資源描述:
《動態(tài)背景下目標(biāo)圖像分割方法的研究4.21》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、摘要摘要隨著圖像處理理論和計(jì)算機(jī)技術(shù)的發(fā)展,動態(tài)圖像的目標(biāo)獲取己經(jīng)成為計(jì)算機(jī)科學(xué)、機(jī)器視覺、圖像工程、模式識別、人工智能領(lǐng)域研究的重要課題。對于動態(tài)圖像的分析是圖像處理與計(jì)算機(jī)視覺領(lǐng)域一個(gè)十分活躍的分支和備受關(guān)注的前沿課題。動態(tài)目標(biāo)圖像獲取的基本任務(wù)是從圖像序列中識別出運(yùn)動信息和背景信息,實(shí)現(xiàn)運(yùn)動信息與復(fù)雜背景的精確的智能分割。它在軍事、工業(yè)、智能交通、醫(yī)學(xué)和多媒體等領(lǐng)域方面都具有重要的意義,發(fā)展應(yīng)用前景廣闊。在現(xiàn)代的智能交通及多媒體應(yīng)用技術(shù)中,常常需要檢測出運(yùn)動的人體或車體,并將其與背景分離。即要求解決復(fù)雜背景
2、下動態(tài)目標(biāo)的分割問題。靜態(tài)圖像分割技術(shù)可以應(yīng)用于序列圖像的目標(biāo)檢測,目前的靜態(tài)圖像分割技術(shù)大致可以提取出目標(biāo)的輪廓,但邊緣的細(xì)化問題仍然沒有很好的解決。本文提出了針對該問題的解決方法,并把運(yùn)動前景中運(yùn)動目標(biāo)和它投射的運(yùn)動陰影分離開來,有效的抑制了陰影的影響,實(shí)現(xiàn)了動態(tài)目標(biāo)的準(zhǔn)確分割。動態(tài)圖像序列的目標(biāo)分割相對于靜止圖像來講,所含的信息量要大很多,所以要選擇合適的算法??紤]到動態(tài)圖像序列有很多的復(fù)雜情況,分割算法要更加細(xì)化。動態(tài)圖像序列存在著實(shí)時(shí)背景的變化,這就需要構(gòu)造動態(tài)背景;在序列圖像的各幀中,由于目標(biāo)體的運(yùn)動
3、,會有個(gè)別幀目標(biāo)邊緣模糊,或出現(xiàn)與背景顏色相近的情況,因此在差分過程中容易出現(xiàn)目標(biāo)體的局部缺失,針對此問題本文采用了分割逼近法對圖像進(jìn)行粗分和細(xì)分兩次分割,建立了人物圖像邊緣連通體再替換原圖像的方法。首先,總體介紹了目標(biāo)獲取方法的各個(gè)步驟,包括目標(biāo)的提取、背景的形成、陰影的分割。討論了傳統(tǒng)的圖像分割算法和邊緣檢測算法,和邊緣檢測的評價(jià)標(biāo)準(zhǔn)。圖像邊緣檢測是至今沒有得到圓滿解決的一類問題,通過追蹤未知目標(biāo)的輪廓而掃視這個(gè)物體。對一些傳統(tǒng)的邊緣檢測算子,如:一階Roberts算子、Sobel算子等等進(jìn)行了原理分析,并將
4、這些算子應(yīng)用于目標(biāo)圖像,測試其邊緣檢測的效果。但這些傳統(tǒng)邊緣檢測算子都過于簡單,其去除噪聲以及確定邊緣位置等性能不是很理想。本文也對拉普拉斯算子進(jìn)行了分析,經(jīng)過分析測試其邊緣檢測效果好于一階算子,但是仍然存在噪聲。進(jìn)一步討論了圖論的邊緣檢測方法。對于-I-摘要圖像分割,最基本的是閾值法,對灰度圖象分割效果較好,而特征空間聚類法在彩色空間分割里應(yīng)用較多。針對背景的擾動和光線的變化,為了準(zhǔn)確提取運(yùn)動目標(biāo),本文提出一種實(shí)用的方法就是對背景圖像進(jìn)行選擇性動態(tài)更新,對背景圖像中除掉運(yùn)動目標(biāo)對應(yīng)位置之外的點(diǎn)進(jìn)行自適應(yīng)更新。同
5、時(shí)討論了陰影的形成和對目標(biāo)分割的影響。其次,對彩色空間內(nèi)的目標(biāo)圖像的分割進(jìn)行了專題研究,彩色圖像分割中,彩色空間的選擇是圖像處理的難點(diǎn)。每種彩色空間都有著自己各自的優(yōu)缺點(diǎn),都在不同的領(lǐng)域發(fā)揮著重要的作用。一般的思想是具體問題具體處理。本文完成了RGB空間和HSV空間的目標(biāo)分割,并在兩個(gè)空間里分別研究了陰影的抑制和分割噪聲的抑制。然后,將圖像分割的目光轉(zhuǎn)移到了基于動態(tài)目標(biāo)的研究上來。因?yàn)楣饩€、天氣等條件的變化引起背景的改變,在這種情況下,只有依據(jù)一定的模型來更新背景圖像,才能準(zhǔn)確提取運(yùn)動目標(biāo),本文利用幀間局部背景構(gòu)
6、造全背景的方法,實(shí)現(xiàn)背景的實(shí)時(shí)更新。首先在圖像序列中找出一幀靜態(tài)背景,然后利用幀間的更新背景不斷替換前面的背景。這樣在分割使用時(shí)能保證使用的背景是離被差分幀最近,從而達(dá)到誤差最小的目的。并采用分割逼近算法勾勒出目標(biāo)的輪廓,實(shí)現(xiàn)對目標(biāo)的分割。另外,由于被陰影覆蓋的背景與沒有陰影的背景區(qū)域的顏色差別也很大,很難將真正的運(yùn)動目標(biāo)和運(yùn)動陰影區(qū)分開,因此在分割出的運(yùn)動目標(biāo)中包括運(yùn)動陰影區(qū)域,陰影去除對于準(zhǔn)確的提取出運(yùn)動目標(biāo)至關(guān)重要。本文對現(xiàn)有的陰影分割方法進(jìn)行了分析與總結(jié),指出了這些方法用于陰影分割時(shí)存在的問題,針對不同的
7、應(yīng)用要求,研究了基于HSV顏色空間的陰影去除方法和基于一階梯度的陰影去除方法。最后,采用非線性視頻編輯的技術(shù),用PromierePro軟件以一定的幀速率將每幀目標(biāo)圖片連接成視頻文件,并與背景進(jìn)行了合成。關(guān)鍵詞陰影去除,邊緣檢測,圖像分割,目標(biāo)恢復(fù),動態(tài)背景-I-AbstractAbstractWiththedevelopmentofimageprocessingtheoryandcomputertechnology,howtoacquiretheobjectofmovingimagehasalreadybeeno
8、neimportanttopicinthefieldofcomputerscience,machinevision,imageengineering,patternrecognitionandartificialintelligence.Theanalysistothedynamicimageisanactivebranchandalsoaleadingtopicbein