学位论文 > 优秀研究生学位论文题录展示

基于视频序列的运动目标滤波、分割与检测算法研究

作　者: 赵立兴
导　师: 王洪瑞
学　校: 燕山大学
专　业: 控制理论与控制工程
关键词: 智能视频监控视频序列图像滤波视频序列图像分割运动目标检测特征提取区域协方差特征匹配
分类号: TP391.41
类　型: 博士论文
年　份: 2013年
下　载: 14次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来，公共安全形势日趋严峻，基于视频序列的智能监控作为安防领域的核心技术之一，在诸如学校、医院、银行、监狱等对安全要求比较敏感的场合得到了广泛应用。当前的视频监控系统只能对视频场景中发生的事件进行简单地记录，而不能对视频中的信息进行有效处理和分析。因此，本文紧紧围绕和智能视频监控相关的视频序列滤波、分割、以及检测技术展开研究。主要内容可概括如下：视频序列图像在捕获、传输、及数字化存储过程中受到不可预测噪声污染时，会使视频序列信号质量下降（如对比度降低、细节模糊等）。为了改善视频信号的质量，本文提出了两种改进的视频信号滤波算法。首先，提出了一种滤波窗口形状、方位及尺寸可自适应改变的新的滤波算法，克服了传统均值和中值滤波及其相关改进算法由于滤波窗口参数固定而不能很好保持细节信息的缺点。其次，提出了一种混合滤波算法，通过多参数阈值比较法，将受噪声污染像素点进行分类，对不同类型噪声点分别采取不同滤波策略，有效解决了视频序列图像受两种噪声污染时采用单一滤波算法降噪效果不理想的问题。视频序列图像的分割是视频处理中的一个重要问题。本文给出了两种视频分割方法。首先，当视频信号中目标和背景的对比度比较低时，使用背景差分方法进行运动目行检测时，在背景差分序列中会检测到许多的“伪目标”。为此，本文提出了一种基于Tsallis熵的“伪目标”去除算法，该算法同时考虑了目标和背景间的差异度信息和相关性信息，较好地解决了视频序列图像在低对比度下的分割问题。其次，现有的很多视频分割算法只能提取运动区域内的单个运动目标。为此，本文提出了一种基于直方图指数平滑的多阈值视频序列图像分割算法，该算法能有效的提取运动区域内的多个运动目标。在运动目标检测过程中，当有运动目标融入背景时，W4检测算法存在背景更新不足的问题。为此，本文通过重新修改和定义新的背景划分公式和背景模型更新规则，提出了一种新的基于自适应背景差分的运动目标检测算法，实验结果证明该算法检测结果略优于传统W4算法。另外，在基于前景匹配的运动目标检测算法中，采用SIFT方法所提取的特征点过多导致匹配速度变慢。针对这个问题，本文将运动目标的不变矩和相对仿射微分不变量作为目标的特征点，采用区域协方差作为相似性度量实现了快速匹配。最后，将以上研究结果在某小区监控系统中进行了实验研究。结果表明，所提的算法能获得较好的效果。

全文目录

摘要  5-7
Abstract  7-12
第1章绪论  12-29
  1.1 课题背景  12-13
  1.2 视频目标检测系统的基本原理  13-15
  1.3 视频序列图像滤波技术研究现状  15-17
  1.4 视频序列图像分割技术研究现状  17-21
    1.4.1 基于边缘检测的视频序列图像分割  17-18
    1.4.2 基于小波变换的视频序列图像分割  18
    1.4.3 基于模糊的视频序列图像分割  18-19
    1.4.4 基于数学形态学的视频序列图像分割  19
    1.4.5 基于人工神经网络和遗传算法的视频序列图像分割  19
    1.4.6 基于阈值的视频序列图像分割  19-21
  1.5 视频序列运动目标检测方法研究现状  21-25
    1.5.1 光流场法  21-22
    1.5.2 帧间差分方法  22
    1.5.3 背景差分方法  22-23
    1.5.4 基于前景模型的图像匹配法  23-25
  1.6 运动目标分割与检测所面临的问题  25-26
  1.7 本文的主要工作及结构安排  26-29
第2章视频序列图像滤波算法研究  29-49
  2.1 噪声的分类与模型  29-30
    2.1.1 噪声分类  29-30
    2.1.2 噪声模型  30
  2.2 数字图像滤波方法概述  30-31
  2.3 图像质量和滤波效果的评定标准  31-33
  2.4 基于自适应可变窗的空域滤波算法  33-39
    2.4.1 坐标变换  33-34
    2.4.2 自适应可变窗选择算法  34-35
    2.4.3 自适应可变窗空域滤波算法具体流程  35-36
    2.4.4 仿真实验及结果分析  36-39
  2.5 基于模糊的混合滤波算法  39-48
    2.5.1 基于模糊的混合滤波算法基本原理  39-40
    2.5.2 仿真实验及分析  40-48
  2.6 本章小结  48-49
第3章基于视频序列的运动目标阈值分割算法研究  49-70
  3.1 引言  49
  3.2 基于模糊散度的视频序列图像多阈值分割算法  49-62
    3.2.1 直方图指数平滑原理  50-51
    3.2.2 平滑系数α的选取及平滑次数的选择  51-52
    3.2.3 统计直方图波峰、波谷点检测算法  52-54
    3.2.4 基于模糊散度的视频序列图像阈值分割算法  54-56
    3.2.5 仿真实验及分析  56-62
  3.3 基于最小 Tsallis 交叉熵的视频序列图像阈值分割  62-69
    3.3.1 Tsallis 熵基本概念  63
    3.3.2 最小交叉熵  63-64
    3.3.3 最小交叉熵阈值分割算法及其存在的缺陷  64-65
    3.3.4 基于最小 Tsallis 交叉熵阈值法  65-66
    3.3.5 仿真实验及分析  66-69
  3.4 本章小结  69-70
第4章基于视频序列运动目标检测算法研究  70-90
  4.1 引言  70
  4.2 基于自适应背景更新的运动目标检测算法  70-77
    4.2.1 经典 W4算法背景模型初始化  71-72
    4.2.2 自适应背景更新  72-73
    4.2.3 改进 W4算法  73-76
    4.2.4 仿真实验及分析  76-77
  4.3 基于区域协方差矩阵的前景运动目标检测算法  77-88
    4.3.1 协方差矩阵的相似性度量  77-78
    4.3.2 积分图像  78-80
    4.3.3 基于区域协方差矩阵的前景运动目标检测  80-83
    4.3.4 仿真实验及分析  83-88
  4.4 本章小结  88-90
第5章基于视频序列的运动目标滤波、分割及检测实验研究  90-105
  5.1 硬件选择  90-94
    5.1.1 一体化云台摄像机  91-93
    5.1.2 解码器  93-94
    5.1.3 PC  94
  5.2 算法流程及实现  94-99
  5.3 实验结果及分析  99-104
  5.4 本章小结  104-105
结论  105-107
参考文献  107-115
攻读博士学位期间承担的科研任务与主要成果  115-116
致谢  116-117
作者简介  117

基于视频序列的运动目标滤波、分割与检测算法研究

内容摘要

全文目录

相似论文