序列图像运动目标检测算法研究

《序列图像运动目标检测算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号UDC工学硕士学位论文y88S168学号030100“序列图像运动目标检测算法研究硕士生姓名王鲲鹏学科专业航空宇航科学与技术研究方向基于图象的精密光测及运动测量指导教师于起峰教授国防科学技术大学研究生院二oo五年十一月国防科学技术大学研究生院学位论文摘要复杂背景条件下的运动目标检测由于其极高的应用价值和良好的发展前景，正日益成为计算机视觉的一个基本问题。目前，运动目标检测理论已被广泛的应用于军事侦察、安全监视、交通检测、医学研究、试验测量等多个领域。本文将研究复杂背景下的序列图像中运动目标检测的算法，主要做了如下工作：1．

2、从原理上研究了差图像法、光流法、去背景法等常见的目标检测算法，通过具体序列图像实现了这些算法，针对其中的不足提出了改进方案。2．提出了一种基于正负差图像的运动目标检测算法，较之以往的差图像法，该方法同时获得正差图像和负差图像，通过两幅差图像之间的关联性，检测出运动目标。在本文中详细地对该方法的基本原理、实现步骤、实验结果等方面内容进行了论述。3．将正负差图像法与跟踪算法相结合，提出一种可以自动检测并跟踪运动目标的跟踪方法。4．分析并改进了基于EM(ExpectationMaximum)算法的运动目标分层检测算法，早期算法由于涉及

3、光流场求解、仿射变换、聚类合并等复杂运算，计算量大，不适合图像序列的快速处理。本文采用EM算法直接对块匹配求得的运动参数进行分类，绕开光流计算和仿射变换，减小了计算量。5．简要分析了当前运动目标检测理论的发展方向。主题词：运动目标检测正负差图像EM算法图像分层表示第i页国防科学技术大举研究生院学位论文ABSTRA(了I'MovingobjectdetectionincomplexenvironmentisabasicprobleminComputerVision，Becauseofitsgoodprospectandhighap

4、plicationvalue，Atthepresenttime，thetheoryofmovingobjectdetectionhasbeenusedwidelyinmanyfield，suchasmilitaryspy,televisionsurveillance,trafficdetection，medicalresearch,experimentationmeasureandsoon．Thisthesisisfocusedonmovingobjectdetectionalgorithmsincomplexenvironme

5、nt，anditmainlyincludes4sections：1．Thebasicalgorithmsofmovingobjectsdetection。suchasadjacentframesdifferencealgorithm，OpticalFlowalgorithmandbackgroundsubtractionalgorithm，isanalyzed，andtheimplementresultofthesealgorithmswithsomecomfflonvideosequenceisgiven。Someimprov

6、edalgorithm,whichcarlimprovethedeficiencyofbasicalgorithms，isalsoresearched．2．Anewmethodformovingtargetdetectionbasedonpositiveandnegativedifferencemapsispresented．Comparedwiththebasicframesdifferenceapproach,itgetstwodifferencemaps。positivedifferencemapandnegativedi

7、fferencemapatthesametime．Makinguseoftherelativityofthetwomaps，themovingobjectsCallbedetectedeasilyandexactly．Inthisthesis,wedisusedthebasicprinciple，implementstepsandtheexperimentresultofthealgorithm．3．硼∞newobjectdetectionalgorithmbasedonpositiveandnegativedifference

8、mapsisintegratedwithobjecttrackingalgorithm．Thisnewobjectwtrackingalgorithmcandetectandtrackobjectsautomatically．4．Anobjectdetectio