【运动目标检测算法的理论基础综述2800字】.docxVIP

运动目标检测算法的理论基础综述

目录

运动目标检测算法的理论基础综述 1

1.1图像的色彩空间 1

1.1.1RGB色彩模式 1

1.1.2YUV色彩模式 2

1.2图像的灰度化 3

1.3图像的二值化处理 4

1.4图像的数学形态学处理 5

1.4.1腐蚀 5

1.4.2膨胀 6

1.4.3开运算 6

1.4.4闭运算 7

1.5运动目标检测的基本流程 7

运动目标检测算法主要用于视频中的运动目标提取，并且尽量减小背景的干扰，能应对各种环境下的运动目标识别任务。彩色视频主要是一帧帧RGB彩色图像构成，要对整个彩色图像进行处理的计算量非常大，因此需要一定的方法来压缩数据量，同时也要有合适的算法来对获得的结果进行处理，本章将对运动目标检测算法中的理论基础进行阐述。

1.1图像的色彩空间

颜色是物体的外在特征之一，也是我们区分物体的重要途径之一。对于计算机来说，图像的颜色需要有一种格式来进行表达，而图像的色彩空间这是这种表达的方式，“颜色空间”也称作“色域”,这是一种作用于颜色的编码方式。通过“颜色空间”,我们可以将任意。所以，图像的色彩空间是计算机图形处理的重要基础之一。

1.1.1RGB色彩模式

RGB色彩模式是我们生活中最常用的一种颜色标准14]。RGB色彩模式是通过对红(R)、绿(G)、蓝(B)三个颜色的亮度变化来调整他们进行叠加后产生多样的

色彩。RGB代表红、绿、蓝三个通道的颜色强度，取值范围在0到255之间，数值越大表示颜色亮度越高。这个标准能表达出近乎人类视力感知范围内的所有颜色，是应用最为广泛的颜色系统之一。采用这种编码方法，每种颜色都可用三个变量来表示，即红色绿色以及蓝色的强度。记录及显示彩色图像时，RGB是最常见的一种方案。

蓝(0,0,1)

蓝(0,0,1)青(0,1,1)

(1,,)(1,1)

黑

(0,0.02

绿(0,1,0)

红(1,0,0)黄(1,1,0)

图2-1RGB色彩立方

RGB色彩模式最大的优点就是表达简单且有效。缺点是当一种色彩的某一个RGB分量发生了一定程度的变化，那么这种颜色可能会发生巨大的变化。同时，人眼所见的红绿蓝三色还受其他因素如光照等影响，同样的颜色可能在不同的环境下有不同的色彩表现，因此RGB色彩模式的均匀性非常差，两种颜色之间的色差并不是简单的在立方体中的距离相关，而是非线性关系的，通过线性或非线性变换，可以从RGB色彩模式推导出其他的颜色特征空间。

1.1.2YUV色彩模式

与我们常用的RGB格式相类似，YUV模式也是一种色彩的编码方法，但是其主要用于电视编码以及模拟视频等领域，通过将包含亮度信息的Y分量与包含色彩信息的UV分量进行分离，一样可以显示完整的图像，此时的效果与灰度图类似，图像只有亮度信息，没有色彩。

由于人眼对亮点信息更敏感。也就是说，可以压缩UV数据，而人眼难以发现。因此，在图像数据的压缩处理过程中为了压缩数据量，往往先把RGB数据转换成YUV数据。对Y少压缩一点，对UV多压缩一点，以平衡图像效果和压缩率。

1.2图像的灰度化

在图像技术不断发展的今天，大多数的交通监控所获取的视频都是彩色视频。在处理这些视频数据的时候，大多数的算法都是建立在图像的灰度之上的，这是为了减少计算机的运算量，以获得更快的处理速度。

目前主流的色彩模式为RGB模式，通过红绿蓝三种颜色的不同比例，显示不同的颜色。RGB色彩模式的格式为[R,G,B],其中三个分量的取值范围都为[0,255],每个像素都能表达十六万种以上(256*256*256)的颜色，一幅图像中有成千上万的像素，要计算的数据量非常大。

基于RGB色彩模式下的灰度，R、G、B三个分量数值相等，例如RGB(0,0,0)表示灰度为0,同时也是黑色，RGB(50,50,50)则表示灰度为50。灰度表示了图像的颜色深度，数值越大表示颜色越淡。

图像的灰度化处理[15就是将彩色图像转换为灰度图像，通过将每个像素的数据量缩小到原来的1/256,但是仍然保留了图像整体和局部的特征，使得后续的计算更加简单。最常用的图像灰度化方式是加权平均法：

(2-1)

另一种图像灰度化的方法通过YUV颜色空间就进行转化，其中的Y表示了像素点的亮度等级，通过RGB和YUV颜色空间的转换关系，可以获得如下转换公式：

GRAY=0.3R+0.59G+0.11B

(2-2)

通过不同的计算方法获得灰度值