圖像量子中值濾波與跟蹤算法研究.pdf

1、計算機視覺與圖像處理被認為是最具有發(fā)展前景的學科之一，在實現(xiàn)人工智能方面有著不可或缺的重要性。由于對圖像以及視頻序列處理之前往往需要進行一定的預處理工作，因此本文首先對預處理算法之一的中值濾波算法進行了研究，提出一種自適應雙量子比特態(tài)圖像中值濾波方法，其次為了提高連續(xù)自適應均值漂移跟蹤方法在復雜背景中的跟蹤性能，提出了一種基于顯著性色度特征的運動目標自動選取及跟蹤方法。主要研究工作體現(xiàn)在以下幾個方面:
　　針對量子中值濾波方法對圖

2、像光照變化等干擾缺少適應能力的缺點，提出一種改進的自適應雙量子中值濾波方法。根據(jù)圖像像素灰度分布信息確定圖像像素分布概率，選擇分段歸一化后的分布概率函數(shù)作為量子比特態(tài)的概率函數(shù)，提高了濾波方法對光照變化等干擾的適應能力，改善了濾波性能。將濾波方法分別對正常光照、低光照及高光照三種情況下的圖像進行濾波分析，仿真實驗結(jié)果表明，與現(xiàn)有中值濾波方法相比，改進方法具有更好的椒鹽噪聲濾波能力，峰值信噪比、歸一化均方誤差、圖像相似度評價等指標均優(yōu)于現(xiàn)

3、有方法。
　　為了提高連續(xù)自適應均值漂移跟蹤方法在復雜背景中的跟蹤性能，提出一種基于顯著性色度特征的運動目標自動選取及跟蹤方法。利用高斯混合模型確定出目標模板，根據(jù)目標模板與其背景區(qū)色度直方圖的對比確定出目標的顯著性色度等級，將目標模板中具有顯著性色度等級的區(qū)域確定為跟蹤目標。根據(jù)跟蹤目標的色度直方圖模型利用反向投影建立跟蹤圖像的概率分布圖，采用自適應均值漂移方法實現(xiàn)目標跟蹤。仿真結(jié)果表明，該方法能夠有效提取目標的顯著性色度等級，