動態(tài)圖像目標(biāo)識別與跟蹤技術(shù)研究.pdf

1、動態(tài)圖像處理技術(shù)主要包含對圖像序列中的運動目標(biāo)檢測，分類識別和跟蹤，以及對運動目標(biāo)的行為進(jìn)行理解和描述，其中運動目標(biāo)檢測與跟蹤技術(shù)應(yīng)用廣泛，多年來一直都是國內(nèi)外眾多研究人員研究的方向。但是由于圖像序列本身的復(fù)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(biāo)檢測跟蹤方法依然是該領(lǐng)域面臨的一個巨大挑戰(zhàn)。
　　 本文首先介紹數(shù)字圖像預(yù)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(xué)形態(tài)學(xué)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(jìn)的加權(quán)中值濾波算法（加權(quán)自適應(yīng)中值濾波算法和加權(quán)快速中值濾波），通過實驗得出加權(quán)自適應(yīng)中值濾波算法較加權(quán)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(biāo)識別的基本原理和方法做了詳細(xì)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(jìn)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(yīng)用加權(quán)自適應(yīng)中值濾波進(jìn)行去噪，然后再使用最大類間方差法選取閾值對圖像進(jìn)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(biāo)。相比于傳統(tǒng)對稱差分算法，改進(jìn)后的對稱差分算法包含了更多的目標(biāo)信息，檢測出的運動目標(biāo)更準(zhǔn)確，并有效的解決了目標(biāo)內(nèi)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(yīng)用Mean Shift算法計算跟蹤動態(tài)目標(biāo)。在MATLAB7.1下進(jìn)行了仿真實驗，通過實驗可