基于帧间差分算法的运动目标检测研究毕业设计论文(编辑修改稿)

基于帧间差分算法的运动目标检测研究毕业设计论文(编辑修改稿)内容摘要：

/ 1 0 0Y R G B   （ ） 3） 移位方法 ： ( * 7 6 * 1 5 1 * 2 8 ) 8Y R G B     （ ） 4） 平均值法 ： ( ) / 3Y R G B   （ ） 5） 仅取绿色 ： YG （ ） 我们可以通过上述中任何一种方法得到灰度值 Y ， 将原来的 RGB（ R， G， B）中的像素值，统一用灰度值 Y 代替，这样就形成了一个新的颜色 RGB（ Y ， Y ， Y ），基于帧间差分算法的运动目标检测研究 8 这样，我们就得到了灰度图像了。 数学形态学 数学形态学简介 数学形态学理论是由法国巴黎的地质学家 和 创立的 ,这是一门新兴的分析图像的科学。 数学形态学一门严格建立在数学理论基础上的学科 ,它以集合论为其数学基础 [15]。 其基本思想方法就是用具有一定形态的结构元素去度量和图像中对应的形状 ,以达到对图像分析和识别的目的。 这门学科起初是针对二值图像而进行运算的 ,但由于它不仅能够简化图像数据 ,保持图像基本的形状特性 ,还能够除去图像中不相干的结构的特点 ,所以它 目前被广泛的应用于图像处理领域。 形态学运算可以把图像中形状和尺寸与结构元素相似的几何特征保留下来，并且把其余的不需要的特征滤除。 这种结构表示可以是分析对象的宏观性质，比如在分析一个工具的形状时，研究的就是其宏观的结构；同时也可以是微观性质，比如，在分析颗粒的分布或由小的基元产生的纹理时，研究的便是其微观结构。 数学形态学应用 数学形态学是一门建立在严格数学理论基础上的学科，其基本思想和方法对图像处理的理论和技术产生了重大影响。 事实上，数学形态学已经构成一种新的图像处理方法和理论，成为计算机数 字图像处理及分形理论的一个重要研究领域，并且已经应用在多门学科的数字图像分析和处理的过程中。 这门学科在计算机文字识别，计算机显微图像分析 (如颗粒分析 )，医学图像处理（例如细胞检测、心脏的运动过程研究、脊椎骨癌图像自动数量描述），图像编码压缩，工业检测 (如食品检验和印刷电路自动检测 )，材料科学，机器人视觉，汽车运动情况监测等方面都取得了非常成功的应用 [15]。 另外，数学形态学在指纹检测、经济地理、合成音乐和断层 X 光照像等领域也有良好的应用前景。 形态学方法已成为图像应用领域工程技术人员的必备工具。 目前，有关数学 形态学的技术和应用正在不断地研究和发展。 另外 ， 形态学在边缘提取 、图像分割、噪声滤除等方面应用也非常的广泛。 计算机毕学院业毕业（设计）论文 9 形态学运算 数学形态学有四个基本运算：膨胀和腐蚀、开启和闭合。 它们在二值图像中和灰度图像中各有自己的特点。 在这里，我们主要介绍数学形态学在二值图像中的应用。 1) 膨胀 二值形态学中的运算对象是集合。 设 A 和 Ｂ 为 n 维空间中的点集，一般 A为图像集合， B 为结构元素， Bx 为 B 的核，膨胀运算符为“⊕ ” ,那么用结构元素 B 对图像集合 A 进行膨胀运算可表示为： { | } { | }A B x A B x x B x A       （ ） 它表示 A 用 B 来进行膨胀时，其运算结果为集合 x，其中包含的是 Bx 与 A的交不为空的数据集。 或者 x 是 Bx 击中（用符号↑表示） A 而形成的数据集，一般以 B 中位于 (0,0)处的元素作为 B 的核 Bx[15]。 2)腐蚀 腐蚀的运算符为  ， B 腐蚀 A 的运算表示为： { | }A B x B x A    （ ） 它表示 A 用 B 腐蚀时，其结果为集合 x，它由将 B 平移 x 后 ，仍包含 在 A 中的所有点组成。 膨胀和腐蚀这两种运算是紧密的联系在一起的，并且它们具有对偶性。 一个运算对目标图像的操作相当于另一个运算对图像背景的操作。 以 cA 表示集合 A的补集， B 表示 B 关于坐标原点的反射，那么其对偶性就可可表示为 : ()cAB = cA  B （ ）或 ()c c cA B A B   （ ） 由以上公式我们可以得出，腐蚀运算是对图像的内部作滤波处理，而膨胀运算则是利用结构元素对图像补集进行填充， 因而它就是对图像外部作滤波处理。 从他们的功能可以看出，腐蚀具有收缩图像的作用，可以消除图像中小的成分。 而膨胀具有对图像的扩大作用 , 可以填充图像中相对于结构元素而言相对比较小的孔洞。 3)开运算 在形态学处理中，除了腐蚀和膨胀这两种基本运算之外，还有另外两种很重要的运算，即开运算和闭运算。 这两种运算是数学形态学中最主要的运算或变换。 如果我们从结构元素填充的角度看，它们有着更为直观的几何形式。 基于帧间差分算法的运动目标检测研究 10 设 A 为输入图像， B 为结构元素，利用 B 对 A 作开运算，用符号 A B 表示，则开运算的定义为： ()A B A B B    （ ） 开运算实际上就是 A 先被 B 腐蚀，接着再被 B 膨胀的结果。 开运算还可以用其它符号表示，如 O(A， B)， OPEN(A， B)等方式表示，在本文中，我们采用 O(A，B)来表示。 当结构元素 B 扫过整个图像集合的内部， A B 就 表示图像 A 中这样的像素点：能够使结构元素 B 中的 任何像素不越出图像 A 边界。 例如，我们用圆盘做为结构元素，矩形做为图像，进行开运算。 通过上述对膨胀和腐蚀的介绍，我们不难得到开运算的结果，如图 所示。 图 圆盘开运算 从图 我们可以看出开运算的两个作用 :一是利用圆盘做开运算起到磨光边缘的作用，即可以使图像的尖角转化为背景；二是圆盘的圆化作用可以起到低通滤波的效果。 4)闭运算 闭运算是开运算的对偶运算，定义为先作膨胀后作腐蚀。 用符号 AB 表示，也可以用 C(A,B)表示，其定义为 : ()A B A B B    （ ） 从上式可以看出，对图像 A 用结构元素 B 作闭运算可得到一个集合，该集合中包含所有这样的点 x, x 被一个平移的镜像结构元素覆盖的同时，平移的镜像结构元素与 A 图像必有一些公共点。 由此看出，初始图像 A 是包含在闭运算后的AB 中，即闭运算是具有延伸性的运算。 图 表示了闭运算的过程及结果。 图 圆盘做闭运算 计算机毕学院业毕业（设计）论文 11 显然，闭运算对图像的外部做滤波，仅仅磨光了图像内部 的尖角。 开、闭运算互为对偶运算，开运算对图像的内部做滤波，有磨光图像外边界的作用。 形态学滤波 图像在生成、传输、变换过程中会受到各种各样的外界因素的干扰，这些干扰有可能使图像质量所下降和退化，图像变得模糊，并且夹杂有各种噪声。 为此，在进行图像处理时，一般先进行图像滤波 [12]以去除噪声，然后才可以较好的进行后续处理。 然而传统的滤波器在去除噪声的同时，也会使图像的细节特征变模糊了，不利于后续的处理。 而以数学形态学为理论基础，以形态变换为基本手段，以构造不同结构元素的形态滤波，改进了传统滤波器的 不足，它利用形态学中的开闭运算构成了形态学滤波器，从而来去除图像中的相应结构的外部 (或内部 )的随机噪声。 在形态变换中，结构元素的作用就相当于信号处理中的“滤波窗口”。 因此对不同的目标图像，我们需设计不同的结构元素以及不同的处理算法。 对于二值图像，噪声表现为目标周围的噪声块和目标内部的噪声孔。 用结构元素 B 对集合 A 进行开启操作，就可以将目标周围的噪声块消除掉；用 B 对 A进行闭合操作，则可以将目标内部的噪声孔消除掉。 在该方法中，对结构元素的选取相当重要，它应当比所有的噪声孔和噪声块都要大。 数学形态学以腐蚀、膨胀 、开运算和闭运算为基础。 形态滤波器 [15]是由以集合论为基础的开、闭运算组成的，它们具有不模糊图像边界的特性，采用形态算子对图像进行处理便构成了数学形态学滤波器。 数学形态学滤波器在图像处理和分析中有着广泛的应用，一般说来开运算用来消除散点和“毛刺”，即对图像进行平滑，闭运算则填平小洞或将两个邻近的区域连接起来。 形态滤波器是用一个结构元素 B 对初始图像串联地使用开、闭操作。 这样图像中比结构元素小的游离的噪声将被滤除。 若初始图像为 A，结构元素为 B，则形态滤波器可以这样来构成 : ((( ) ) )A B B B B    （ ）或 ((( ) ) )A B B B B    （ ） 可通过设计适当的结构元素 B，对 A 进行腐蚀以消除 A 中的微小颗粒，即噪声点。 然后对腐蚀结果再用 B 进行膨胀，以恢复有用信息 (细节部分 )。 这样重复的进行腐蚀与膨胀，图像中的噪声就会被去除掉。 形态滤波器的输出不仅取决于变换的形式，而且取决于结构元素的尺寸和形基于帧间差分算法的运动目标检测研究 12 状，因此结构元素的选择很重要。 设存在一个未被噪声污染的图像 S，一个噪声图像 N，被噪声污染的图像由 S 和 N 的并集构成。 如果最大的噪声粒子比最小的非污染图像粒子小，那么，选择半径在最大噪声粒子和最小非噪声粒子之间的结构元素 B 做开运算，可以得到非常好的噪声恢复效果，所有的噪声粒子都被滤掉。 但是，如果噪声图像与非噪声图像发生重叠形成结团，或者某些噪声粒子的半径超过了某些非噪声粒子的半径，那么情况便会复杂很多。 为此，选择圆形的结构元素对于恢复噪声污染图像 会产生较好的滤波效果。 因为圆形的圆化作用可得到低通滤波的效果，并且采用圆形滤波，不受旋转的影响。 接下来，在确定圆形结构元素的半径时，可采用优化方法，将图像和噪声视为随机过程，通过统计分析，对被噪声污染的颗粒图像进行数量分析，求取统计分布参数，获得出现概率最大的噪声颗粒和未被噪声污染颗粒的半径，选取恰当的结构元素半径，得到优化结果。 二值图像 图像二值化就是指用灰度变换来研究灰度图像的一种常用方法， 该方法 的原理是设定某一阈值可以将灰度图像的像素分成两部分 ，一部分 大是于阈值的像素群 ， 另一部分是小于阈 值的像素群。 设 输入灰度图像函数为 ( , )f xy ，输出二值图像函数为 ( , )gxy ，则   T h r e s ho ldyxf T h r e s ho ldyxfyxg ) ,( 25 5 ),( 0) , ( () 阈值是把目标区域和背景区域区分开的标尺，如何选取选取适当的阈值非常重要。 因为 预知的选择既要尽可能的保存图像信息，又要尽可能的减少背景干扰和噪声的干扰，这是阈值选择的原则。 图像二值化就是 将 图像上的点的灰度置为 0 或 255，也就是说 ， 二值图像呈现 出来的是黑白效果。 也即是 把 256 个亮度等级的灰度图像通过选取一个适当的阈 值使获得的二值图像仍然可以反映图像整体特征和局部特征。 在数字图像处理方面，二值图像的地位非常重要， 尤其 是在实用的图像处理中，以二值图像处理的实现而构成的系统 有 很多，如要进行二值图像的分析与处理，首先就是要把灰度图像二值化，得到二值图像，这样才有利于对 目标 图像做进一步的处理，在进行二值图像处理时 ， 图像的集合性质只与像素值为 0 或 255的点的位置有关，不再涉及像素的多级值，这使处理变得更简单， 并 且 数 据的处理和压缩量非常小。 二值图像在 图像分析 中有非常广泛的应用 ，在基于帧间差分计算机毕学院业毕业（设计）论文 13 算法那 运动目标检测中 ， 我们常常将灰度图像转化为二值图像再对二值图像进行去噪处理 ， 以便获取准确的运动目标 ， 这是二值图像非常使用的一个方面。 由于二值图像具有存储量小，运算简单，便于操作等特点，在把灰度图像转化为二值图像的基础上，对图像进行研究，可以简化研究过程，因此对二值图像的研究具有非常重要的意义。 本章总结 本章主要是对运动目标检测应用到的相关技术理论知识进行了阐述总结，介绍了有关运动目标检测，灰度图像，二值图像，数学形态学的相关理论知识，以及他们的在相应的领域中 的应用。 基于帧间差分算法的运动目标检测研究 14 第 3 章 二帧差分算法 基本思路 运用传统帧差法提取运动目标的过程如下图（ ）所示，首先，从摄像机采集的视频序列中获取第 k 帧以及 k1 帧进行平滑去噪，将其转换为灰度图像，然后通过帧差法得到二值化图像，最后在进行形态学去噪处理，得到实验结果。 图 帧间差分运动目标检测流程图 实现过程 根据二帧差分算法的基本思路 ， 二帧差分算法的实现过程可以分为以下几个步骤 ： 1）从视频序列中提取连续的两帧图像，我们定义当前帧为第 k 帧，那么提取目标图像时，选取。