《2020年(目标管理）基于边缘检测法的运动目标的提取》由会员分享，可在线阅读，更多相关《2020年(目标管理）基于边缘检测法的运动目标的提取（51页珍藏版）》请在金锄头文库上搜索。
1、LANZHOU UNIVERSITY OF TECHNOLOGY毕业论文题 目 基于边缘检测法的运动目标的提取 学生姓名 杨丽霞 学 号 09250130 专业班级 通信工程（1）班 指导教师 侯亮 李立 学 院 计算机与通信学院 答辩日期 2013年6月13日 基于边缘检测法的运动目标的提取Edge detection method based on the moving object extraction杨丽霞（Yang Lixia）09250130兰州理工大学毕业论文摘要在智能视频监控、运动分析应用中,一个基础而又关键的任务是从视频序列中实时地检测和提取出运动目标，以便于对运动目标进行检
2、测和跟踪。当前边缘检测技术应用广泛、发展非常迅速。它是图像处理的一项重要内容，在模式识别、图像理解、人工智能等领域发挥着重要作用。本论文是基于边缘检测法的运动目标的提取。运动目标的提取分为，图像采集、图像灰度化、图像滤波、图像边缘检测几个主要步骤。本文先介绍了图像处理及边缘检测的一些基本内容，然后完成整体流程，通过理论分析从Roberts算子，Sobel算子，LoG算子，Canny算子四种典型的边缘检测算法选择最佳算法Canny算法，通过Matlab编程仿真对调用各算子函数算法进行实现，最终完成边缘检测及运动目标的提取。关键词：Canny算子；边缘检测；两帧差分；运动目标提取IAbstract
3、In the applications of intelligent video surveillance and motion analysis ,a basic but crucial task in real time from video sequences is to detect and extract the moving targets, so that to detect and track the moving target . The current edge detection technique is widely used, and is developing ve
4、ry rapidly. It is an important content of image processing, in areas such of pattern recognition, image understanding, artificial intelligence and other areas plays an important role.Edge detection of the moving object extraction is studied in this paper. The extraction of moving targets are divided
5、 into, image acquisition, image gradation, image filtering, image edge detection . This article first introduced the image procession and edge detection with some basic content, and then through theoretical analysis from Roberts operator, Sobel operator, LoG operator, Canny operator four typical edg
6、e detection algorithm to selects the best algorithm Canny algorithm. Through Matlab simulation of the operater function algorithm implementation , the goal of edge detection and moving object extraction has been achieved.Keywords:Canny operator; Edge detection; Two difference method; Moving object e
7、xtractionII目录第1章 绪论1第2章 边缘检测概述及各算子介绍32.1边缘检测概述32.2 边缘检测算子62.2.1 微分算子62.2.2 高斯拉普拉斯算子(Laplacian of a Gaussian,LoG)82.2.3 Canny算子9第3章 基于边缘检测的运动目标提取算法选择及实现133.1应用软件介绍133.2 算法的选择133.3 Canny算法基本原理143.4 基本流程与实现143.4.1基本流程图143.4.2 图像采集及预处理153.4.3 图像背景处理163.4.4 高斯滤波173.4.5 基于Canny算子的边缘检测173.4 不同算子比较19第4章 总结2
8、2参考文献23附录251：论文应用程序252：外文文献283：外文翻译37致谢45III第1章 绪论图像是一种重要的信息源，图像处理的最终目的就是要帮助人类理解信息的内涵。数字图像处理技术的研究内容涉及光学系统、微电子技术、计算机科学、数学分析等领域，是一门综合性很强的边缘学科。随着计算机技术的迅猛发展，图像处理技术已经广泛应用于各个领域。近30年来该技术取得了令人瞩目的成就1。数字图像边缘检测技术起源于20世纪20年代，当时受条件的限制一直没有取得较大进展，直到20世纪60年代后期电子技术、计算机技术有了相当的发展，数字图像边缘检测处理技术才开始进入了高速发展时期。经过几十年的发展，数字图像
9、边缘检测处理技术目前己经广泛应用于工业、微生物领域、医学、航空航天以及国防等许多重要领域，多年来一直得到世界各科技强国的广泛关注2。数字图像边缘检测处理技术在最近的10年发展尤为迅速，每年均有数以百计的新算法诞生，其中包括canny算法、小波变换等多种有相当影响的算法，这些算法在设计时大量运用数学、数字信号处理、信息论以及色度学的有关知识，而且不少新算法还充分吸取了神经网络、遗传算法、人工智能以及模糊逻辑等相关理论的一些思想，开阔了进行数字图像边缘检测处理的设计思路2。数字图像边缘检测处理，即用计算机对图像的边缘进行处理，这一技术是随着计算机技术发展而开拓出来的一个新的应用领域，汇聚了光学、电
10、子学、数学、摄影技术、计算机技术等学科的众多方面。图像边缘检测处理作为一门学科已经被美国数学学会列为应用数学的一个研究分支。在其短暂的发展历史中，已经被成功的应用在几乎所有与成像有关的领域。近年来，图像分析和处理紧紧围绕理论、实现、应用三方面迅速发展起来。它以众多的学科领域为理论基础，其成果又渗透到众多的学科中，成为理论实践并重，在高新技术领域中占有重要地位的新兴学科分支。边缘检测是一个基本的工具用于大多数图像处理应用程序获得信息从帧作为前体的一步特征提取和对象分割。这过程检测对象的轮廓和边界对象和背景之间的图像。一个边缘检测滤波器也可以用来改善出现模糊或反锯齿的视频流。基本的边缘检测算子是一
11、个矩阵的面积梯度运算，以确定不同的像素之间的方差水平。的边缘检测算子来计算所选择的像素为中心的矩阵区域的中心的形成的矩阵。如果矩阵区域的值，这是一个给定的阈值以上，则中间的像素被分类为边缘。基于梯度的边缘探测器是Roberts，Prewitt和Sobel算子的例子。所有的基于梯度的算法的计算强度正交给对方，常用的垂直和水平方向的斜率。斜坡的不同组成部分的贡献相结合，得到的边缘强度的总价值3 。随着科技的发展，许多高新知识都已经在图像处理上得到了广泛应用，并取得了较好的效果，但是，一些经典的图像处理方法仍然有其生命力，实际应用中还是离不开一些基本的技术。Matlab是一种向量语言，它非常适合于进
12、行图像处理。而边缘检测是图像处理中基础且重要的课题，图像分析和理解的第一步常常是边缘检测4。当前边缘检测技术应用广泛、发展非常迅速。它是图像处理的一项重要内容，在模式识别、图像理解、人工智能等领域发挥着重要作用。传统的边缘检测算法面临着许多难以克服的问题，同时由于图像本身的复杂性和边缘检测技术发展所遇到的难题，边缘检测本身也是一个难题。然而，至今发表的有关边缘检测的理论和方法尚存在许多不足之处，比如在检测精度和去噪方面很难达到令人满意的效果。本论文主要包括两部分，第一部分是基础部分，包括前两章内容，主要介绍了基础概念和基本特性，以及Matlab在本课题中的应用；第二部分是课题研究部分，包括第三
13、章和第四章，主要介绍基本理论和方法在Matlab中的仿真和结果分析。基础部分中，第一章是绪论，绪论部分主要介绍研究背景、研究目的和意义以及研究现状。第二章是图像边缘检测的概述、边缘检测的原理以及算法，其中会介绍到Robert算子、Sobel算子、Prewitt算子、拉普拉斯(Laplacian)算子、Canny算子、拉普拉斯高斯(LOG)算子等等。主要是Matlab在图像处理中的应用简单介绍。课题研究部分，第三章是依照课题所需进行算法选择和基本流程确定，然后按照流程进行编程。最后一章是仿真程序及结果分析，总结课题研究。46第2章 边缘检测概述及各算子介绍2.1边缘检测概述边缘检测是图像处理和计
14、算机视觉中的术语，尤其在特征检测和特征抽取领域，是一种用来识别数字图像亮度骤变点即不连续点的算法。尽管在任何关于分割的讨论中，点和线检测都是很重要的，但是边缘检测对于灰度级间断的检测是最为普遍的检测方法5。虽然某些文献提过理想的边缘检测步骤，但自然界图像的边缘并不总是理想的阶梯边缘。相反，它们通常受到一个或多个下面所列因素的影响：1.有限场景深度带来的聚焦模糊；2.非零半径光源产生的阴影带来的半影模糊；3.光滑物体边缘的阴影；4.物体边缘附近的局部镜面反射或者漫反射。一个典型的边界可能是（例如）一块红色和一块黄色之间的边界；与之相反的是边线，可能是在另外一种不变的背景上的少数不同颜色的点。在边
15、线的每一边都有一个边缘。图像的边缘是指图像局部区域亮度变化显著的部分。该区域的灰度剖面一般可以看做一个阶跃，即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图像的边缘部分集中了图像的大部分信息，图像的边缘的确定与提取对于整个图像场景的识别与理解是非常重要的同时也是图像分割所依赖的重要特性。边缘检测主要是图像的灰度变化的度量、检测和定位。边缘：不同区域的分界线，是图像局部灰度变化最显著的那些像素的集合。边缘是一个区域的结束,也是另一个区域的开始,利用该特征可以分割图像。边缘检测原理：边缘检测是根据数字图像中的突变信息检测图像的边缘灰度的不连续性，找出两种景物的分界线。根据灰度变化的特点，可分为阶跃型、屋顶型、和凸缘型，如图2.1所示。 阶跃型 凸缘型
