图像方向识别与目标分割..doc

题 目 基于质心追踪算法的低分辨率视野运动研究 关 键 词 二值化 膨胀和腐蚀 8邻域搜索 质心追踪 链码标记 摘 要 本文针对低分辨率下视野运动方向识别的问题进行了研究。在合理假设条件下，对图像进行预处理，将图像像素点坐标化，采用膨胀和腐蚀算法、质心追踪算法，建立了物体形态提取、参考形态区域质心追踪等模型，解决了题目中的问题。 首先，利用读取视频，将其以某一时间间隔进行单帧处理；任意读取相邻时刻的2帧图像，将其灰度化；然后对灰度图像进行增强和二值化处理，得出二值化图像，然后利用8邻域搜索法，去除图像孔洞；再采用膨胀和腐蚀算法，建立物体形态提取模型，提出去图像中所有的物体形态区域,同时标记所有形态区域；接着将像素点坐标化，计算所有形态区域的灰度质心位置、面积和周长；设定阀值，筛选出参考形态区域集合，建立图像形态区域匹配模型，将前后两帧图像特征进行对比，求出最佳参考形态区域；最后计算运动前后形态区域的质心坐标差，进而判断质心运动方向，反推出了视野区的运动方向。 随机拍摄一段短视频，以0.02s时间间隔图像，随机选取两张图像，代入模型，在0.5s一、问题重述 数码摄像技术被广泛应用于多个场合中。有时由于客观条件的限制，拍摄设备只能在较低的分辨率下成像。为了简单起见，我们只考虑单色成像。假设成像的分辨率为32x64，成像方式为整个矩形视野划分为32x64个相同大小的矩形格子，图像中每个像素的取值为对应格子的亮度平均值。每隔一定时间拍摄一帧图像，运动的画面体现为图像的序列。 第一阶段问题提出：现在整个视野区域向某个方向缓慢运动，拍摄到的系列图像实时地传输到计算机中。请你建立合理的数学模型和算法，通过分析实时拍摄的图像，使用尽量少的时间，以判断出运动的方向。 二、基本假设 1、假设视野区内背景物体均是静止的； 2、假设摄影机是拍摄时不抖动； 3、假设只考虑单色成像； 4、假设摄影机的分辨率为；5、假设； 摄影机沿着某个方向缓慢运动拍摄物景时，。对于视频资料，处理数字图像灰度处理 由于计算机只接受处理后的数字图像，因此需要对每个单帧图像进行离散化处理，把这一连续的模拟信息转换为离散的数字图像的称为图像的数字化[1]。 （1）图像采样 空间上连续的图像变换成离散的点的过程称为采样。实质就是将图像用许多点来描述，采样的结果一般用图像分辨率来衡量质量的高低。每一个像素点为一个小格。 （2）灰度化 任何一幅完整的图像都是由红色、绿色、蓝色三种颜色通道组成。红色、绿色、蓝色通道都是以灰度显示，采用不同的灰度值来表示红、绿、蓝在图像中的比重称为图像的灰度化。把有黑—灰—白的连变化续的灰度值量化为共256级灰度值（图1 灰度值变化示意图），模式中，假如，则颜色表示为灰度值。灰度化过程就是取图像的分量相等的值，图像由原来的三维特征峰降到灰度化的一维特征必然会丢失部门信息，因此本文选取最合理灰度图像权值对图像进行灰度化[2]，公式如下： ， （1） 图1 灰度值变化示意图 灰度图像是每一个像素只有一个采样颜色的图像。通过采样将图像像素化，然后对每一个像素进行灰度处理，得到灰度图像。图2 为处理后的灰度图像 图2 原始图像与处理后的灰度图像对比 （3）直方图均衡化处理 直方图均衡化处理是为了增强灰度图像的信息，使得灰度图像更加清晰。实质上是将一幅已知灰度概率分布的图像，经过某种变换算法，得出一幅灰度概率分布均匀的新图像[]。下面是直方图均衡化算法 []的运算过程： :列出原始图像与变换为灰度图像的灰度级，，其中为灰度级个数； ：统计灰度图像各灰度级的像素个数； ：计算原始图像直方图：，为原始图像的像素总个数； ：原始图像的累计直方图：； ：取整计算； ：确定映像关系，将原始图像的灰度值修正为计算的灰度值； ：统计新直方图各个灰度级的像素个数； ：计算新的直方图。 （4）灰度图像二值化处理 二值化是图像分割的一种方法。通过设定阀值，把变为仅用两个灰度值表示图像的前景和背景颜色的二值图像，即灰度值为0（黑色）和1（白色）表示。 设 为数字图像的空间坐标，为灰度值的正整数值，的阀值，为一对灰度级，,。用灰度级作为阀值对图像进行二值化，则产生的图像函数为[]： （2） 其中，可为固定阀值，也可为动态的阀值，根据情况而定。观察的图像，发现中并不是所有的像素点均为，出现了的情况，这是由于在二值化的过程中，程序将中的灰度值较低的像素点标记为0，将称之为点，考虑存在点的两种情况，如下： 图点存在的情况 从上图可以看出，点存在的两种情况为：在小块中心处的像素点的值为0，在四个顶点里有且仅有一个顶点的像素值为0，则记该中心点为点；在的小块中心处的像素点值为0，同时在小块的其他8个像素点的值均为1，则将该