论文部分内容阅读
运动目标检测与识别算法的研究是当今图像处理与图像理解领域的一个热门方向,随着其应用领域得不断扩大,其实用价值越来越得到人们的重视。运动目标检测与识别算法研究的对象是序列图像,或者称为视频图像。对得到的图像序列进行处理,检测是否存在感兴趣的目标,并且从序列图像中提取出运动目标。目标的识别工作就是对检测出来的目标进行识别,得到目标属性以及由此识别出目标的物体种类信息。本文在总结当前主流的目标检测与识别算法的基础上,建立了目标检测与识别的整体系统,并且创新性的进行了目标检测与识别算法的研究和一些新方法,主要进行的工作和创新有:1.针对当前运动估计并没有充分利用帧间运动信息的相关性,改进了一种基于帧间估计的自适应6点距离块运动估计。该方法充分考虑了帧间运动信息相关性,且使用菱形搜索算法来增大搜索策略的准则性。由于该算法利用的是前一帧的运动信息,所以该算法可以通过并行算法来实现,以便提高算法效率。实验结果验证了该方法可以减少运动估计的时间。2.如何去除摄像机运动造成的整帧图像的变化是运动目标检测中的一个关键技术和难点问题。在整体研究了当前的全局运动估计之后,采用摄像机6参数模型进行全局运动估计。通过使用图像的局部块来进行二维图像运动估计,进而提高了整体运算速度。对得到的局部块运动估计结果,采用循环迭代拟合的方式,去除不属于背景区域的块估计结果,最后得到合理的摄像机模型的6参数,进而对每个象素采用双线性插值进行计算其运动补偿结果。测试结果表明该方法可以处理摄像机运动造成的整帧图像的位移和旋转问题。3.在研究了序列图像噪声模型之后,改进了一种基于高斯模型的的种子帧差区域增长法来生成帧差图像,从而在最大抑制噪声的同时能够得到更多的变化区域。该方法通过统计帧差图像的高斯特征,然后作为种子区域增长的条件进行变化区域的生长。通过实验结果可知,相对于其它算法,该方法可以得到更完整的变化区域。4.通过对时域信息与空域信息的分析,提出一种新的基于时空信息融和的改善帧差目标提取方法。该方法在对变化区域使用相位相关法求取出运动目标的时