序列图像的波门跟踪算法研究.pptVIP

序列图像的波门跟踪算法研究 毕业设计论文答辩 答辩人: 倪爱伟 指导老师: 黎宁 图象跟踪的意义 基于序列图像的运动目标跟踪技术在国防、工业过程控制、医学研究、交通监控等领域有着广泛的应用前景。 图象跟踪主要可以分为相关跟踪和波门跟踪 本文主要研究的是波门跟踪 波门跟踪算法介绍 波门跟踪需要设计一个波门，波门的尺寸略大于目标图像，并使波门紧紧套住目标图像，使目标不受波门外的背景和噪声干扰的影响。 重心跟踪 重心跟踪是基于对目标能量矩的计算。其特点之一是阈值的大小随目标与背景之间的对比度高低而变化，二是在整个目标图像面积上对高于阈值的信息做积分运算，求取重心。 二进制重心跟踪算法就是一种最简单的重心跟踪算法.该算法首先将灰度图像变成二值图像。 重心求解公式如下 边缘跟踪 边缘是图像最基本的特征，是图像中灰度发生急剧变化区域的边界。可以用一阶微分或差分算子、梯度算子、Sobel 算子、拉普拉斯算子等来检测目标图像的边缘。以拉普拉斯算子为例： 为了计算方便，也可以写成： 双边缘跟踪 双边缘跟踪算法是边缘跟踪算法的一种改进算法，即目标位置为两个边缘的中心 面积平衡法 用的较少,主要是跟踪时间长,算法不稳定 序列图像波门跟踪的具体实现 本文中主要用了重心跟踪和边缘跟踪两种方法实现. 本文的研究对象满足以下几个基本条件 (1) 摄像机静止,背景图像变化很小; (2) 视场上是单目标运动; (3)运动目标基本不被遮挡. 3.1重心跟踪的实现 重心跟踪的实现主要有差分运算，阈值分割，遍厉去噪，和计算重心坐标4个步骤。在找到重心以后设置波门，波门中心坐标与重心坐标重合。 差分运算 差分算法，其实就是通过比较目标在两个不同时刻的画面，识别由于物体运动而造成的区域差别。在实际计算过程中，差分是指将两帧相邻目标图像逐点相减，形成差分图。 阈值分割 在本次实验中阈值分割就是通过确定一个阈值，将图像二值化。扫描图像的每个像素点，如果像素点的值大于阈值则令该点的像素值为255，如果小于阈值则为0。在第一步差分图像的基础上，进行阈值分割，运动目标和背景的差异进一步变大。背景完全变为0，运动目标完全变为255。这将极大的降低下面工作的难度，同时也减少了运算误差。 遍厉去噪 由于这些噪音点分布零星，且多为单个亮点。因此本人设置了一个3*3的的框遍厉图像。如果一个点再加上它的八个领域点中素值为255的点小于5个，则认为该点是背景点，值设为0。 寻找重心，设置波门 在整个重心跟踪算法中，这是最核心的一步。整个中心算法其实就是一个不断寻找重心的过程。寻找重心一般是通过积分的方法找到重心坐标。 多图跟踪 经过上面的步骤,波门已经设置好了.接下来读入图片,只要在波门内重复上面的步骤就可以了 边缘跟踪的实现 边缘跟踪的实现主要有差分运算，阈值分割，遍厉去噪，和扫描边缘几个步骤。 边缘跟踪的差分运算，阈值分割，遍厉去噪和重心跟踪完全一样。 扫描边缘就是扫描整张图片,记下边缘最上最下最右最左四个变量 然后以最上最下变量的均值作为波门的纵坐标，以最左最右变量的均值作为波门的横坐标.四个变量各加上一些像素作为波门的边框。 实验结果分析比较 重心算法和边缘算法比较 重心算法通过计算目标的重心确定波门，算法简单，抗噪性强。但是无法获得目标的大小信息，因此波门大小确定比较困难. 边缘算法通过寻找目标边缘上的特定点，设置波门。由于目标边缘同时还反映了目标的大小，所设置的波门可以随着目标视图面积的变化而变化。因此边缘跟踪特别适合自适应波门跟踪。 波门跟踪的优缺点 本次主要通过与相关跟踪的比较总结波门跟踪的优缺点。 在本次毕业设计中，通过和同组同学做的相关跟踪对比中，可以明显看到波门跟踪的特点。首先最明显的是对于相同图像在相同硬件平台上波门跟踪速度要远快于相关跟踪。 表4.1 跟踪时间比较 其次，波门跟踪抗噪性强。由于波门跟踪是设置波门，然后在波门中运算跟踪目标。因此目标不受波门外的背景和噪声干扰的影响。 但是波门跟踪也有其固定的缺点。波门跟踪利用的图像信息不多，只适合目标的粗跟踪。它要求分割目标和背景，对信噪比的要求比较高，主要适合用于跟踪对比度和背景相比足够强的目标，通常不适于跟踪复杂结构的目标和目标区域的某一特殊部分。 其次，如果图中有多个运动目标，波门跟踪在跟踪初期，自身无法寻找要跟踪的目标。如果在波门内突然出现诱骗假目标，波门跟踪也很容易跟踪失败。 总结与展望 序列图像波门跟踪算法可以快速准确的跟踪到运动目标,但也存在不足的地方。目前多种跟踪算法相结合进行跟踪已经是一种发展趋势。如果将重心跟踪和边缘跟踪相结合，波门跟踪结合