《基于区域的运动阴影检测算法研究阴影检测毕业论文》由会员分享，可在线阅读，更多相关《基于区域的运动阴影检测算法研究阴影检测毕业论文（53页珍藏版）》请在金锄头文库上搜索。
1、 毕 业 设 计 (论 文)专 业: 电气工程与其自动化 课 题： 基于区域的运动阴影检测算法研究 / 摘 要 为了使阴影检测结果更加准确和鲁棒,提出了一种基于区域的运动阴影检测方法。该方法从阴影具有的物理特性出发,考虑了区域所有像素的总体特征。将每帧图像进行合理的分块,并且采用基于梯度的方法对运动区域边缘的小块进行合并。对每个小块根据阴影区域和对应的背景区域之间具有较强的结构相似性和色度近似性的特点进行阴影检测。实验结果表明,阴影检测准确率超过90%,其结果明显比基于颜色不变量的方法有效。该方法能够准确而鲁棒地检测出运动阴影。 关键词:模式识别;阴影检测;结构相似性;颜色近似性Abstrac
2、t A region-based moving shadow detection approach was developed with improved accuracy and robustness.Theanalysis Starts with thephysical properties of the shadow,and takes into account the features of all the pixels in a region.Every image is Segmented into blocks with the blocks at the edge of mov
3、ing regions combined based on agradientalgorithm. Shadow detection is performed in every block based on the structure similarity and color Approximations between the shadow region and the corresponding Back ground region.The shadow detection accuracy is above 90% And is more efficient than approache
4、s based on invariant color features. Test results show that the approach accurately and Robustly detects moving shadows.Keywords: pattern recognition; shadow detection; structure similarity;color approximation。目 录 第一章：图像处理简介-4- 1.1图像处理的概念 -4- 1.2图像处理的任务-4- 1.3图像处理主要包含的几方面-4- 第二章： 阴影检测简介与其传统算法-9- 2.1
5、阴影检测的简介-9- 2.2 阴影检测算法种类-10- 第三章： 二值形态学的基础知识与其应用-12- 3.1数学形态学的简介-12- 3.2. 阴影区域和对应背景的相似性-13- 3.3阴影检测的应用-14- 第四章：与采用颜色不变量的方法比较-16- 4.1采用了基于梯度的分块合并算法-16-4.2仿真与分析 -17- 总结-33-致 -35- 参考文献-36- 英文翻译-38-第一章 ：图像处理简介1.1图像处理的概述图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本容图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪
6、等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要容包括图像压缩，增强和复原，匹配、描述和识别3个部分。1.2图像处理的任务1.2.1提高图像的视觉质量，以达到赏心悦目的目的例如，去除称之为噪声等图像质量的退化因素；改变图像的亮度、颜色；增强图像中的某些成份、抑制某些成份；对图像进行几何变换等，从而改善图像的质量，以达到各种想要的艺术效果。1.2.2提取图像中所包含的某些特征或特殊信息，以便于计算机分析如用模式识别，计算机视觉的预处理等等。这些特征包括很多方面，如频域特性、纹理特性、灰度/颜色特性、边界/区域特性、形状/拓扑特性以与
7、关系结构等1.2.3对图像数据进行变换、编码和压缩，以便于图像的存储和传输。1.3图像处理主要包含的几方面 常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。图像处理一般指数字图像处理。虽然某些处理也可以用光学方法或模拟技术实现,但它们远不与数字图像处理那样灵活和方便,因而数字图像处理成为图像处理的主要方面。 1.3.1图像数字化通过取样和量化过程将一个以自然形式存在的图像变换为适合计算机处理的数字形式。图像在计算机部被表示为一个数字矩阵，矩阵中每一元素称为像素。图像数字化需要专门的设备，常见的有各种电子的和光学的扫描设备，还有机电扫描设备和手工操作的数字化仪。 1.
8、3.2图像编码对图像信息编码，以满足传输和存储的要求。编码能压缩图像的信息量，但图像质量几乎不变。为此，可以采用模拟处理技术,再通过模-数转换得到编码，不过多数是采用数字编码技术。编码方法有对图像逐点进行加工的方法，也有对图像施加某种变换或基于区域、特征进行编码的方法。脉码调制、微分脉码调制、预测码和各种变换都是常用的编码技术。 1.3.3 图像压缩由数字化得到的一幅图像的数据量十分巨大，一幅典型的数字图像通常由500500或10001000个像素组成。如果是动态图像，是其数据量更大。因此图像压缩对于图像的存储和传输都十分必要。 有两类压缩算法，即不失真的方法和近似的方法。最常用的不失真压缩取
9、空间或时间上相邻像素值的差，再进行编码。游程码就是这类压缩码的例子。近似压缩算法大都采用图像交换的途径，例如对图像进行快速傅里叶变换或离散的余弦变换。著名的、已作为图像压缩国际标准的JPEG和MPEG均属于近似压缩算法。前者用于静态图像，后者用于动态图像。它们已由芯片实现。 1.3.4图像增强和复原图像增强的目标是改进图片的质量，例如增加对比度，去掉模糊和噪声，修正几何畸变等；图像复原是在假定已知模糊或噪声的模型时，试图估计原图像的一种技术。 图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去
10、掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。 早期的数字图像复原亦来自频率域的概念。现代采取的是一种代数的方法，即通过解一个大的方程组来复原理想的图片。 以提高图像质量为目的的图像增强和复原对于一些难以得到的图片或者在拍摄条件十分恶劣情况下得到的图片都有广泛的应用。例如从太空中拍摄到的地球或其他星球的照片，用电子显微镜或X光拍摄的生物医疗图片等。 使图像清晰或将其转换为更适合人或机器分析的形式。与图像复原不同，图像增强并不要求忠实地反映原始图像。相反，含有
11、某种失真（例如突出轮廓线）的图像可能比无失真的原始图像更为清晰。常用的图像增强方法有：灰度等级直方图处理：使加工后的图像在某一灰度围有更好的对比度；干扰抑制：通过低通滤波、多图像平均、施行某类空间域算子等处理，抑制叠加在图像上的随机性干扰；边缘锐化：通过高通滤波、差分运算或某种变换，使图形的轮廓线增强；伪彩色处理：将黑白图像转换为彩色图像，从而使人们易于分析和检测图像包含的信息。 除去或减少在获得图像过程中因各种原因产生的退化。这类原因可能是光学系统的像差或离焦、摄像系统与被摄物之间的相对运动、电子或光学系统的噪声和介于摄像系统与被摄像物间的大气湍流等。图像复原常用二种方法。当不知道图像本身的
12、性质时，可以建立退化源的数学模型，然后施行复原算法除去或减少退化源的影响。当有了关于图像本身的先验知识时，可以建立原始图像的模型，然后在观测到的退化图像过检测原始图像而复原图像。 1.3.5图像分割 将图像划分为一些互不重叠的区域，每一区域是像素的一个连续集。通常采用把像素分入特定区域的区域法和寻求区域之间边界的境界法。区域法根据被分割对象与背景的对比度进行阈值运算，将对象从背景中分割出来。有时用固定的阈值不能得到满意的分割，可根据局部的对比度调整阈值，这称为自适应阈值。境界法利用各种边缘检测技术，即根据图像边缘处具有很大的梯度值进行检测。这两种方法都可以利用图像的纹理特性实现图像分割。 1.
13、3.6图像分析从图像中抽取某些有用的度量、数据或信息。目的是得到某种数值结果，而不是产生另一个图像。图像分析的容和模式识别、人工智能的研究领域有交叉，但图像分析与典型的模式识别有所区别。图像分析不限于把图像中的特定区域按固定数目的类别加以分类，它主要是提供关于被分析图像的一种描述。为此，既要利用模式识别技术，又要利用关于图像容的知识库，即人工智能中关于知识表达方面的容。图像分析需要用图像分割方法抽取出图像的特征，然后对图像进行符号化的描述。这种描述不仅能对图像中是否存在某一特定对象作出回答，还能对图像容作出详细描述。图像处理的各个容是互相有联系的。一个实用的图像处理系统往往结合应用几种图像处理
14、技术才能得到所需要的结果。图像数字化是将一个图像变换为适合计算机处理的形式的第一步。图像编码技术可用以传输和存储图像。图像增强和复原可以是图像处理的最后目的，也可以是为进一步的处理作准备。通过图像分割得出的图像特征可以作为最后结果，也可以作为下一步图像分析的基础。图像匹配、描述和识别 对图像进行比较和配准，通过分制提取图像的特征与相互关系，得到图像符号化的描述，再把它同模型比较，以确定其分类。图像匹配试图建立两图片之间的几何对应关系，度量其类似或不同的程度。匹配用于图片之间或图片与地图之间的配准，例如检测不同时间所拍图片之间景物的变化，找出运动物体的轨迹。 从图像中抽取某些有用的度量、数据或信
15、息称为图像分析。图像分析的基本步骤是把图像分割成一些互不重叠的区域，每一区域是像素的一个连续集，度量它们的性质和关系，最后把得到的图像关系结构和描述景物分类的模型进行比较，以确定其类型。识别或分类的基础是图像的相似度。一种简单的相似度可用区域特征空间中的距离来定义。另一种基于像素值的相似度量是图像函数的相关性。最后一种定义在关系结构上的相似度称为结构相似度。 以图片分析和理解为目的的分割、描述和识别将用于各种自动化的系统，如字符和图形识别、用机器人进行产品的装配和检验、自动军事目标识别和跟踪、指纹识别、X光照片和血样的自动处理等。在这类应用中，往往需综合应用模式识别和计算机视觉等技术，图像处理更多的是作为前置处理而出现的。 多媒体应用的掀起，对图像压缩技术的应用起了很大的推动作用。图像，包括录像带一类动态图像将转为数字图像，并和文字、声音、图形一起
