發(fā)布時間：2023-10-26 18:24

　　運動目標檢測作為后續(xù)的圖像處理的基礎,它被廣泛的應用在車輛跟蹤、行人檢測、無人駕駛等領域,因此成為計算機視覺領域的研究熱點之一。在車流量檢測系統(tǒng)中,運動目標極易受到光照、噪聲、陰影等復雜環(huán)境的干擾,這會導致檢測結果不準確。為改善運動目標的檢測結果,選用了能夠有效的抑制噪聲的ViBe算法,并以此為基礎算法,開展運動目標檢測中的鬼影、目標殘缺和陰影前景等異常情況的相關研究。首先,針對ViBe算法檢測出來的運動前景里存在鬼影的問題進行分析,從中可以了解到ViBe算法利用首幀進行背景建模。若是首幀中存在待檢測目標,則在背景樣本初始化時會將運動目標的像素包含進去。因此在目標運動之后,會在原地留下鬼影。從這一分析可以得知,使用真實背景進行模型初始化是必要的。針對這一問題,提出使用改進的平均背景法與ViBe算法相結合的方法。該方法利用改進的平均背景法得到真實背景,用所得的真實背景進行ViBe算法的背景模型初始化。這樣一來,在后續(xù)幀進行檢測時就不會出現鬼影的現象。從實驗結果來看,所提算法與其他幾種算法相比,不僅能夠快速的消除鬼影,同時還具有良好的性能。其次,研究了光照突變時對運動目標檢測的影響。從對V...

【文章頁數】：54 頁

【學位級別】：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 國內外研究現狀
    1.3 本文的章節(jié)安排
第2章 視頻圖像處理的基礎知識
    2.1 圖像灰度化
    2.2 圖像濾波
    2.3 形態(tài)學操作
    2.4 運動目標檢測算法
    2.5 本章小結
第3章 鬼影抑制方法研究
    3.1 鬼影問題分析
    3.2 改進的平均背景法
    3.3 改進的ViBe算法的運動目標檢測
    3.4 實驗結果及分析
        3.4.1 實驗結果
        3.4.2 算法性能評估
    3.5 本章小結
第4章 目標異常時處理方法的研究
    4.1 陰影出現的原因
    4.2 光照突變和陰影對目標檢測的影響
    4.3 基于自適應閾值的運動目標檢測
        4.3.1 大津閾值法的原理
        4.3.2 實驗結果與分析
    4.4 基于改進的灰度直方圖陰影去除法
        4.4.1 改進的灰度直方圖
        4.4.2 陰影消除
        4.4.3 陰影消除算法的具體流程
        4.4.4 實驗結果
        4.4.5 算法性能評估
    4.5 本章小結
第5章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
致謝
個人簡歷、在學期間發(fā)表的學術論文及研究成果



本文編號：3856710