学位论文 > 优秀研究生学位论文题录展示
基于序列图像的运动小目标检测
作 者: 贺鹏飞
导 师: 苏新彦
学 校: 中北大学
专 业: 信号与信息处理
关键词: 序列图像 背景抑制 图像分割 小目标检测 八邻域搜索
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 40次
引 用: 0次
阅 读: 论文下载
内容摘要
图像中的小目标检测一直是数字图像处理学的重要课题,也是国内外众多学者研究的重点。由于小目标在图像中缺乏尺寸、形状、纹理等信息。所以在单帧图像中无法检测出来,因此需要根据目标的运动特性在序列图像中进行检测。针对现有算法单帧检测率低,而多帧检测算法复杂、运算量高等缺点,本文提出单帧检测和多帧检测相结合的算法,从而达到提高小目标检测率和减少检测时间的目的。首先,对小目标图像的三大要素,目标、背景和噪声的一些固有的、规律性的特性进行分析总结,并作为选择适合小目标检测方法的依据。其次,根据小目标图像特性分析结果,本文选择了高通滤波和中值滤波相结合的预处理算法来对单帧图像进行滤波处理,并对滤波后的图像进行对比度增强,从而增强图像的目标信息,减弱图像的背景信息,改善图像的质量。然后,根据图像的边界信息和梯度的联系,证明了对梯度图像进行阈值分割更合理,本文采用了基于边缘检测和阈值分割相结合的算法进行图像分割,仿真实验结果表明此分割方法几乎能够在单帧图像内将目标检测处理,而且该方法简单有效抗干扰能力强。最后,针对单帧图像分割所得的目标和强噪声点,本文采用对分割处理后的单帧图像进行叠加处理方法,并在叠加图像中利用八邻域搜索的方法进行目标筛选,进而检测出目标并得到小目标的运动轨迹。仿真实验结果表明,序列图像运动小目标检测方法能够很好的检测图像中的小目标及其运动轨迹,并且算法简单、实用性强。
|
全文目录
摘要 4-5 Abstract 5-9 1.绪论 9-15 1.1 引言 9-10 1.2 基于序列图像运动小目标特点及检测难点 10-11 1.3 国内外研究现状 11-13 1.4 论文的主要研究内容 13-15 2.运动小目标序列图像三要素 15-19 2.1 图像背景分析 15 2.2 图像噪声模型 15-16 2.3 序列图像中运动小目标模型 16-17 2.4 序列图像中运动小目标的一些固有特性 17-19 3.基于背景抑制的图像预处理技术 19-36 3.1 引言 19-20 3.2 基于空域和频域高通滤波的图像预处理方法 20-25 3.2.1 基于空域的高通滤波方法 20-21 3.2.2 基于频域高通滤波的方法 21-25 3.3 中值滤波 25-27 3.4 基于形态学的图像预处理法 27-31 3.4.1 二值形态学基本运算 28-29 3.4.2 灰度形态学基本运算 29-30 3.4.3 结构元素的选择 30-31 3.5 图像对比度的增强 31-33 3.5.1 线性对比度增强 32 3.5.2 非线性对比度增强 32-33 3.6 预处理算法实验结果与分析 33-36 3.6.1 预处理实验结果 34-35 3.6.2 实验结果分析 35-36 4.基于单帧图像的小目标分割方法研究 36-51 4.1 引言 36-37 4.2 基于区域的图像分割法 37-38 4.3 基于边缘的图像分割法 38 4.4 基于阈值的分割方法 38-39 4.5 几种常用的阈值分割法 39-46 4.5.1 最大类间方差法(即Otsu)分割法 39-43 4.5.2 自适应阈值分割算法及其改进方法 43-45 4.5.3 迭代分割法 45-46 4.6 基于边缘梯度特征的阈值分割 46-51 4.6.1 算法步骤 48-49 4.6.2 实验结果及分析 49-51 5.基于序列图像小目标运动特性的检测方法 51-65 5.1 引言 51 5.2 典型小目标检测算法回顾 51-55 5.3 基于邻域判决的序列图像运动小目标检测技术 55-60 5.3.1 小目标质心的选取 56-57 5.3.2 基于叠加图中小目标邻域判决算法 57-60 5.4 基于序列图像运动小目标检测结果及分析 60-65 6.总结和展望 65-67 6.1 本文工作总结 65-66 6.2 对研究工作的展望 66-67 参考文献 67-73 致谢 73-74 攻读硕士学位期间发表的论文及所取得的研究成果 74
|
相似论文
- 双传感器图像联合目标检测及系统实现研究,TP391.41
- 森林防火系统中图像识别算法的研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 个性化人工膝关节设计及其生物力学特性研究,R318.1
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 红外图像目标识别及跟踪技术研究,TP391.41
- 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
- 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
- 基于支持向量机的视频目标检测方法研究,TP391.41
- 基于主动视觉的运动目标检测与跟踪研究,TP391.41
- 嵌入式多参数环境智能监测系统的设计与实现,TP274
- 基于知识的脊柱MRI影像分割算法研究,TP391.41
- 基于OpenCV的人脸检测方法研究,TP391.41
- 计算机辅助髋关节置换手术系统研究与开发,TP391.41
- 视频监控运动目标检索方法研究,TP391.41
- 安防监控系统中运动目标检测算法研究,TP391.41
- 基于单目夜视图像的深度估计,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|