)過MATLAB實(shí)現(xiàn)，可見對圖像進(jìn)行陰影檢測和濾波是對圖像的有效預(yù)處理，在理論與實(shí)踐中都有重大的意義?？偨Y(jié)應(yīng)用數(shù)學(xué)形態(tài)學(xué)進(jìn)行圖象處理

32、是當(dāng)今計(jì)算機(jī)科學(xué)中最具有前景的領(lǐng)域之一，圖象技術(shù)有非常廣的應(yīng)用，而數(shù)學(xué)形態(tài)學(xué)是圖象處理中的重要方法之一。數(shù)學(xué)形態(tài)學(xué)的基本理論和方法在醫(yī)學(xué)成象、顯微鏡學(xué)、生物學(xué)、機(jī)器人視覺、自動字符讀取、金相學(xué)、地質(zhì)學(xué)、冶金學(xué)、遙感技術(shù)等諸多領(lǐng)域都取得了非常成功的應(yīng)用。本文首先對數(shù)字圖像處理進(jìn)行了簡單的說明，從最基本的理論入手，對圖像分割的傳統(tǒng)算子進(jìn)行了述說，進(jìn)而引出了數(shù)學(xué)形態(tài)學(xué)的圖像處理方法。介紹了二值圖象的形態(tài)學(xué)處理的基本算子，對其特性進(jìn)行了分析，并且研究了圖象的形態(tài)分析算法:腐蝕、膨脹、開運(yùn)算和閉運(yùn)算等形態(tài)學(xué)算法。舉出了數(shù)學(xué)形態(tài)學(xué)在邊緣檢測、圖像分割與濾波方面的應(yīng)用實(shí)例，并進(jìn)行了算法與圖像分析。最后，本文

33、還設(shè)計(jì)一種簡單的圖像邊緣檢測的算法與MATLAB實(shí)現(xiàn)。智能視頻監(jiān)控領(lǐng)域、影視技術(shù)、多媒體應(yīng)用技術(shù)中，常常需要檢測出人體或其它物體，并將其與背景分離，即解決實(shí)時(shí)背景下目標(biāo)的分割問題。視頻圖像的目標(biāo)分割結(jié)果，將對目標(biāo)分類、跟蹤與行為理解等后續(xù)處理產(chǎn)生重要影響。圖像分割多年里一直受到研究人員的重視，也提出了數(shù)以千計(jì)的算法。現(xiàn)今比較流行的目標(biāo)分割的方法，有不少是忽略陰影檢測的，目標(biāo)總是與陰影一起被檢測出來。陰影會引起目標(biāo)的合并、目標(biāo)形狀的失真等一些嚴(yán)重問題，引起分割和跟蹤錯(cuò)誤。由于陰影直接影響目標(biāo)的檢測，成為影響后續(xù)處理效果的關(guān)鍵因素，有必要進(jìn)一步研究。為了使陰影檢測結(jié)果更加準(zhǔn)確和魯棒,提出了一種基于

34、區(qū)域的運(yùn)動陰影檢測方法。該方法從陰影具有的物理特性出發(fā),考慮了區(qū)域所有像素的總體特征。將每幀圖像進(jìn)行合理的分塊,并且采用基于梯度的方法對運(yùn)動區(qū)域邊緣的小塊進(jìn)行合并。對每個(gè)小塊根據(jù)陰影區(qū)域和對應(yīng)的背景區(qū)域之間具有較強(qiáng)的結(jié)構(gòu)相似性和色度近似性的特點(diǎn)進(jìn)行陰影檢測。初步實(shí)驗(yàn)表明,陰影檢測準(zhǔn)確率超過90%,其結(jié)果明顯比基于顏色不變量的方法有效。該方法能夠準(zhǔn)確而魯棒地檢測出運(yùn)動陰影。致 畢業(yè)設(shè)計(jì)已經(jīng)落稿，回想這次畢業(yè)設(shè)計(jì)的過程，有過松懈，有過努力，有過失敗，有過成功，給我的大學(xué)生活又增添了絢麗的一筆。畢業(yè)設(shè)計(jì)是一次全新的自主式的學(xué)習(xí)，它不同于平時(shí)的課堂學(xué)習(xí)，它要求我們自己找資料，自己探求如何進(jìn)展課題。在這

35、期間我遇到了許多麻煩和困難，欒老師總是耐心的幫助我，在開題時(shí)，向我介紹了課題的選材依據(jù)，為我開展課題指明了方向；進(jìn)展過程中，欒老師向我們許多有價(jià)值的文獻(xiàn)資料，每個(gè)星期，安排的我們的問答，為我們解決很多問題；在最后的算法編程中，欒老師更是極大的幫助了我，欒老師為人謙虛，學(xué)識淵博,治學(xué)嚴(yán)謹(jǐn)，這次畢業(yè)設(shè)計(jì)的順利的完成離不開欒老師的諄諄教導(dǎo)，在此，我感指導(dǎo)我的欒老師。我還有感系領(lǐng)導(dǎo)和老師對我們的關(guān)懷，感實(shí)驗(yàn)室老師，他們?yōu)槲覀兲峁┝肆己玫膶W(xué)習(xí)環(huán)境和實(shí)驗(yàn)環(huán)境。我也感，同學(xué)對我的幫助和支持。最后，衷心感在百忙之中評閱論文和參加答辯的各位專家，教授！ 祖軍 2010年5月于 參考文獻(xiàn)(References)1

36、 CucchiaraR,GranaC,PiccardiM,etal.Improving shadow suppression in moving objectdetection with HSV color information A. ProcIEEE IntConf Intelligent Trans SystemsC.Oakland:IEEE,2001.334 339.2 PratiA,MikicI,TrivediM M,etal.Detection movingshadows:Algorithms and evaluationJ.IEEE TransonPAMI,2003,25(7):

37、918 923.3 HorprasertT,HarwoodD,DavisLS.Astatistical approachforreal-time robust background subtraction and shadowdetection A.ProcIEEE IntConf Computer Vision99FRAME-RATE Workshop C. Kerkyra: IEEE, 1999.1 19.4 HsiehJW,HuW F,ChangCJ,etal.ShadoweliminationFor effective moving object detection by Gaussi

38、an shadowmodelingJ.IntJ Image and Vision Computing,2003,21:505 516.5 Salvador E, Cavallaro S, EbrahimiT. Cast shadowSegmentation using invariant color featuresJ puterVision and Image Understanding,2004,95:238 259.6 NadimiS,BhanuB.Physical models for moving shadow andObject detection invideoJ.IEEETra

39、nsonPAMI,2004,26(8):10797.MATLAB使用詳解 董霖 電子工業(yè) 2008.048.MATLAB數(shù)字圖像處理德豐等編著： HYPERLINK :/7/searchresult.aspx?publisher_f=%bb%fa%d0%b5%b9%a4%d2%b5%b3%f6%b0%e6%c9%e7&dt=ALL&cl=ALL&dp=20&sf=M_PUB_YEAR&ob=DESC&sm=table&dept=ALL 機(jī)械工業(yè)，20099.結(jié)合二值形態(tài)學(xué)的圖象邊緣檢測方法與其MATLAB實(shí)現(xiàn) 周山 華東師大學(xué) 200810.基于數(shù)學(xué)形態(tài)學(xué)的彩色圖像處理研

40、究 起麗 西北大學(xué) 200911.圖像工程（上冊）圖像處理 章毓晉 ：清華大學(xué) 200612.MATLAB6.5圖形圖像處理 王家文 宇編著.:國防工業(yè) 2004.513.數(shù)字圖像處理技術(shù)與應(yīng)用 屹編著.電子工業(yè) 199714.MATLABR2007基礎(chǔ)教程 輝穎編著 清華大學(xué) 200815.數(shù)字圖像處理（第二版）岡薩雷斯電子工業(yè)，2007816.一種基于紋理的牌照圖象二值化方法 葉晨洲，廖金周 微型電腦應(yīng)用，1999Design of a GPS data logger device with street-level map interface AbstractThe Global Pos

41、itioning System (GPS) has now become a widely used aid to navigation and it is commonly used in many navigational applications such as land surveying, shipping, piloting, route guidance, map making, study of earthquakes, precise time reference, and hobbies and games such as geocaching. One of the pr

42、oblems with the early GPS system was its low accuracy which prevented it to be used in applications requiring high accuracy, such as piloting and street-level route guidance. With the Recent introduction of the sophisticated error correction techniques such as the WAAS/EGNOS, the horizontal accuracy

43、 of a GPS system is nowadays around 10m. This study describes the design of a microcontroller based GPS data logger device with Secure Data (SD) card storage and Google Map mapping interface. The device collects the user co-ordinates in a file on an SD card, and then the Google Map software is used

44、to draw the track of the user on a street-level map.Keywords: Data logger; GPS; GPS based data logger; Street-level map 1. Introduction The Global Positioning System (GPS) is a satellite based navigation system 1, HYPERLINK :/ sciencedirect /science?_ob=ArticleURL&_udi=B6V1P-4YHP79C-1&_user=9308043&

45、_coverDate=06%2F30%2F2010&_rdoc=4&_fmt=high&_orig=browse&_srch=doc-info(%23toc%235680%232010%23999589993%231925702%23FLA%23display%23Volume)&_cdi=5680&_sort=d&_docanchor=&_ct=11&_acct=C000109594&_version=1&_urlVersion=0&_userid=9308043&md5=72b1cbab244a6f8bd6ff710a306ba63f l bib2#bib2 2, HYPERLINK :/

46、 sciencedirect /science?_ob=ArticleURL&_udi=B6V1P-4YHP79C-1&_user=9308043&_coverDate=06%2F30%2F2010&_rdoc=4&_fmt=high&_orig=browse&_srch=doc-info(%23toc%235680%232010%23999589993%231925702%23FLA%23display%23Volume)&_cdi=5680&_sort=d&_docanchor=&_ct=11&_acct=C000109594&_version=1&_urlVersion=0&_useri

47、d=9308043&md5=72b1cbab244a6f8bd6ff710a306ba63f l bib3#bib3 3, HYPERLINK :/ sciencedirect /science?_ob=ArticleURL&_udi=B6V1P-4YHP79C-1&_user=9308043&_coverDate=06%2F30%2F2010&_rdoc=4&_fmt=high&_orig=browse&_srch=doc-info(%23toc%235680%232010%23999589993%231925702%23FLA%23display%23Volume)&_cdi=5680&_

48、sort=d&_docanchor=&_ct=11&_acct=C000109594&_version=1&_urlVersion=0&_userid=9308043&md5=72b1cbab244a6f8bd6ff710a306ba63f l bib4#bib4 4 and HYPERLINK :/ sciencedirect /science?_ob=ArticleURL&_udi=B6V1P-4YHP79C-1&_user=9308043&_coverDate=06%2F30%2F2010&_rdoc=4&_fmt=high&_orig=browse&_srch=doc-info(%23

49、toc%235680%232010%23999589993%231925702%23FLA%23display%23Volume)&_cdi=5680&_sort=d&_docanchor=&_ct=11&_acct=C000109594&_version=1&_urlVersion=0&_userid=9308043&md5=72b1cbab244a6f8bd6ff710a306ba63f l bib5#bib5 5 developed by the USA Department of Defence. The first GPS system was tested in 1960s usi

50、ng a constellation of five satellites. This system was implemented for military purposes and provided navigational fix data approximately every hour and was not very accurate. In 1993 the number of satellites increased to 24, the system became fully operational, and the system was also made availabl

51、e to the civilians with a lesser accuracy.Initially, the accuracy of the civilian GPS system was deliberately disturbed using a method called Selective Availability (SA). With the SA the position accuracy of a typical civilian GPS receiver was about 100m. In the year 2000 the USA Department of Defen

52、ce removed the SA and as a result the position accuracy of a basic GPS increased to around 10m. The GPS satellites orbit ，the Earth twice a day with a speed of 3.9km per second. The satellite orbit is about 20,000 km above Earths surface and the satellites are positioned such that they are inclined

53、towards the equator with an angle of 55. By this arrangement it is guaranteed that at least four satellites are visible at any point on Earth at any time. Normally, three satellites are required to calculate the position of a point accurately on Earths surface and four satellites are required to cal

54、culate the altitude as well. Thus, with the arrangement of the satellites it is possible to calculate both the position and the altitude of any point on Earths surface accurately.In typical applications it is possible to get signals from at least six or seven satellites in a place with a clear view

55、of the sky. In general, the accuracy is increased as more satellites are used in the position and altitude calculations. The position accuracy of a GPS signal can be improved significantly using a technique known as Differential GPS (dGPS). Using the dGPS techniques HYPERLINK :/ sciencedirect /scien

56、ce?_ob=ArticleURL&_udi=B6V1P-4YHP79C-1&_user=9308043&_coverDate=06%2F30%2F2010&_rdoc=4&_fmt=high&_orig=browse&_srch=doc-info(%23toc%235680%232010%23999589993%231925702%23FLA%23display%23Volume)&_cdi=5680&_sort=d&_docanchor=&_ct=11&_acct=C000109594&_version=1&_urlVersion=0&_userid=9308043&md5=72b1cba

57、b244a6f8bd6ff710a306ba63f l bib6#bib6 6 and HYPERLINK :/ sciencedirect /science?_ob=ArticleURL&_udi=B6V1P-4YHP79C-1&_user=9308043&_coverDate=06%2F30%2F2010&_rdoc=4&_fmt=high&_orig=browse&_srch=doc-info(%23toc%235680%232010%23999589993%231925702%23FLA%23display%23Volume)&_cdi=5680&_sort=d&_docanchor=

58、&_ct=11&_acct=C000109594&_version=1&_urlVersion=0&_userid=9308043&md5=72b1cbab244a6f8bd6ff710a306ba63f l bib7#bib7 7 accuracies in the region of several meters can easily be achieved. dGPS works by placing a high performance GPS receiver at a precisely known location on Earth (reference station). Si

59、nce this reference receiver knows its exact location, it can determine the errors in the received GPS satellite signals. This error signal for each tracked satellite is formed into a correction message and is transmitted to ordinary GPS receivers. Users with the correct hardware can receive these co

60、rrection signals and improve their accuracies. The level of accuracy obtainable with dGPS depends upon many factors, such as the quality of the reference station and user GPS receivers, and the atmospheric conditions. HYPERLINK :/ sciencedirect /science?_ob=ArticleURL&_udi=B6V1P-4YHP79C-1&_user=9308