視頻圖像處理中的關(guān)鍵技術(shù)研究.pdf

1、基于圖像序列中運(yùn)動(dòng)目標(biāo)檢測(cè)、匹配、跟蹤與識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域一個(gè)新興的方向和備受關(guān)注的前沿課題，它結(jié)合了機(jī)器視覺(jué)、計(jì)算機(jī)科學(xué)、圖像工程、模式識(shí)別、人工智能等先進(jìn)技術(shù)，廣泛地應(yīng)用于人機(jī)交互、智能監(jiān)控、機(jī)器視覺(jué)導(dǎo)航、工業(yè)機(jī)器人等各個(gè)方面。視頻圖像的智能信息一體化分析和理解是機(jī)器視覺(jué)領(lǐng)域研究的熱點(diǎn)。主要包括感興趣目標(biāo)的檢測(cè)、目標(biāo)匹配、目標(biāo)跟蹤以及目標(biāo)識(shí)別等關(guān)鍵技術(shù)。雖然已有眾多研究人員開(kāi)展了大量相關(guān)的研究工作，取得了較多的實(shí)驗(yàn)性成果，然而這些

2、技術(shù)距離實(shí)用化還有待深入研究。本文對(duì)圖像序列中的運(yùn)動(dòng)目標(biāo)檢測(cè)、目標(biāo)匹配、目標(biāo)跟蹤以及目標(biāo)的特征建模進(jìn)行了研究，通過(guò)實(shí)驗(yàn)論證了算法的有效性和可行性，具體研究?jī)?nèi)容如下：
　?。?）針對(duì)現(xiàn)有圖像融合算法中現(xiàn)有方法的不足，以及融合指標(biāo)不能很好的反映融合圖像的質(zhì)量，提出了一種基于非下采樣輪廓波變換的優(yōu)化圖像融合方法，充分利用非下采樣輪廓波變換的多尺度，多方向分解以及平移不變性特性，分析現(xiàn)有客觀融合指標(biāo)不能很好的反映融合圖像的質(zhì)量，建立了一種

3、新的融合評(píng)價(jià)指標(biāo)，利用多項(xiàng)式模型來(lái)擬合融合指標(biāo)與非下采樣輪廓波變換分解的層數(shù)關(guān)系，來(lái)指導(dǎo)融合，提高融合圖像的質(zhì)量，為后續(xù)的運(yùn)動(dòng)目標(biāo)檢測(cè)打下基礎(chǔ)。
　　（2）針對(duì)傳統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法容易受到復(fù)雜背景和噪聲干擾影響，檢測(cè)運(yùn)動(dòng)目標(biāo)區(qū)域不完整，造成漏檢與誤檢，研究VIBE算法，提出了一種改進(jìn)的VIBE運(yùn)動(dòng)目標(biāo)檢測(cè)的方法。針對(duì)其前景檢測(cè)以及背景更新的不足，對(duì)其進(jìn)行了改進(jìn)，然后采用Meanshift聚類算法對(duì)改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)提取的前景背景

4、信息，包括顏色，紋理，梯度進(jìn)行聚類，構(gòu)建S/T網(wǎng)絡(luò)模型，基于圖割的方法，利用最大流最小割來(lái)優(yōu)化提取的前景，從而實(shí)現(xiàn)準(zhǔn)確的運(yùn)動(dòng)目標(biāo)提取。改進(jìn)的算法對(duì)于室內(nèi)和室外場(chǎng)景比原始的VIBE算法的結(jié)果更加準(zhǔn)確，有利于后續(xù)的目標(biāo)匹配，跟蹤和識(shí)別。
　?。?）針對(duì)研究視角變化和重復(fù)紋理特征點(diǎn)匹配問(wèn)題，提出了一種魯棒的抵抗視角變化的方法-DelTri。首先針對(duì)原始SIFT匹配方法的不足，采用雙邊濾波進(jìn)行圖像預(yù)處理，更好的保存圖像的邊緣，擴(kuò)大尺度空間

5、極值點(diǎn)檢測(cè)的范圍，減少關(guān)鍵點(diǎn)的個(gè)數(shù)，加快關(guān)鍵點(diǎn)檢測(cè)的速度，使用Sobel算子計(jì)算高斯模型的圖像的梯度和方向，增強(qiáng)SIFT描述子的區(qū)分性，K-means聚類初始匹配的角度和尺度，去除誤匹配，提高匹配的精度，然后采用Delaunay三角剖分的方法，利用其剖分的唯一性，對(duì)初始匹配點(diǎn)集合構(gòu)建三角網(wǎng)，找到匹配的三角形，從而實(shí)現(xiàn)魯棒的匹配。
　　（4）針對(duì)復(fù)雜背景，光照變化，部分遮擋情況下的運(yùn)動(dòng)目標(biāo)跟蹤問(wèn)題，提出基于交互多模模型粒子濾波的多特

6、征自適應(yīng)融合的目標(biāo)跟蹤算法。該算法采用多模粒子濾波，多模是指多個(gè)特征，用了去除背景顯著特征干擾的校正背景加權(quán)直方圖，對(duì)噪聲不敏感而且具有良好分類精度的完備局部模式，描述局部形狀和表觀的方向梯度直方圖，這三種特征來(lái)建模目標(biāo)的特征表示，利用交互多模模型能夠自適應(yīng)調(diào)整模型的概率，在粒子濾波框架內(nèi)進(jìn)行自適應(yīng)融合跟蹤。多特征融合提高了跟蹤算法對(duì)于復(fù)雜背景，部分遮擋的魯棒性。
　?。?）針對(duì)運(yùn)動(dòng)目標(biāo)識(shí)別，以人體運(yùn)動(dòng)目標(biāo)為模板，提出基于時(shí)空關(guān)鍵

7、點(diǎn)描述子和運(yùn)動(dòng)模板的目標(biāo)識(shí)別算法。首先對(duì)人體目標(biāo)區(qū)域采用改進(jìn)VIBE算法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，得到的感興趣區(qū)域(ROI)序列，計(jì)算相應(yīng)的運(yùn)動(dòng)能量圖像和運(yùn)動(dòng)歷史圖像。時(shí)空關(guān)鍵點(diǎn)的檢測(cè)采用3DHarris檢測(cè)器，關(guān)鍵點(diǎn)描述子采用3DSIFT，全局特征用Hu矩不變量來(lái)表示，進(jìn)行局部特征和全局特征融合。訓(xùn)練分類器的模型采用支持向量機(jī)，碼書構(gòu)建采用詞袋模型。
　?。?）針對(duì)視頻圖像處理中的運(yùn)動(dòng)目標(biāo)檢測(cè)、目標(biāo)匹配、目標(biāo)跟蹤和目標(biāo)識(shí)別等關(guān)鍵技術(shù)存在