视频监控系统近年来发展迅速,数据量海量增加。这些海量的数据不仅给人力检索和浏览带来挑战,在数据传输和存储方面也带来巨大的压力。因此,智能视频监控技术成为了研究的热点,它通过采用更加灵活的压缩处理和重构方式,实现更低的网络带宽消耗,并以更加简短的视频摘要对冗余视频进行浓缩表示。作为关键技术之一的图像融合会影响到融合后的视觉效果,并在一定程度上影响最终视频的表现质量。融合技术可分为前景提取和合成两部分,但是将其用于视频序列中不确定性更强,利用运动目标提取技术比较合适。当前,常见的基于视频序列的目标提取算法精度不够,不满足融合算法对前景完整性的要求。同时融合算法时间复杂度较高,不适用于视频监控系统中。本文以此出发,研究设计了一套快速图像融合算法,满足提取目标完整、开销低、无缝融合的需求,能够应用到视频序列中,主要工作包括以下两个方面:(1)基于ViBe算法研究了一种基于视觉显著性分析的目标提取改进算法。ViBe(Visual Background Extractor)算法凭借简单快速等长处应用广泛,但是在检测的过程中,由于样本个数的限制和样本随机选择的原因,容易出现碎片和空洞,提取结果不适合后续合成步骤。前景边缘的丢失不满足融合算法对精度的要求,因此在融合的基础上,本文针对这个现象对ViBe算法做出了改进。首先通过形态学处理去除了提取时产生的碎片,为后续解决空洞问题做准备。针对目标出现的大面积空洞问题,借助于视觉显著性检测,提出基于视觉显著性分析的空洞填充方法。首先确定前景区域的范围并分块找出空洞部分,利用显著值给空洞像素块的邻居像素块确定权重值,代入计算相似度函数,分析属性,并最终获得精确的前景目标。通过实验测试证明,改进后算法与ViBe相比,查准率和查全率提升约 2%-10%。(2)研究了一种基于亮度一致性分析的稀疏泊松融合方法。现有常用的融合方法有加权融合和泊松融合。泊松融合算法效果较好,但是在求解线性泊松方程时,梯度场的偏移会导致渗色现象,同时复杂的求解过程会带来过高的时间复杂度。本文利用颜色空间转换改善了泊松融合的渗色现象,并通过分析前背景间最大的差异在于亮度上的不同,通过引进矩阵的奇异值运算和泊松融合算法结合,实现稀疏融合,极大的节省了计算资源。首先借助矩阵奇异值计算得到前背景间的亮度比例因子。根据比例值自适应调整前背景间的亮度差异并选择后续合适的算法,在实现亮度上无缝的同时,提高算法效率。通过实验测试证明,改进后的融合算法基本达到无缝要求。相比较于泊松融合,在不影响融合效果的影响下,融合算法的效率提高了 1.5-2倍。最后,本文使用CDnet2014数据集对算法进行测试,最终通过实验结果表明,本文提出的快速图像融合算法在处理结果上基本满足监控系统的实时性、准确度以及低计算成本的需求。本文对视频监控场景下的前景提取以及自适应、快速高效的图像融合方法的探索和尝试,对于更加优质的图像处理的提高和改善有着一定的利用价值。