图像方向识别与目标分割总汇.doc

PAGE \* MERGEFORMAT17 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验证模型，以0.02s为时间间隔提取图像，在图像序列中随机选取两张图像，代入模型，程序在0.5s内判断出视野运动方向，结果与实际拍摄方向相符，从而验证了模型的准确性、鲁棒性。 为进一步提高运算速度、减少计算量，利用链码标记算法对模型中形态边界搜寻过程进行优化，计算得到更精确的形态边界，再采用Marius区域填充算法计算得到形态区域面积。最后，对模型进行评价与推广。 缺点：该文没有进行算法的复杂度分析 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、假设运动方向所在的平面为参考平面，简化为二维平面下运动； 6、假设物体边界为单个像素点。 三、符号说明 具体符号文中相应处均有说明。 四、问题分析 摄影机沿着某个方向缓慢运动拍摄物景时，并且背景是静止的。对于视频资料，将其分离成单帧图像，并随机选出两帧时序图像进行单独处理。在低分辨率下识别视野运动方向，选取和识别参考目标是重点，对此，本文选取物体的灰度质心、面积、周长作为判断匹配参考目标的参数。对于参考目标的选取，本文在待选物体中去除掉灰度面积过大和过小的物体，选取一个最靠近图像中心的物体作为参考目标，以避免视野移动造成参考目标信息损失。对于参考目标的识别，本文采用灰度面积、周长作为识别条件，由于摄影时候的干扰，比如抖动、亮度、拍摄角度变化等因素的影响，都可能造成物体提取出的轮廓有轻微变化，所以，本文将灰度面积和周长最相近的物体判定为运动后的参考物体。对于视野运动方向的判断，可以用运动前后参考目标质心位置坐标的变化情况反映视野运动方向。 五、模型建立 鉴于上述分析过程，本文首先在视频中提取前后两个单帧图像，将图像进行灰度化处理，并对其进行二值化，消除孔洞对计算造成的误差，提取出图像中的物体轮廓，并将不同的物体进行分区编号，计算出不同物体的灰度质心位置、面积和周长；同理，对运动后的图像进行如上处理。将前一帧图像提出的灰度面积过大和过小的物体去掉，选取最靠近图像中心位置的物体作为参考目标，将参考目标的灰度面积、周长和后一帧图像中提取出的物体的灰度面积、周长分别进行比较，设置一定的误差阈值，在满足误差阈值之内的物体之中，和参考目标最相近的物体即为运动后的参考物体。 5.1数字图像灰度处理 由于计算机只接受处理后的数字图像，因此需要将摄影机拍摄的慢运动画面进行单帧图像处理，然后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过程称为图像的数字化[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。