淺談海平面下小運動目標(biāo)的檢測方法
碩士論文是攻讀碩士學(xué)位研究生所撰寫的論文。它應(yīng)能反映出作者廣泛而深入地掌握專業(yè)基礎(chǔ)知識，具有獨立進行科研的能力，對所研究的題目有新的獨立見解，論文具有一定的深度和較好的科學(xué)價值，對本專業(yè)學(xué)術(shù)水平的提高有積極作用。下面是小編為大家整理的淺談海平面下小運動目標(biāo)的檢測方法范文，供大家參考!
論文摘要:本文針對于海平面背景下運動的小目標(biāo)進行了相關(guān)研究，在目標(biāo)的檢測過程中，提出了基于形態(tài)學(xué)濾波與邊緣檢測相結(jié)合的算法。首先對采集的圖像進行灰度轉(zhuǎn)換，然后進行Top-Hat變換，再對變換后的圖像進行中值濾波，去除變換過程中的噪聲，最后用邊緣檢測sobel算子對目標(biāo)進行邊緣的檢測。兩者結(jié)合起來，能夠很好的檢測出目標(biāo)，并且對拖尾現(xiàn)象和噪聲有一定的消除。
論文關(guān)鍵詞：數(shù)學(xué)形態(tài)學(xué);Top-Hat;sobel;目標(biāo)檢測
1 引言
目標(biāo)檢測是運動分析的主要研究內(nèi)容之一，指通過運動及圖像特征分析(如灰度、邊緣等)，將視頻序列中存在與背景有相對運動的前景目標(biāo)從原始圖像序列中提取出來。隨著計算機技術(shù)的發(fā)展和計算機視覺原理的廣泛應(yīng)用，利用計算機圖像處理技術(shù)對目標(biāo)進行實時跟蹤研究越來越熱門。運動目標(biāo)的檢測傳統(tǒng)的檢測方法主要有三種：幀差法、光流法和背景差分法。
幀差法不適用于背景同時發(fā)生運動的情況，通過相減方法，難以把背景和目標(biāo)分離;光流法大多數(shù)計算方法比較復(fù)雜，對實時處理不適用。背景差分法能夠較完整的提取目標(biāo)點，但要預(yù)先知道背景，不適用于攝像頭運動的情況�；诒疚臋z測的對象是海平面上運動的小船只，提出了基于形態(tài)學(xué)的頂帽檢測邊緣檢測相結(jié)合的算法，并對檢測后的圖像進行了相關(guān)的處理。
2 檢測算法系統(tǒng)設(shè)計
本文檢測的對象是海平面上運動的小船只，提出了基于形態(tài)學(xué)的頂帽檢測邊緣檢測相結(jié)合的算法，目標(biāo)檢測的系統(tǒng)框圖，將采集到的圖像轉(zhuǎn)為為灰度圖像f(x,y)，并與灰度圖像開運算后的圖像g(x,y)相減，然后再進行中值濾波，最后對濾波后的圖像進行邊緣檢測和拖尾處理。
3 形態(tài)學(xué)基礎(chǔ)數(shù)學(xué)
形態(tài)學(xué)是一種應(yīng)用于圖像處理和模式識別領(lǐng)域的新的方法，是一門建立在嚴(yán)格的數(shù)學(xué)理論基礎(chǔ)上的學(xué)科。基于數(shù)學(xué)形態(tài)學(xué)的邊緣信息提取處理優(yōu)于基于微分運算的邊緣提取算法，不像微分算法對噪聲那樣敏感，提取的圖像骨架也比較連續(xù)，斷點少。
3.1 膨脹結(jié)構(gòu)元素，f為輸入圖像，fD和bD分別是f和b的定義域。對灰度圖像的膨脹處理方法可得到兩種結(jié)果：
(1)如果所有的結(jié)構(gòu)元素都為正，則輸出圖像將趨向比輸入圖像亮;
(2)黑色細(xì)節(jié)減少或去除取決于在膨脹操作中結(jié)構(gòu)元素相關(guān)的值和形狀。
3.2 腐蝕式中fD和bD為f和b的定義域，通常對灰度圖像的腐蝕處理可得到兩種結(jié)果：
(1)如果所有的結(jié)構(gòu)元素都為正，則輸出圖像將趨向比輸入圖像暗;
(2)在比結(jié)構(gòu)元素還小的區(qū)域中的明亮細(xì)節(jié)經(jīng)腐蝕處理后其效果將減弱。
3.3 開和閉運算結(jié)構(gòu)元素b對圖像f做開運算，定義為fb=(fΘb)⊕b，即先對圖像腐蝕后膨脹，b對f的閉運算為fb=(f⊕b)Θb，即對圖像先膨脹后腐蝕。
實際運用中，開運算處理可取出較小的亮點，保留灰度和較大的亮區(qū)特征不變;閉運算處理可去除圖像中較小的暗點，同時保留原來較大的亮度特征。
3.4 頂帽變換定帽變換(Top-Hat)是指原圖像減去開運算后的圖像，其公式為TopHat(A)=AΟ(A,B)為輸入圖像，B為結(jié)構(gòu)函數(shù)，O(A,B)為A與B的開運算，在形態(tài)學(xué)基礎(chǔ)上的一種非線性濾波，頂帽變換后能夠?qū)Ρ尘坝幸欢ǖ囊种谱饔�，提取出形狀類似于結(jié)構(gòu)元素的孤立目標(biāo)和噪聲。
4 檢測算法
4.1 頂帽檢測(Top-Hat)將采集到的圖像進行格式轉(zhuǎn)換，轉(zhuǎn)化為灰度圖像，然后選取大小合適的結(jié)構(gòu)元素，然后對灰度圖像進行開運算，最后用原灰度圖像減去開運算后的圖像。由于海浪和海平面的變化，頂帽變換后的圖像可能會存在一些噪聲，對變換后的圖像進行了中值濾波。
對圖像進行相關(guān)的頂帽變換及相關(guān)處理如下：原圖像經(jīng)過開運算后，如圖3，背景及噪聲得到了一定的抑制，原圖像經(jīng)Top-Hat變換后，檢測出海上船只，最后對檢測后的圖像進行中值濾波。
原灰度圖像開運算后圖像Top-Hat變換后圖像圖5中值濾波后圖像4.2邊緣檢測(Top-Hat)邊緣檢測是提取圖像中不連續(xù)的部分的特征，由閉合的邊緣確定區(qū)域。常見的邊緣檢測算子有Sobel，Prewitt，Canny算子等。本文采用Sobel檢測算法，Sobel算子的優(yōu)點是方法簡單、可得到光滑、連續(xù)的邊緣，處理速度較快。
sobel算子本文對中值濾波后的圖像進行邊緣檢測，結(jié)果如圖7所示，并對原灰度圖像直接進行邊緣檢測后的圖像如圖8做了對比，圖像經(jīng)過基于形態(tài)學(xué)的定帽變換后，再進行邊緣檢測，能夠很好的提取出運動目標(biāo)，對目標(biāo)的拖尾現(xiàn)象有一定的消除作用，基于Top-Hat變換的小目標(biāo)檢測算法對圖像中的背景和噪聲有很大的抑制。
4.2 拖尾處理海上船只在航行過程中，會在目標(biāo)后面形成拖尾。本文借助對檢測后的目標(biāo)圖像進行形心和邊界定位.
標(biāo)在上、下、左、右四個方向的邊界來確定目標(biāo)的最小外界矩形框，聯(lián)合形心法來對目標(biāo)進行形心和邊界定位，在取得目標(biāo)的最左、最右點和中心的縱坐標(biāo)后，把兩點中水平方向與中心最近的距離視為目標(biāo)寬度的一半，重新確定目標(biāo)的外接矩形框，對于之外的點一概去除。
5 結(jié)論
本文給出了基于形態(tài)學(xué)的頂帽檢測邊緣檢測相結(jié)合的檢測算法，經(jīng)實驗證明，兩者結(jié)合起來，能夠很好的檢測出目標(biāo)，并且對拖尾現(xiàn)象和噪聲有一定的消除。
參考文獻
[1]阮秋琦.數(shù)字圖像處理學(xué)(第二版)[M].北京：電子工業(yè)出版社，2007.2.
[2]陸宗騏，梁誠用.sobel算子細(xì)化邊緣.中國圖像圖形學(xué)報，2006，6：517-519.
[3]葉斌,彭嘉雄.基于形態(tài)學(xué)Top-hat算子的小目標(biāo)檢測方法[J].中國圖象圖形學(xué)報,2002,7(A)(7):638-642..
[4]許開宇，馮德瀛.�？毡尘跋录t外弱小目標(biāo)檢測方法.哈爾濱工程大學(xué)學(xué)報，9：997-999.
【淺談海平面下小運動目標(biāo)的檢測方法】相關(guān)文章：
淺談民法類型化的方法03-29
淺談新課程下教材的運用12-08
淺談中考物理復(fù)習(xí)方法12-11
淺談存貨發(fā)出計價方法的選擇11-10
- 相關(guān)推薦