基于matlab地運(yùn)動(dòng)目標(biāo)檢測(cè)

1、XX大學(xué)2011屆本科生畢業(yè)論文（設(shè)計(jì)）緒論1.1課題研究背景及意義運(yùn)動(dòng)目標(biāo)檢測(cè)是圖像處理與計(jì)算機(jī)視覺的一個(gè)分支，在理論和實(shí)踐上都有重大意義，長(zhǎng)久以來一直被國(guó)內(nèi)外學(xué)者所關(guān)注。在實(shí)際中，視頻監(jiān)控利用攝像機(jī)對(duì)某一特定區(qū)域進(jìn)行監(jiān)視，是一個(gè)細(xì)致和連續(xù)的過程，它可以由人來完成，但是人執(zhí)行這種長(zhǎng)期枯燥的例行監(jiān)測(cè)是不可靠，而且費(fèi)用也很高，因此引入運(yùn)動(dòng)監(jiān)測(cè)非常有必要1。它可以減輕人的負(fù)擔(dān)，并且提高了可靠性。概括起來運(yùn)動(dòng)監(jiān)測(cè)主要包括三個(gè)內(nèi)容2：運(yùn)動(dòng)目標(biāo)檢測(cè)，方向判斷和圖像跟蹤。運(yùn)動(dòng)目標(biāo)檢測(cè)是整個(gè)監(jiān)測(cè)過程的基礎(chǔ)，運(yùn)動(dòng)目標(biāo)的提取準(zhǔn)確與否，直接關(guān)系到后續(xù)高級(jí)過程的完成質(zhì)量。1.2國(guó)內(nèi)外研究現(xiàn)狀運(yùn)動(dòng)目標(biāo)檢測(cè)在國(guó)外已經(jīng)取

2、得了一些的研究成果3，許多相關(guān)技術(shù)已經(jīng)開始應(yīng)用到實(shí)際系統(tǒng)中，但是國(guó)內(nèi)研究相對(duì)落后,與國(guó)外還有較大差距。傳統(tǒng)的視頻目標(biāo)提取大致可以分兩類,一類以空間同性為準(zhǔn)則,先用形態(tài)學(xué)濾波器或其他濾波器對(duì)圖像作預(yù)處理;然后對(duì)該圖像的亮度、色度或其他信息作空間上的分割以對(duì)區(qū)域作邊緣檢測(cè);之后作運(yùn)動(dòng)估計(jì),并合并相似的運(yùn)動(dòng)區(qū)域以得到最終的提取結(jié)果。如光流算法、主動(dòng)輪廓模型算法。此類方法結(jié)果較為準(zhǔn)確但是運(yùn)算量相對(duì)較大。另一類算法主要以時(shí)間變化檢測(cè)作為準(zhǔn)則,這類算法主要通過幀差檢測(cè)圖像上的變化區(qū)域和不變區(qū)域,將運(yùn)動(dòng)物體與靜止背景進(jìn)行分割。此類方法運(yùn)算量小,提取結(jié)果不如前類方法準(zhǔn)確。此外,還有時(shí)空結(jié)合方法、時(shí)空亮度梯度信

3、息結(jié)合的方法等等4。本文將圍繞以時(shí)間變化監(jiān)測(cè)為基礎(chǔ)的方法展開分析和討論。1.3本文結(jié)構(gòu)第1章介紹了本文的研究意義及國(guó)內(nèi)外發(fā)展?fàn)顩r；第2章分為四個(gè)部分詳細(xì)講述了運(yùn)動(dòng)目標(biāo)檢測(cè)的方法，介紹了背景提取與更新算法，檢測(cè)算法，閾值選取，形態(tài)學(xué)濾波等；第三章對(duì)全文作出了總結(jié)。1XX大學(xué)2011屆本科生畢業(yè)論文（設(shè)計(jì)）運(yùn)動(dòng)目標(biāo)檢測(cè)的一般過程2.1背景提取與更新算法在進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)時(shí)，一個(gè)很重要的步驟就是區(qū)分出運(yùn)動(dòng)目標(biāo)和背景X圍，常見的一種情況是攝像機(jī)處于靜止?fàn)顟B(tài)并且焦距也是固定的。此時(shí)，圖像中的背景區(qū)域固定不動(dòng)。在這種情況下，運(yùn)動(dòng)目標(biāo)識(shí)別無論是使用背景差法，還是使用背景差法結(jié)合幀間差法，質(zhì)量良好的背景的建立

4、顯得及其重要。另外，當(dāng)涉及到背景的使用時(shí)，一旦背景發(fā)生一些變化時(shí)，如背景中頻繁地出現(xiàn)運(yùn)動(dòng)物體，或者光照發(fā)生變化、樹葉等小物體的晃動(dòng)等等，使得不能準(zhǔn)確地提取背景作為參考圖像，從而不能正確地分割出視頻序列中的運(yùn)動(dòng)物體。為了克服上述問題，國(guó)內(nèi)外眾多研究人員提出了背景建立和自適應(yīng)的背景模型，實(shí)現(xiàn)了背景模型的實(shí)時(shí)更新，能夠比較準(zhǔn)確地識(shí)別出運(yùn)動(dòng)目標(biāo)。在能夠滿足實(shí)時(shí)性和實(shí)用性要求的前提下，討論并研究下列幾種算法5。2.1.1手動(dòng)背景法手動(dòng)背景法需要人觀察到?jīng)]有前景物體時(shí)啟動(dòng)該幀圖像，作為背景圖像。這種背景提取方法增加了人力和物力的需求，而且在很多情況下很難在沒有前景的情況下獲得背景圖像，比如高速公路的車輛監(jiān)

5、測(cè)系統(tǒng)、小區(qū)的門禁系統(tǒng)等等。這種方法不能實(shí)現(xiàn)自適應(yīng)背景更新的功能，需要使用其他方法修正由于光線，亮度等的變化帶來的背景誤差。2.1.2統(tǒng)計(jì)中值法考慮到運(yùn)動(dòng)物體較少的情況下，連續(xù)多幀圖像中背景的像素值占主要部分，這樣在一段時(shí)間內(nèi)變化緩慢，取中值便可以認(rèn)為是背景圖像。統(tǒng)計(jì)中值算法從統(tǒng)計(jì)學(xué)的角度統(tǒng)計(jì)單個(gè)像素點(diǎn)Ai(x,y),(i=1,2,N)在連續(xù)幀圖像中的亮度值Bi。在一段時(shí)間內(nèi)對(duì)視頻序列圖像的亮度值(或者色彩信息)Bi進(jìn)行排序，然后取中值Mi(x,y)作為背景。該算法存在的問題在于：圖像幀的像素點(diǎn)大多以數(shù)萬，數(shù)十萬的數(shù)量級(jí)出現(xiàn)，而用于取中值的圖像幀數(shù)量N也應(yīng)該比較大。對(duì)如此大的數(shù)組進(jìn)行排序取出中

6、值，實(shí)現(xiàn)時(shí)計(jì)算量較大，處理較慢。同時(shí)需要占用大量的內(nèi)存單元用于存儲(chǔ)數(shù)據(jù)。2.1.3算術(shù)平均法采用算術(shù)平均法提取背景圖像，可以總結(jié)為在特定的時(shí)間段內(nèi)對(duì)像素點(diǎn)的亮度和色彩信息取平均值，用均值作為背景圖像對(duì)應(yīng)像素點(diǎn)數(shù)值。在讀入一段視頻時(shí)，對(duì)某一像素點(diǎn)進(jìn)行觀察，會(huì)發(fā)現(xiàn)在沒有前景的運(yùn)動(dòng)目標(biāo)通過時(shí)，該點(diǎn)的灰度值保持穩(wěn)定，變化很小,只有當(dāng)前景的運(yùn)動(dòng)目標(biāo)通過時(shí)，該點(diǎn)的灰度才會(huì)發(fā)生劇烈的變化。這樣就可以連續(xù)讀入N幀圖像，對(duì)圖像各點(diǎn)的灰度或色彩信息進(jìn)行統(tǒng)計(jì)的方法，使得變化劇烈的像素點(diǎn)變得平緩，取其平均值作為背景圖像像素點(diǎn)的值。這樣也可以濾除背景圖像中的突變?cè)肼朁c(diǎn)。其統(tǒng)計(jì)公式如下：2XX大學(xué)2011屆本科生畢業(yè)論文

7、（設(shè)計(jì)）1NB(x,y)Ii(x,y)（2-1）Ni1公式中式中：B(x,y)表示背景圖像，Ii(x,y)表示第i幀序列圖像，N表示平均幀數(shù)。在實(shí)際場(chǎng)景中，一段時(shí)間內(nèi)，同一區(qū)域很少有可能總是存在運(yùn)動(dòng)物體。而通過平均法得到的背景就會(huì)消除亮暗分布不均勻的情況。選取N=120，MATLAB仿真,從序列圖像的第1、60、120幀可以看出，在第1幀至第120幀時(shí)都存在運(yùn)動(dòng)目標(biāo)，如2-1圖。經(jīng)過對(duì)連續(xù)120幀計(jì)算算術(shù)平均值，得到了基本不包含運(yùn)動(dòng)目標(biāo)的背景圖像，如2-2圖。(a)第1幀圖像(b)第60幀圖像(c)第120幀圖像圖2-1各幀圖像圖2-2算術(shù)法提取的背景圖像由上述仿真實(shí)驗(yàn)證明，算術(shù)平均法的特點(diǎn)是

8、模型簡(jiǎn)單，計(jì)算方便，可以較好的得到背景圖像。但是在仿真過程中，也發(fā)現(xiàn)了該方法的一些問題。其中最明顯的是，該算法得到背景圖像需要獲取的圖像幀較大。受運(yùn)動(dòng)物體數(shù)量的影響，隨著平均幀數(shù)的增加，得到的背景圖像的質(zhì)量越好。由于是求取序列圖像的算術(shù)平均值，如果N值太小，背景圖像中的運(yùn)動(dòng)物體不容易被濾除，很容易在背景圖像中留下“影子”。而且在運(yùn)動(dòng)物體很多，軌跡很固定的情況下，也需要加大N的數(shù)值，以使得平均值更加接近與真實(shí)的背景圖像。在這種情況下，背景的建立就需要較長(zhǎng)的時(shí)間。本算法也有一定自適應(yīng)更新功能。隨著時(shí)間的推移，在背景提取后獲取的圖像幀也可以作為新的信息量，與背景圖像進(jìn)行統(tǒng)計(jì)平均或加權(quán)平均，實(shí)現(xiàn)背景的

9、自適應(yīng)更新。因此這種方法也使用于實(shí)時(shí)背景更新算法。3XX大學(xué)2011屆本科生畢業(yè)論文（設(shè)計(jì)）2.1.4Surendra算法Surendra背景更新算法67能夠自適應(yīng)地獲取背景圖像，該算法提取背景的思想是對(duì)差值圖像的亮度值進(jìn)行判斷，如亮度大于閾值，背景圖像對(duì)應(yīng)位置的像素點(diǎn)保持不變，否則利用當(dāng)前幀對(duì)背景圖像進(jìn)行替換更新。其算法可以分成以下幾個(gè)步驟：(1)將第1幀圖像I1作為背景B1。(2)選取閾值T，迭代次數(shù)m=1，最大迭代次數(shù)MAXSTEP。(3)求當(dāng)前幀的幀差分圖像1|IiIi-1|TDi=(2-2)0|IiIi-1|T(4)由二值圖像Di更新背景圖像Bi，Bi-1(x,y)Di=1Bi=(2

10、-3)Ii(x,y)+(1-)Ii-1(x,y)Di=0式中Bi(x,y)，Di(x,y)為背景圖像和差分二值圖像在(x,y)的灰度值，Ii(x,y)為輸入的第i幀圖像，為更新速度。(5)迭代次數(shù)m=m+1，進(jìn)行第(3)步的運(yùn)算。當(dāng)?shù)螖?shù)m=MAXSTEP時(shí)結(jié)束迭代，此時(shí)Bi(x,y)可當(dāng)作背景圖像。選取MAXSTEP=80，=0.1，選取固定閾值T=20。在MATLAB中進(jìn)行仿真第30幀背景（灰度）第30幀圖像第80幀背景（灰度）第80幀圖像4XX大學(xué)2011屆本科生畢業(yè)論文（設(shè)計(jì)）圖2-3Surendra算法提取的背景圖像在仿真研究中發(fā)現(xiàn),MAXSTEP很大程度地決定了背景建立時(shí)的速度，

11、則決定背景更新的速度。這種背景建模和更新的方法，能夠很好地解決物體長(zhǎng)時(shí)間停留對(duì)背景的影響，因?yàn)楸尘暗母聲?huì)將它逐步地作為背景像素點(diǎn)更新到背景中。但是由于它的基本處理方式是幀間差分，使得它不能將色彩、亮度相似的，大面積的運(yùn)動(dòng)物體完整的檢測(cè)出來。這種情況下，運(yùn)動(dòng)物體的某些部分將作為背景區(qū)域更新到背景中。2.1.5其他算法國(guó)內(nèi)外已有的背景提取與更新算法遠(yuǎn)不止上述幾種，如混合高斯模型，分塊統(tǒng)計(jì)算法等也是目前比較常見的算法，其主體思想與算術(shù)平均法類似，只是在做法上有區(qū)別。由于絕大多數(shù)算法都是基于PC機(jī)的實(shí)現(xiàn)，很少將算法的實(shí)時(shí)性作為參考要素。2.2動(dòng)目標(biāo)檢測(cè)算法研究在實(shí)際的安防與監(jiān)控應(yīng)用中，大多考慮攝像頭

12、固定的情況。因此本文在研究運(yùn)動(dòng)目標(biāo)檢測(cè)算法時(shí)，也做如下假設(shè)：攝像頭固定，只對(duì)視場(chǎng)內(nèi)的目標(biāo)進(jìn)行檢測(cè)，離開視場(chǎng)后再次進(jìn)入的物體被視為新目標(biāo)。目前，大多數(shù)的運(yùn)動(dòng)目標(biāo)檢測(cè)的方法或是基于圖像序列中時(shí)間信息的，或是基于圖像序列中空間信息的。常見的方法有如下3種8：(1)光流法當(dāng)目標(biāo)運(yùn)動(dòng)時(shí)，圖像上對(duì)應(yīng)目標(biāo)的亮度信息（光流）也相應(yīng)的運(yùn)動(dòng)。這樣，根據(jù)時(shí)間上相鄰的幾幀圖像可以計(jì)算出各像素點(diǎn)運(yùn)動(dòng)的大小和方向，從而利用運(yùn)動(dòng)場(chǎng)來區(qū)分背景和運(yùn)動(dòng)目標(biāo)。其主要優(yōu)點(diǎn)在于能檢測(cè)出獨(dú)立的運(yùn)動(dòng)目標(biāo)，而不需預(yù)知場(chǎng)景的任何信息，對(duì)變化的復(fù)雜背景情況有較好的適應(yīng)。但其缺點(diǎn)也很明顯，由于要依賴光流估計(jì)的準(zhǔn)確程度，大多數(shù)計(jì)算方法相當(dāng)復(fù)雜并且計(jì)

13、算量特別大，所以除非有特殊的硬件支持，否則很難實(shí)現(xiàn)實(shí)時(shí)檢測(cè)。(2)背景減法將實(shí)時(shí)視頻流中的圖像像素點(diǎn)灰度值與事先已存儲(chǔ)或?qū)崟r(shí)得到的視頻背景模型中的相應(yīng)值比較，不符合要求的像素點(diǎn)被認(rèn)為是運(yùn)動(dòng)像素。這是視頻監(jiān)控中最常用的運(yùn)動(dòng)檢測(cè)方法。這種方法雖然能較完整的提取運(yùn)動(dòng)目標(biāo)，但對(duì)光照和外部條件造成的環(huán)境變化過于敏感，常常會(huì)將運(yùn)動(dòng)目標(biāo)的陰影錯(cuò)誤的檢測(cè)為其自身的一部分。同時(shí)由于時(shí)間流逝，實(shí)際場(chǎng)景的多種因素都會(huì)發(fā)生變化，比如停留物的出現(xiàn)、光線等的變化、運(yùn)動(dòng)目標(biāo)對(duì)背景的遮擋等等，背景需要得到實(shí)時(shí)地更新，這是影響其檢測(cè)效果的一個(gè)重要因素。(3)幀間差法幀間差法是根據(jù)當(dāng)前圖像與參考圖像的差別來獲得運(yùn)動(dòng)目標(biāo)輪廓的方法

14、。這種方法對(duì)于場(chǎng)景中的光線漸變不敏感，適于動(dòng)態(tài)變化的環(huán)境，且運(yùn)算量相對(duì)較小。但一般不能完整的提取運(yùn)動(dòng)目標(biāo)，且在運(yùn)動(dòng)實(shí)體內(nèi)易產(chǎn)生空洞現(xiàn)象，從而不利于下一步的分析和處理。5XX大學(xué)2011屆本科生畢業(yè)論文（設(shè)計(jì)）針對(duì)前面3種常見算法，只進(jìn)行幀間差分法和背景差分法的研究于仿真。光流法由于很難達(dá)到實(shí)時(shí)性要求，因此不做研究。2.2.1幀間差法運(yùn)動(dòng)目標(biāo)檢測(cè)基于幀間差分的運(yùn)動(dòng)檢測(cè)即幀差法，它根據(jù)相鄰幀或隔幀圖像間亮度變化的大小來檢測(cè)運(yùn)動(dòng)目標(biāo)，幀間差分公式如下：Di(x,y)=Ii(x,y)Ii-1(x,y)(2-4)Ii(x,y)，Ii-1(x,y)為前后兩幀圖像，幀差分運(yùn)動(dòng)檢測(cè)只針對(duì)前景區(qū)域進(jìn)行，運(yùn)動(dòng)檢測(cè)

15、公式如下，其中T為門限值。1,DiTMi(x,y)=（2-5）0,DiT選取T=20，仿真結(jié)果如下圖：第19幀圖像第20幀圖像差分后二值化圖像第79幀圖像第80幀圖像差分后二值化圖像第139幀圖像第140幀圖像差分后二值化圖像圖2-4幀間差分實(shí)驗(yàn)由上面的仿真實(shí)驗(yàn)可以得出：運(yùn)用幀間差分方法進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè)，可以有效的檢測(cè)出運(yùn)動(dòng)物體。右子圖中，可以比較清晰地得到運(yùn)動(dòng)物體的輪廓。但是，這種算法雖然可以使背景像素不隨時(shí)間積累，迅速更新，因此這種算法有比較強(qiáng)的適應(yīng)場(chǎng)景變化能力。但是幀差法表示的是相鄰兩幀同位置的變化量，因此很有可能將比較大的運(yùn)動(dòng)目標(biāo)，或者運(yùn)6XX大學(xué)2011屆本科生畢業(yè)論文（設(shè)計(jì)）動(dòng)目

16、標(biāo)內(nèi)部顏色差異不大的像素判斷錯(cuò)誤，在實(shí)體內(nèi)部產(chǎn)生拉伸、空洞現(xiàn)象8。而且當(dāng)前景運(yùn)動(dòng)很慢且時(shí)間間隔選擇不合適時(shí)，容易出現(xiàn)根本檢測(cè)不到物體的情況。在差分圖像中，有很多“雪花”般的噪聲，這些是由于圖像局部的干擾造成的。本文隨后的章節(jié)將對(duì)如何消除這些噪聲進(jìn)行討論。使用幀間差分法，需要考慮如何選擇合理的時(shí)間間隔，這一般取決于運(yùn)動(dòng)目標(biāo)的速度。對(duì)于快速運(yùn)動(dòng)的目標(biāo)，需要選擇較短的時(shí)間間隔，如果選擇不當(dāng)，最壞情況下目標(biāo)在前后兩幀中沒有重疊，被檢測(cè)為兩個(gè)分開的目標(biāo)；對(duì)于慢速運(yùn)動(dòng)的目標(biāo)，應(yīng)該選擇較長(zhǎng)的時(shí)間間隔，如果選擇不當(dāng)，最壞情況下目標(biāo)在前后兩幀中幾乎完全重疊，根本檢測(cè)不到目標(biāo)。此外，在場(chǎng)景中由于多個(gè)運(yùn)動(dòng)目標(biāo)的速度

17、不一致也給時(shí)間間隔的選取帶來很大麻煩。2.2.2背景減法運(yùn)動(dòng)目標(biāo)檢測(cè)背景差分算法的實(shí)質(zhì)是：實(shí)時(shí)輸入的場(chǎng)景圖像與背景圖像進(jìn)行差分，可以較準(zhǔn)確的分割出運(yùn)動(dòng)目標(biāo)。但是背景差分算法也有其天然的缺陷，隨著時(shí)間的推移，場(chǎng)景的光線、樹葉的遮擋、或者運(yùn)動(dòng)物體滯留都會(huì)很大程度的破壞已經(jīng)建立好的背景圖像。為了解決這些問題，最好的方法便是使用背景建模和背景更新算法來彌補(bǔ)。前面已經(jīng)討論過相關(guān)問題，因此，本文假設(shè)背景處于理想情況下進(jìn)行背景差分算法的研究。設(shè)(x,y)是二維數(shù)字圖像的平面坐標(biāo)，基于背景減法的二值化數(shù)學(xué)描述為：Di(x,y)=|Ii(x,y)Bi(x,y)|(2-6)1,DiTMi(x,y)(2-7)0,D

18、iTIi(x,y)表示圖像序列中當(dāng)前幀的灰度圖像，Bi(x,y)表示當(dāng)前幀背景的灰度圖像,Mi(x,y)表示相減后的二值化結(jié)果，T表示對(duì)應(yīng)的相減后灰度圖像的閾值，選取固定閾值T=20，基于背景減法的MATLAB仿真，如圖第25幀圖像第25幀背景差分后二值化圖像第85幀圖像第85幀背景差分后二值化圖像7XX大學(xué)2011屆本科生畢業(yè)論文（設(shè)計(jì)）第145幀圖像第145幀背景差分后二值化圖像圖2-5背景差分實(shí)驗(yàn)Surendra算法計(jì)算出背景圖像，左圖為原始輸入圖像，中圖為背景圖像，右圖為背景差分法得出的二值化圖像。實(shí)驗(yàn)結(jié)果表明：背景差分算法也可以有效地檢測(cè)出運(yùn)動(dòng)目標(biāo)。由于背景建模算法的引入，使得背景對(duì)

19、噪聲有一定的抑制作用，在差分圖像中“雪花”較幀間差分算法有所減少。同時(shí)，使用背景差分算法檢測(cè)出的運(yùn)動(dòng)物體輪廓，比幀間差分法的檢測(cè)結(jié)果更清晰。因此，在背景建模與背景更新處于比較理想的狀態(tài)下，背景差分算法得到的差分結(jié)果略好于幀間差分的結(jié)果。2.3閾值的選取Surendra算法提取背景及目標(biāo)提取都需對(duì)圖像二值化。分割閾值的選取雖看似簡(jiǎn)單，但直接影響目標(biāo)的分割效果，閾值T增大，雖然可以一定量的減少環(huán)境對(duì)效果的影響，但同時(shí)也會(huì)將差分結(jié)果中變化不明顯的區(qū)域作為前景被忽略掉；閾值T減小，效果卻又恰恰相反。前面提到的相關(guān)算法中，閾值的選取都是采用的靜態(tài)固定閾值。這種閾值的選取方法在實(shí)際運(yùn)用中是不可取的，因?yàn)樵?/p>

20、視頻監(jiān)控應(yīng)用中，監(jiān)控者不可能隨時(shí)對(duì)監(jiān)控質(zhì)量做出評(píng)估并相應(yīng)的修改閾值。所以，研究人員提出了許多閾值的選取方法。但是到目前為止還不存在一種通用的方法，也不存在一個(gè)判斷分割是否成功的客觀標(biāo)準(zhǔn)。閾值法可以分為全局閾值法和局部閾值法兩種9。全局閾值法是指在在整幅圖像X圍內(nèi)用同一閾值來進(jìn)行二值化處理的方法；局部閾值法是當(dāng)圖像中的敏感度不均勻，以慢斜率變化時(shí)，將圖像分割成幾個(gè)子塊。如果在每個(gè)子塊中可以找到最佳閾值，就稱這樣的的閾值確定方法為局部閾值法。本文選用循環(huán)分割法來自適應(yīng)地得到在二值化一幅圖像時(shí)所需要的全局閾值T?；静襟E如下：(1)選擇一個(gè)T的初始估計(jì)值(2)用T分割圖像。這樣做會(huì)生成兩組像素：G1

21、由所有灰度值大于T的像素組成，而G2由所有灰度值小于或等于T的像素組成。(3)對(duì)區(qū)域G1和G2中的所有像素計(jì)算平均灰度值1和2。(4)按下式計(jì)算新的閾值。T=1/2(2+1)(5)重復(fù)步驟(2)到(4)，直到逐次迭代所得到的T值之差小于預(yù)先定義的參數(shù)。當(dāng)背景和對(duì)象在圖像中占據(jù)的面積相近時(shí)，好的T的初始值就是圖像的平均灰度值。8XX大學(xué)2011屆本科生畢業(yè)論文（設(shè)計(jì)）如果對(duì)象與背景所占的面積不相近時(shí)，則其中一個(gè)像素組合會(huì)在直方圖中占主要地位，平均灰度值就不是好的初始選擇。此時(shí)，T更合適的初值是諸如灰度值的中間值一類的初值。對(duì)車輛檢測(cè)進(jìn)行仿真時(shí)，由于車輛與背景面積相差較大，選用的初值就是最大灰度和

22、最小灰度和的一半。進(jìn)行閾值計(jì)算時(shí)還應(yīng)注意迭代速度和精度的矛盾。102.4形態(tài)學(xué)濾波由于刮風(fēng)、氣流等原因，背景中部分物體小幅度晃動(dòng)；光線的變化等不確定因素，會(huì)使得視頻圖像產(chǎn)生大量噪聲，當(dāng)差值圖像二值化后，仍然有很多無用的噪聲斑點(diǎn)，可參見2-6、圖2-7。因此，需要采用數(shù)學(xué)形態(tài)學(xué)方法，對(duì)分割后的二值圖像進(jìn)行形態(tài)學(xué)濾波。數(shù)學(xué)形態(tài)學(xué)的主要用途是獲取物體拓?fù)浜徒Y(jié)構(gòu)信息。它通過物體和機(jī)構(gòu)元素相互作用的某些運(yùn)算，得到物體更本質(zhì)的形態(tài)。其基本思想是：利用一個(gè)成為結(jié)構(gòu)元素的“探針”收集圖像信息。這種基于探測(cè)的思想與人的視覺特點(diǎn)有類似之處：總是關(guān)注一些感興趣的物體或者結(jié)構(gòu)，并有意識(shí)地尋找圖像中的這些結(jié)構(gòu)。數(shù)字形態(tài)

23、學(xué)在本文所涉及到的圖像處理中，主要作用包括利用形態(tài)學(xué)的基本運(yùn)算，對(duì)圖像進(jìn)行觀察和處理，從而達(dá)到改善圖像質(zhì)量的目的。形態(tài)學(xué)的基本運(yùn)算包括：腐蝕(Erosion)、膨脹(Dilation)、開(Opening)和閉(Closing)運(yùn)算。用這些算子及其組合來進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理，包括圖像分割、特征提取、邊界檢測(cè)、圖像濾波、圖像增強(qiáng)與恢復(fù)等方面的工作。形態(tài)學(xué)一般以二值圖像為處理對(duì)象，但也可以用在某些灰度圖像的應(yīng)用中。(1)結(jié)構(gòu)元素結(jié)構(gòu)元素被形象的稱為刷子或探針，是膨脹和腐蝕操作中最基本的組成部分。它用于測(cè)試輸入圖像，通常比待處理圖像小得多。本文使用33的結(jié)構(gòu)元素，經(jīng)開運(yùn)算處理后，可提取出移

24、動(dòng)物體。二維結(jié)構(gòu)元素由一個(gè)數(shù)值為0或1矩陣組成。結(jié)構(gòu)元素的原點(diǎn)指定了圖像中需要處理的像素X圍，結(jié)構(gòu)元素?cái)?shù)值為1的點(diǎn)決定結(jié)構(gòu)元素的領(lǐng)域像素在腐蝕或膨脹操作是需要參與計(jì)算。(2)腐蝕和膨脹腐蝕和膨脹是許多形態(tài)學(xué)算法的基礎(chǔ)。腐蝕操作會(huì)去掉物體的邊緣點(diǎn)，細(xì)小物體所有的點(diǎn)都會(huì)被認(rèn)為是邊緣點(diǎn)，因此會(huì)整個(gè)被刪去。再做膨脹時(shí)，留下來的大物體會(huì)變回原來的大小，而被刪除的小物體則永遠(yuǎn)消失了。膨脹操作會(huì)使物體的邊界向外擴(kuò)X，如果物體內(nèi)部存在小空洞的話，經(jīng)過膨脹操作這些洞將被補(bǔ)上，因而不再是邊界了。再進(jìn)行腐蝕操作時(shí)，外部邊界將變回原來的樣子，而這些內(nèi)部空洞則永遠(yuǎn)消失了。通常設(shè)為圖像矩陣，為結(jié)構(gòu)元素矩陣，數(shù)學(xué)形態(tài)學(xué)運(yùn)算

25、時(shí)，用對(duì)進(jìn)行操作。實(shí)際上，結(jié)構(gòu)元素本身也是一個(gè)圖像矩陣。這里對(duì)每個(gè)結(jié)構(gòu)元素矩陣B指定一個(gè)原點(diǎn)origin。被B腐蝕的定義為11：XBz|BzA(2-9)9XX大學(xué)2011屆本科生畢業(yè)論文（設(shè)計(jì)）這個(gè)公式說明，使用B對(duì)X進(jìn)行腐蝕是所有B中包含于A中的點(diǎn)的集合用x移。2-6顯示了實(shí)際上的腐蝕運(yùn)算，左邊是被處理的圖象X(二值圖象，針對(duì)的是黑點(diǎn))，中間是結(jié)構(gòu)元素B，那個(gè)標(biāo)有origin的點(diǎn)是中心點(diǎn)，即當(dāng)前處理元素的位置，右邊是腐蝕后的結(jié)果?？梢钥闯觯栽谠瓉鞽的X圍內(nèi)，且比X包含的點(diǎn)要少，就象X被腐蝕掉了一層12。圖2-6腐蝕運(yùn)算X被B膨脹的定義為10：(2-10)XBz|BAz這個(gè)公式表示用B膨脹

26、X的過程是，相對(duì)B做關(guān)于中心像素的映射，在將其映射平移x，這里X與B映像的交集不為空集。圖2-7顯示了實(shí)際上的腐蝕運(yùn)算，左邊是被處理的圖象X(二值圖象，針對(duì)的是黑點(diǎn))，中間是結(jié)構(gòu)元素B，右邊是膨脹后的結(jié)果?？梢钥闯?，它包括X的所有X圍，就象X膨脹了一圈似的12。圖2-7膨脹運(yùn)算10XX大學(xué)2011屆本科生畢業(yè)論文（設(shè)計(jì)）對(duì)圖2-5中各差分后的二值圖像先進(jìn)行腐蝕再進(jìn)行膨脹，所得效果如圖2-8所示。第25幀差分后二值化圖像腐蝕膨脹第85幀差分后二值化圖像腐蝕膨脹第145幀差分后二值化圖像腐蝕膨脹圖2-8對(duì)各幀的腐蝕和膨脹(3)開啟和閉合開啟就是相對(duì)圖像進(jìn)行腐蝕，然后膨脹其結(jié)果。閉合就是先對(duì)圖像進(jìn)行

27、膨脹，然后腐蝕其結(jié)果。開啟一般使對(duì)象的輪廓變得光滑，斷開狹窄的間斷和消除細(xì)的突出物。閉合同樣使輪廓線變得光滑，但是開啟相反的是，它通常消除狹窄的間斷和長(zhǎng)細(xì)的鴻溝，消除小的孔洞，并填補(bǔ)輪廓線中的斷裂開啟。使用結(jié)構(gòu)元素B對(duì)集合X進(jìn)行開啟操作，表示為XB，定義為11：XBABB(2-11)使用結(jié)構(gòu)元素B對(duì)集合X進(jìn)行閉合操作，表示為XB，定義為11:XBABB(2-12)11XX大學(xué)2011屆本科生畢業(yè)論文（設(shè)計(jì)）實(shí)驗(yàn)結(jié)果及分析本文著重研究了利用背景減法進(jìn)行目標(biāo)檢測(cè)在Matlab中的實(shí)現(xiàn)方法。利用Matlab圖像處理功能來實(shí)現(xiàn)經(jīng)典的圖像處理方法,簡(jiǎn)化了算法,達(dá)到了檢測(cè)目標(biāo)的預(yù)期效果,為后面的目標(biāo)跟蹤、

28、目標(biāo)分類等奠定了基礎(chǔ)。本文經(jīng)過如圖2-9所示的流程能夠達(dá)到如圖2-10所示的效果:圖2-9檢測(cè)過程第25幀第85幀第145幀圖2-10檢測(cè)效果實(shí)踐證明該方法具有很高的準(zhǔn)確度。12XX大學(xué)2011屆本科生畢業(yè)論文（設(shè)計(jì)）參考文獻(xiàn)馬頌德，X正友計(jì)算機(jī)視覺計(jì)算理論與算法基礎(chǔ)科學(xué)，1999：124166EdChang,AVidehZakhor.ScalableVideo.IEEETrans.OnCirouitsandSystemsforVideoTechnology,Vol.7,NO.5,pp.256-289,October19973X貴喜，邵明禮真實(shí)場(chǎng)景下視頻運(yùn)動(dòng)目標(biāo)自動(dòng)提取方法光學(xué)學(xué)報(bào)第26卷，第

29、8期4毛燕芬，施鵬飛基于對(duì)象的視頻圖像分割技術(shù)中國(guó)圖象圖形學(xué)報(bào)，2003，8A(7)：726731賀貴明，吳元?；趦?nèi)容的視頻編碼與傳輸控制技術(shù)，XX大學(xué)，2005：4050彭小波，邢曉正，胡紅專Matlab與VC+混合編程在光斑位置測(cè)量中的應(yīng)用儀器儀表學(xué)報(bào)，2003，28(4)：2222237徐方明，盧官明基于改進(jìn)surendra背景更新算法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法XX電子技術(shù)2009年5期(日本)谷口慶治編，朱虹等譯數(shù)字圖像處理(應(yīng)用篇)，科學(xué)：2922979黃磊，于曼曼基于背景差分的運(yùn)動(dòng)目標(biāo)檢測(cè)研究軟件導(dǎo)刊第8卷，第6期2009年6月(日本)谷口慶治編，朱虹等譯，數(shù)字圖像處理(基礎(chǔ)篇)，科學(xué)：

30、8081王世香精通MATLAB接口與編程M電子工業(yè)，2007章霄，董艷雪，趙文娟。數(shù)字圖像處理技術(shù)，冶金工業(yè)：219225:/wenku.baidu/view/df0e1b29647d27284b735181.html13XX大學(xué)2011屆本科生畢業(yè)論文（設(shè)計(jì)）致謝在此論文撰寫過程中，要特別感謝我的導(dǎo)師許建忠的指導(dǎo)與督促，同時(shí)感謝他的諒解與包容。沒有許老師的幫助也就沒有今天的這篇論文。求學(xué)歷程是艱苦的，但又是快樂的。感謝我的輔導(dǎo)員從風(fēng)老師，謝謝他在這四年中為我們?nèi)嗨龅囊磺校磺蠡貓?bào)，無私奉獻(xiàn)的精神很讓我感動(dòng)，再次向他表示由衷的感謝。在這四年的學(xué)期中結(jié)識(shí)的各位生活和學(xué)習(xí)上的摯友讓我得到了人

31、生最大的一筆財(cái)富。在此，也對(duì)他們表示衷心感謝。謝謝我的父母，沒有他們辛勤的付出也就沒有我的今天，在這一刻，將最崇高的敬意獻(xiàn)給你們！本文參考了大量的文獻(xiàn)資料，在此，向各學(xué)術(shù)界的前輩們致敬！14XX大學(xué)2011屆本科生畢業(yè)論文（設(shè)計(jì)）附錄運(yùn)動(dòng)目標(biāo)檢測(cè)matlab程序:clearclcnStar=1;nNUM=164;Background=double(rgb2gray(imread(car(,int2str(nStar),).bmp);%第一幀當(dāng)做初始背景背景更新過程fork=nStar+1:1:nNUMCurrentImage=double(rgb2gray(imread(car(,int2str(k),).bmp);%當(dāng)前幀F(xiàn)ormerImage=double(rgb2gray(imread(car(,int2str(k-1),).bmp);%前一幀ID=uint8(abs(CurrentImage-Forme