淺談海平面下小運動(dòng)目標的檢測方法
碩士論文是攻讀碩士學(xué)位研究生所撰寫(xiě)的論文。它應能反映出作者廣泛而深入地掌握專(zhuān)業(yè)基礎知識，具有獨立進(jìn)行科研的能力，對所研究的題目有新的獨立見(jiàn)解，論文具有一定的深度和較好的科學(xué)價(jià)值，對本專(zhuān)業(yè)學(xué)術(shù)水平的提高有積極作用。下面是小編為大家整理的淺談海平面下小運動(dòng)目標的檢測方法范文，供大家參考!
論文摘要:本文針對于海平面背景下運動(dòng)的小目標進(jìn)行了相關(guān)研究，在目標的檢測過(guò)程中，提出了基于形態(tài)學(xué)濾波與邊緣檢測相結合的算法。首先對采集的圖像進(jìn)行灰度轉換，然后進(jìn)行Top-Hat變換，再對變換后的圖像進(jìn)行中值濾波，去除變換過(guò)程中的噪聲，最后用邊緣檢測sobel算子對目標進(jìn)行邊緣的檢測。兩者結合起來(lái)，能夠很好的檢測出目標，并且對拖尾現象和噪聲有一定的消除。
論文關(guān)鍵詞：數學(xué)形態(tài)學(xué);Top-Hat;sobel;目標檢測
1 引言
目標檢測是運動(dòng)分析的主要研究?jì)热葜�，指通過(guò)運動(dòng)及圖像特征分析(如灰度、邊緣等)，將視頻序列中存在與背景有相對運動(dòng)的前景目標從原始圖像序列中提取出來(lái)。隨著(zhù)計算機技術(shù)的發(fā)展和計算機視覺(jué)原理的廣泛應用，利用計算機圖像處理技術(shù)對目標進(jìn)行實(shí)時(shí)跟蹤研究越來(lái)越熱門(mén)。運動(dòng)目標的檢測傳統的檢測方法主要有三種：幀差法、光流法和背景差分法。
幀差法不適用于背景同時(shí)發(fā)生運動(dòng)的情況，通過(guò)相減方法，難以把背景和目標分離;光流法大多數計算方法比較復雜，對實(shí)時(shí)處理不適用。背景差分法能夠較完整的提取目標點(diǎn)，但要預先知道背景，不適用于攝像頭運動(dòng)的情況�；诒疚臋z測的對象是海平面上運動(dòng)的小船只，提出了基于形態(tài)學(xué)的頂帽檢測邊緣檢測相結合的算法，并對檢測后的圖像進(jìn)行了相關(guān)的處理。
2 檢測算法系統設計
本文檢測的對象是海平面上運動(dòng)的小船只，提出了基于形態(tài)學(xué)的頂帽檢測邊緣檢測相結合的算法，目標檢測的系統框圖，將采集到的圖像轉為為灰度圖像f(x,y)，并與灰度圖像開(kāi)運算后的圖像g(x,y)相減，然后再進(jìn)行中值濾波，最后對濾波后的圖像進(jìn)行邊緣檢測和拖尾處理。
3 形態(tài)學(xué)基礎數學(xué)
形態(tài)學(xué)是一種應用于圖像處理和模式識別領(lǐng)域的新的方法，是一門(mén)建立在嚴格的數學(xué)理論基礎上的學(xué)科�；跀祵W(xué)形態(tài)學(xué)的邊緣信息提取處理優(yōu)于基于微分運算的邊緣提取算法，不像微分算法對噪聲那樣敏感，提取的圖像骨架也比較連續，斷點(diǎn)少。
3.1 膨脹結構元素，f為輸入圖像，fD和bD分別是f和b的定義域。對灰度圖像的膨脹處理方法可得到兩種結果：
(1)如果所有的結構元素都為正，則輸出圖像將趨向比輸入圖像亮;
(2)黑色細節減少或去除取決于在膨脹操作中結構元素相關(guān)的值和形狀。
3.2 腐蝕式中fD和bD為f和b的定義域，通常對灰度圖像的腐蝕處理可得到兩種結果：
(1)如果所有的結構元素都為正，則輸出圖像將趨向比輸入圖像暗;
(2)在比結構元素還小的區域中的明亮細節經(jīng)腐蝕處理后其效果將減弱。
3.3 開(kāi)和閉運算結構元素b對圖像f做開(kāi)運算，定義為fb=(fΘb)⊕b，即先對圖像腐蝕后膨脹，b對f的閉運算為fb=(f⊕b)Θb，即對圖像先膨脹后腐蝕。
實(shí)際運用中，開(kāi)運算處理可取出較小的亮點(diǎn)，保留灰度和較大的亮區特征不變;閉運算處理可去除圖像中較小的暗點(diǎn)，同時(shí)保留原來(lái)較大的亮度特征。
3.4 頂帽變換定帽變換(Top-Hat)是指原圖像減去開(kāi)運算后的圖像，其公式為T(mén)opHat(A)=AΟ(A,B)為輸入圖像，B為結構函數，O(A,B)為A與B的開(kāi)運算，在形態(tài)學(xué)基礎上的一種非線(xiàn)性濾波，頂帽變換后能夠對背景有一定的抑制作用，提取出形狀類(lèi)似于結構元素的孤立目標和噪聲。
4 檢測算法
4.1 頂帽檢測(Top-Hat)將采集到的圖像進(jìn)行格式轉換，轉化為灰度圖像，然后選取大小合適的結構元素，然后對灰度圖像進(jìn)行開(kāi)運算，最后用原灰度圖像減去開(kāi)運算后的圖像。由于海浪和海平面的變化，頂帽變換后的圖像可能會(huì )存在一些噪聲，對變換后的圖像進(jìn)行了中值濾波。
對圖像進(jìn)行相關(guān)的頂帽變換及相關(guān)處理如下：原圖像經(jīng)過(guò)開(kāi)運算后，如圖3，背景及噪聲得到了一定的抑制，原圖像經(jīng)Top-Hat變換后，檢測出海上船只，最后對檢測后的圖像進(jìn)行中值濾波。
原灰度圖像開(kāi)運算后圖像Top-Hat變換后圖像圖5中值濾波后圖像4.2邊緣檢測(Top-Hat)邊緣檢測是提取圖像中不連續的部分的特征，由閉合的邊緣確定區域。常見(jiàn)的邊緣檢測算子有Sobel，Prewitt，Canny算子等。本文采用Sobel檢測算法，Sobel算子的優(yōu)點(diǎn)是方法簡(jiǎn)單、可得到光滑、連續的邊緣，處理速度較快。
sobel算子本文對中值濾波后的圖像進(jìn)行邊緣檢測，結果如圖7所示，并對原灰度圖像直接進(jìn)行邊緣檢測后的圖像如圖8做了對比，圖像經(jīng)過(guò)基于形態(tài)學(xué)的定帽變換后，再進(jìn)行邊緣檢測，能夠很好的提取出運動(dòng)目標，對目標的拖尾現象有一定的消除作用，基于Top-Hat變換的小目標檢測算法對圖像中的背景和噪聲有很大的抑制。
4.2 拖尾處理海上船只在航行過(guò)程中，會(huì )在目標后面形成拖尾。本文借助對檢測后的目標圖像進(jìn)行形心和邊界定位.
標在上、下、左、右四個(gè)方向的邊界來(lái)確定目標的最小外界矩形框，聯(lián)合形心法來(lái)對目標進(jìn)行形心和邊界定位，在取得目標的最左、最右點(diǎn)和中心的縱坐標后，把兩點(diǎn)中水平方向與中心最近的距離視為目標寬度的一半，重新確定目標的外接矩形框，對于之外的點(diǎn)一概去除。
5 結論
本文給出了基于形態(tài)學(xué)的頂帽檢測邊緣檢測相結合的檢測算法，經(jīng)實(shí)驗證明，兩者結合起來(lái)，能夠很好的檢測出目標，并且對拖尾現象和噪聲有一定的消除。
參考文獻
[1]阮秋琦.數字圖像處理學(xué)(第二版)[M].北京：電子工業(yè)出版社，2007.2.
[2]陸宗騏，梁誠用.sobel算子細化邊緣.中國圖像圖形學(xué)報，2006，6：517-519.
[3]葉斌,彭嘉雄.基于形態(tài)學(xué)Top-hat算子的小目標檢測方法[J].中國圖象圖形學(xué)報,2002,7(A)(7):638-642..
[4]許開(kāi)宇，馮德瀛.�？毡尘跋录t外弱小目標檢測方法.哈爾濱工程大學(xué)學(xué)報，9：997-999.
【淺談海平面下小運動(dòng)目標的檢測方法】相關(guān)文章：
淺談新課程改革下的牛頓運動(dòng)定律教學(xué)11-14
淺談新理論新方法下的計算機教育教學(xué)活動(dòng)03-28
淺談民法類(lèi)型化的方法03-29
淺談電算化環(huán)境下的會(huì )計核算方法12-01
淺談新課程下教材的運用12-08
淺談中考物理復習方法12-11
- 相關(guān)推薦