發(fā)布時(shí)間：2023-10-26 18:24

　　運(yùn)動(dòng)目標(biāo)檢測(cè)作為后續(xù)的圖像處理的基礎(chǔ),它被廣泛的應(yīng)用在車輛跟蹤、行人檢測(cè)、無人駕駛等領(lǐng)域,因此成為計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)之一。在車流量檢測(cè)系統(tǒng)中,運(yùn)動(dòng)目標(biāo)極易受到光照、噪聲、陰影等復(fù)雜環(huán)境的干擾,這會(huì)導(dǎo)致檢測(cè)結(jié)果不準(zhǔn)確。為改善運(yùn)動(dòng)目標(biāo)的檢測(cè)結(jié)果,選用了能夠有效的抑制噪聲的ViBe算法,并以此為基礎(chǔ)算法,開展運(yùn)動(dòng)目標(biāo)檢測(cè)中的鬼影、目標(biāo)殘缺和陰影前景等異常情況的相關(guān)研究。首先,針對(duì)ViBe算法檢測(cè)出來的運(yùn)動(dòng)前景里存在鬼影的問題進(jìn)行分析,從中可以了解到ViBe算法利用首幀進(jìn)行背景建模。若是首幀中存在待檢測(cè)目標(biāo),則在背景樣本初始化時(shí)會(huì)將運(yùn)動(dòng)目標(biāo)的像素包含進(jìn)去。因此在目標(biāo)運(yùn)動(dòng)之后,會(huì)在原地留下鬼影。從這一分析可以得知,使用真實(shí)背景進(jìn)行模型初始化是必要的。針對(duì)這一問題,提出使用改進(jìn)的平均背景法與ViBe算法相結(jié)合的方法。該方法利用改進(jìn)的平均背景法得到真實(shí)背景,用所得的真實(shí)背景進(jìn)行ViBe算法的背景模型初始化。這樣一來,在后續(xù)幀進(jìn)行檢測(cè)時(shí)就不會(huì)出現(xiàn)鬼影的現(xiàn)象。從實(shí)驗(yàn)結(jié)果來看,所提算法與其他幾種算法相比,不僅能夠快速的消除鬼影,同時(shí)還具有良好的性能。其次,研究了光照突變時(shí)對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)的影響。從對(duì)V...

【文章頁數(shù)】：54 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的章節(jié)安排
第2章 視頻圖像處理的基礎(chǔ)知識(shí)
    2.1 圖像灰度化
    2.2 圖像濾波
    2.3 形態(tài)學(xué)操作
    2.4 運(yùn)動(dòng)目標(biāo)檢測(cè)算法
    2.5 本章小結(jié)
第3章 鬼影抑制方法研究
    3.1 鬼影問題分析
    3.2 改進(jìn)的平均背景法
    3.3 改進(jìn)的ViBe算法的運(yùn)動(dòng)目標(biāo)檢測(cè)
    3.4 實(shí)驗(yàn)結(jié)果及分析
        3.4.1 實(shí)驗(yàn)結(jié)果
        3.4.2 算法性能評(píng)估
    3.5 本章小結(jié)
第4章 目標(biāo)異常時(shí)處理方法的研究
    4.1 陰影出現(xiàn)的原因
    4.2 光照突變和陰影對(duì)目標(biāo)檢測(cè)的影響
    4.3 基于自適應(yīng)閾值的運(yùn)動(dòng)目標(biāo)檢測(cè)
        4.3.1 大津閾值法的原理
        4.3.2 實(shí)驗(yàn)結(jié)果與分析
    4.4 基于改進(jìn)的灰度直方圖陰影去除法
        4.4.1 改進(jìn)的灰度直方圖
        4.4.2 陰影消除
        4.4.3 陰影消除算法的具體流程
        4.4.4 實(shí)驗(yàn)結(jié)果
        4.4.5 算法性能評(píng)估
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及研究成果



本文編號(hào)：3856710