用于视频交通分析的目标分割算法设计论文.doc

用于视频交通分析的目标分割算法设计毕业论文 目 录 第一章 绪论 1 1.1 课题背景 1 1.2 图像分割技术的发展及研究现状 2 1.3 本论文的内容安排 3 第二章 基于交通视频的目标分割算法 4 2.1 概述 4 2.2 基于交通视频的目标分割系统设计 4 2.2.1 基于交通视频的目标分割系统的总体设计 4 2.2.2 基于交通视频的目标分割系统各模块功能 4 2.2.3 基于交通视频的目标分割算法主体流程图 5 2.3 程序开发环境 6 2.3.1 系统开发环境 6 2.3.2 基于交通视频的目标分割系统的用户界面设计 6 第三章 *.raw数据的读取 8 3.1 数字图像的相关知识 8 3.1.1 图片文件格式 8 3.1.2 BMP图像格式 8 3.2 视频图像的灰度化处理算法设计 11 3.2.1 YUV彩色空间概述 11 3.2.2 算法思路 11 3.2.3 灰度化图像实验结果 12 3.3 视频图像的去噪处理 13 3.3.1 概述 13 3.3.2 均值滤波原理 13 3.3.2 均值滤波试验结果 14 3.4 结果比较 14 第四章 背景提取 16 4.1 概述 16 4.2 统计直方图法提取背景 16 4.2.1 统计直方图法基本思路 16 4.2.2 软件测试结果及分析 17 4.3 多帧图像平均法提取背景 18 4.3.1 多帧图像平均法基本思路 18 4.3.2 软件测试结果及分析 18 4.4 背景提取的优化算法 20 4.4.1 优化算法的基本思想及步骤 20 4.4.2 优化算法流程图 21 4.4.3 软件测试结果及分析 21 4.4.4 此优化算法的优势 22 第五章 目标分割 23 5.1 概述 23 5.2 背景差分法分割目标 23 5.2.1 算法思路 23 5.2.2 分割运动目标的流程图 24 5.2.3 分割中阈值选取 24 5.2.4 目标分割算法 25 5.3 软件测试结果及分析 26 第六章 总结及展望 27 致 谢 28 参考文献 29 附录一 系统软件处理流程图 30 附录二 系统软件处理源代码 31 第一章 绪论 1.1 课题背景 图像分割是一种重要的图像技术，也是计算机视觉领域低层次视觉中的主要问题，同时它又是一个经典难题。早在50年代中期，计算机视觉理论形成以前，人们就开始了图像分割的研究。但到目前为止还不存在一个通用的分割方法对所有类型的图像都适用。随着对景物成像原理研究的深入，人们逐渐意识到一些影响成像的因素，这些因素包括:在将三维景物投影为二维图像的过程中，丢失了深度和不可见部分的信息，并且任一物体在不同的视角下形成的图像会有很大的不同，再加上复杂场景中物体间的相互遮挡而丢失了部分信息:此外，对成像过程有影响的诸多因素(如光源、物体表面几何形状和物理特性)、成像设备与物体之间的空间特性、成像过程中或多或少地引入的一些畸变和噪声等。所有这些因素都导致了图像分割问题是一种信息不足的不适定性问题，从而不可能存在一种通用的对任何图像都适用的、统一的图像分割方法。但是可以根据有关图像的一些先验知识设计适用于具体分割目的的图像分割方法。 图像分割在实际中已得到广泛的应用，例如在工业自动化、在线产品检验、生产程控、文件图像处理、遥感和生物医学图像分析、保安监视、以及军事、体育、农业工程等方面。概括来说，在各种图像应用中，只要需对图像目标进行提取、测量等都离不开图像分割。如在遥感应用中，合成孔径雷达图像中目标的分割与遥感云图中不同云系和背景分布的分割;在医学应用中，脑部MR 图像分割成灰质(GM)、白质(WM)、脑脊髓(CSF)等脑组织和其它非脑组织区域(NB)等;在交通图像分析中，把车辆目标从背景中分割出来等;在面向对象的图像压缩和基于内容的图像数据库查询中，将图像分割成不同的对象区域。近年来，图像分割在对图像的编码中也起到越来越重要的作用，例如国际标准MPEG-IV中的模型基/目标基编码等都需要基于分割的结果。因此，图像分割具有广阔的应用前景。 本文主要研究的是交通图像分析中的图像分割。目前最常用也最有效的运动目标分割方法是背景差分算法，其中背景提取是背景差分算法的关键一环，背景提取的好坏直接影响到运动目标检测的准确度，关系到进一步分析视频图像信息的可靠性。道路运动目标的背景提取是智能交通系统中的基础工作，也是重要的一个环节。将运动目标提取出来是ITS的一个基础性问题，如果能找到一个方便快捷的方法把运动目标精确而迅速的提取出来，必将对高层次的视频处理带来极大的方便。 1.2 图像分割技术的发展及研究现状 图像分割是图像处理中的重要问题,也是计算机视觉研究中的一个经典难题。计算机视觉中的图像理解包括目标检测、特征提取和目标识别等,都依赖于图像分割的