数字视频处理论文讲义.doc

数字视频处理论文 分割视频序列中行人的方法综述 为了检测行人的任务，人们通常需在执行具体的行人检测算法前对目标图像进行一些有效的预处理。视频图像预处理可以去除或减少视频图像中的噪声和杂波，提高传输给主处理器的图像质量和信噪比，减少需处理的数据量。一般的图像预处理思路可归纳为：通过对原始视频图像进行某些操作，如从空间域或频率域进行某种变换或计算，增强图像中潜在的行人目标，抑制图像中的背景杂波和噪声，提高目标的检测概率，降低虚警概率，从而改善系统的总体性能。现已提出了多种目标图像预处理方法，且这些方法是各具特点的。如在空间域中有：高通模板滤波、中值滤波、数学形态学滤波和局部标准差滤波等；在频率域中有：理想高通滤波、Butterworth高通滤波、高斯高通滤波和小波模预处理方法等。 1 视频序列图像的目标检测算法 从历史上来看，各国研究人员都提出了多种检测算法并获得应用，这些方法的分类也相互不同。首先最简单的分类，考虑到检测算法中使用到的被测图像序列帧的数目，可分为单帧检测算法和多帧检测算法；然后考虑到检测算法执行时被测目标的状态，可分为运动目标检测和静止目标检测；最后，可根据整个系统运行时检测过程与跟踪过程的前后顺序可以分为“先检测后跟踪”算法（即DBT算法，Detect Before Track）和“先跟踪后检测”算法（即TBD算法，Track Before Detect）。“先检测后跟踪”（DBT，Detect Before Track）算法，主要有自适应运动检测方法、差分法、小波变换方法和光流法等，主要是先利用目标的像素检测出目标，然后计算得到目标的运动轨迹；“先跟踪后检测”（TBD，Track Before Detect）算法，主要有多级假设检测的方法、动态规划方法和基于高阶相关的方法等，主要是先进行一次扫描后，并将结果存储，然后对假设轨迹包含的点做相关的处理，使得没有信息损失，经过一段时间，得到检测结果与目标轨迹。 根据目前公开发表的文献中介绍，此处我们将目标检测算法分为“先检测后跟踪（DBT）”类检测算法和“先跟踪后检测（TBD）”类检测算法两大类来研究。 1.1 典型的DBT目标检测算法 经典的DBT目标检测算法较为清晰分解了单帧目标初检测和多帧目标确定这两项任务，所以从宏观上说，将不同的图像预处理及单帧目标分割算法与不同的多帧目标运动轨迹确定算法组合起来，就可以构成适合于不同具体研究对象的DBT目标检测算法。 目标单帧初检测（图像分割） 图像在去除背景干扰后，接下来的任务是从含白噪声的图像中分割出可能的目标像素点。清华大学的章毓晋教授结合算法实现的原理和方式将图像分割技术划分为：（1）并行边界分割技术，实现的方法有：1）微分算子边缘检测；2）边缘拟合；3）基于哈夫变换的边缘检测；4）利用切线信息的亚像素目标边缘检测。（2）串行边界分割技术，实现的方法有：1）边界跟踪；2）曲线拟合；3）状态空间搜索；4）动态规划。（3）并行区域分割技术，实现的方法有：1）基于像素值的阈值分割；2）基于区域性质的阈值分割；3）基于坐标位置的阈值分割；4）特征空间聚类；5）连通区域标记。（4）串行区域分割技术，实现的方法有：1）区域增长；2）分裂合并；3）松弛迭代法。（5）结合特定理论工具的分割技术，实现的方法有：1）基于形态学的分割方法，如边缘的形态检测，区域的形态提取，水线区域分割等；2）借助统计模式识别方法的分割方法，如基于特征统计的分割，最大化后验概率的贝叶斯统计方法；3）利用神经网络的分割方法；4）基于信息论的分割方法，如交叉熵分割函数，类内最小交叉熵阈值化分割，类间最大交叉熵阈值化分割；5）基于模糊集合和逻辑的分割技术：类间最大模糊散度阈值化分割，类内最小模糊散度阈值化分割，模糊 C 一均值聚类分割；6）基于小波分析和变换的分割技术，如多尺度边缘检测，多分辨率阈值选取等；7）利用遗传算法的分割技术，如基于阈值曲面的二维遗传算法，基于模糊隶属度曲面的二维遗传算法。 下面选取主要的基于单帧红外图像的图像分割方法说明如下： （1） 阈值法 依据分割阈值将目标从背景中分割出来，通常是成像跟踪算法中必须首先解决的一个重要环节，它包括阈值计算和目标分割两个过程。能否有效地提取出目标，问题的关键是寻找一个合理的阈值。阈值的选取有固定阈值和自适应阈值两种方法，阈值法又可以分为全局阈值法和局部阈值法。 ①全局阈值法：经滤波后的背景噪声近似看作是高斯白噪声，可使用全局门限分割算法。设输入图像为，门限处理后的图像为，令门限为Th(k)，则有： 式中，Th(k)是随序列图像的变化而自适应改变的。即： 其中，λ为加权值，λ的选择范围为3一5，mean(k)、var(k)分别表示第k帧经抑制背景起伏后的图像灰度均值和方差，设输