基于背景差分法的机动目标检测

基于背景差分法的机动目标检测LANZHOU UNIVERSITY OF TECHNOLOGY
毕业论文
题目基于背景差分法的机动目标检测
学生姓名梅金涛
学号09250124
专业班级通信工程（1）班
指导教师李立
学院运算机与通信学院
答辩日期2013年6月17日
基于背景差分法的机动目标检测
Maneuvering target detection based on background difference method
拼音：Mei Jintao
学号：09250124
摘要
在道路交通治理中，采纳摄像头拍照的道路视频，再用运算机软件处理的方法，则能够极大的增加方便性和灵活性。

本文运动目标检测研究如何让运算机从视频图像序列中获得物体运动数据。

运动目标检测分为视频读取、灰度处理、视频图像化、运动位置提取这几个步骤。

论文的提取背景是通过算数平均法实现的。

与此同时，在运动点团位置提取步骤中，采纳了背景减法直截了当将目标提取出来。

本文还通过实验分析比较了图像预处理给实验带来的正面成效。

实验结果再次证明了平均法和差分法在图像处理领域的方便性和灵活性。

关键词：读取视频;视频图像化;背景提取;目标提取。

Abstract
Road traffic management system often uses camera to capture the roa dway with computer software processing method in order to increase proc essing convenience and flexibility. The topic of this paper is the detection of moving target, and this also means how to get the whole target from the image sequence. Moving target detection is divided into several step s，such as video read, grayscale processing, video visualization, sports loc ation extracting. In this paper, background is extracted by arithmetic mean method. At the same time, the paper in the moving point position extra ction step, used the background subtraction to pick up the target directly.
This article also analysis the image preprocessing experiment to bring the positive effect by experiment. The experimental results prove that the average method and difference method again in convenience and flexibili ty in the field of image processing.
Keywords: Video Reading、Graphical Video、Background Extraction、Target Extraction.
目录
第一章绪论1
1.1 视频图像差分信息的提取的进展与意义1 1.2 国内外研究现状 2
1.3论文组织结构2
第二章差不多原理和有关理论3
2.1数字图像处理3
2.1.1 数字图像处理常用方法3
2.1.2 数字图像处理技术的应用4
2.2图像的预处理5
2.2.1 基础知识5
2.2.2图像增强技术5
2.2.3 图像复原技术6
2.2.4 图像去噪质量评判标准6
2.3.1 差不多介绍7
2.3.2 差不多方法8
2.4 MATLAB软件介绍9
2.4.1 MATLAB的应用9
2.4.2 MATLAB工具箱10
2.5 运动目标检测算法研究 11
2.5.1手动背景法11
2.5.2统计中值法12
2.5.3算术平均法12
2.5.4 Surendra算法13
2.5.5其他算法14
2.6运动目标检测算法研究14
2.6.1 光流法错误!未定义书签。

2.6.2 背景减法14
第三章背景提取15
3.1 彩色图像的背景提取15
3.1.1 基于均值的彩色图像背景15
3.1.2 改进的基于均值的彩色图像背景提取16 3.1.3 基于中值滤波的彩色背景图像提取17 3.1.4 基于共同区域的彩色图像背景提取18 3.1.5 灰度图像的背景提取19
第四章实验仿真结果分析20
4.1 视频图像的读取格式20
4.2帧图像的读取21
4.2.1单帧读取图像21
4.2.2 多帧图像的读取22
4.4目标背景和前景提取22
4.4.1 背景提取的步骤23
4.4.3 图像二值化25第五章总结26
参考文献27
附录29
附录一：29
附录二：32
致谢46
第一章绪论
1.1 视频图像差分信息的提取的进展与意义
视频图像差分信息的提取作为运算机视觉研究的核心课题之一，是一门正兴起的技术。

它融入了人工智能、图像处理、模式识不、运算机、以及自动操纵等许多领域的先进技术。

若用在视频跟踪系统上，具有隐藏性、直观性、抗电子干扰性、性价比高等突出优点。

因为可从视频监视器上直截了当看到目标图像，因而能方便、直观地辨不出目标。

此外在近距离跟踪方而，视频的跟踪系统具有较高的可靠性、精确性和稳固性。

因提取的结果中包含了场景中各个运动目标的大量时空信息，视频图像差分信息提取技术从二十世纪六十年代以来，取得了极大的进展，在医疗诊断、战场戒备、气像分析、军事视觉制导、安全监测、参数现实、交通管制、机器人视觉导航、虚拟现实和视频压缩等许多方面都有广泛应用。

例如在军事方面，要紧应用于电视跟踪和红外跟踪。

早期的电视和红外跟踪器都采纳的是单一工作模式，必须全部用硬件实现。

现在的跟踪以微机为基础，采纳图像处理与模式识不技术，利用程序操纵实现多种功能。

多模跟踪器差不多用于电视和红外成像系统，如美国的坦克破坏者和海尔法等导弹的制导系统。

近年来，人工智能被应用到视频跟踪中，专门有效的提升了系统自适应昀能力。

在这些防空反导的系统中，视频的跟踪系统都起到了不能替代的作用。

在民用方而，例如视觉监控，通过摄像机监视动态场景，已广泛地应用于社会生活的各方面，视频跟踪能够应用在社区和重要设施的保安监控中，用作智能交通系统中对车辆的实时检测与追踪。

通过实时监测和跟踪，可得到车流量、车流密度、车型、车速等许多有用的交通流参数，同时还能够检测事故或者故障等突发的状况。

此外，在港口治理、远距离测量、天文观测、医学图像分析、电视会议等专门多领域视频跟踪技术也大有作为。

近年，国内外的设计用在支持视频跟踪图像处理的软硬件系统，通过系统的接口简化和编码推进了完全可编程的基于图像高帧频跟踪器的迅速的进展，且国外差不多达到了有用化水平，在国内也采纳高速数字的处理技术和目标跟踪测量技术，得到了母弹解爆后所产生的数个目标的高帧频摄像，实时的处理和实时的跟踪显示。

1.2 国内外研究现状
长期以来，我国各大都市的交管部门对交通信息的采集仍停留在使用传感线圈、固定的摄像装置等路基采集设备时期，存在监视范畴狭小、灵活性低、无法应对突发事件、缺乏对宏观信息的掌控等困难，严峻阻碍对交通的有效疏导。

如果为了猎取全面的交通信息而在所有潜在交通拥堵地点和奥运等重大活动周边都安装固定监视设备，不但成本昂贵，而且由于大型活动具有短期性，将造成资源的庞大白费。

随着近年来全国各大都市交通拥挤程度的加剧，如何克服传统路基交通监视设备监视范畴狭小、灵活性低等固有缺点，对宽广范畴内的路面交通状况进行覆盖监视，快速到达突发事故地点，实时猎取事故现场信息，及时采取有效措施疏散车辆，实现对特定交通对象的跟踪定位，差不多上交管部门十分关怀的咨询题，也是各国科学家亟待解决的难题。

欧美一些发达国家在20世纪90年代就差不多开始探究一种能够代替或增强路面交通态势监视手段的新技术——道路交通态势空中监测技术。

该技术的理念是利用空基平台特有的不受路面交通状况制约、可快速到达指定地点的特点，对重大活动、灾难事件、突发交通事件进行监视并提供各种应急信息服务，从而为全面、快速、准确的猎取与处理交通态势奠定基础。

1.3论文组织结构
第一章是绪论。

要紧讲视频图像差分信息的提取的进展与意义、国内外研究现状以及论文的组织结构。

第二章是差不多原理和有关理论。

要紧讲数字图像处理技术中的目标提取差不多原理，其中包括：图像预处理的概念、图像的预处理、图像灰度化。

同时介绍了MATLAB和图像处理的关系[1]、MA TLAB的命令和工具箱[2]。

第三章是背景提取和目标提取。

要紧介绍视频读取过程，然后读取帧图像。

同时本文给出了背景提取的具体方法：算术平均法，以及目标提取的具体过程。

由于视频资源咨询
题，将背景图像通过预处理。

本文还采纳了二值化图像处理方法对图片进行了处理和提取。

第四章是本文结论和总结部分。

总结了论文的仿真结果跟论文的具体实现过程。

第二章差不多原理和有关理论
2.1数字图像处理
数字图像处理是指将图像信号转换成数字信号并利用运算机对其进行处理的过程。

图像处理最早显现于20 世纪50 年代，当时的电子运算机差不多进展到一定水平，人们开始利用运算机来处理图形和图像信息。

数字图像处理作为一门学科大约形成于20 世纪60 年代初期。

早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉成效为目的。

图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等[6]。

2.1.1 数字图像处理常用方法
1 ）图像变换：由于图像阵列专门大，直截了当在空间域中进行处理，涉及运算量专门大。

因此，往往采纳各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少运算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。

目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。

2 ）图像编码压缩：图像编码压缩技术可减少描述图像的数据量（即比特数），以便节约图像传输、处理时刻和减少所占用的储备器容量。

压缩能够在不失确实前提下获得，也能够在承诺的失真条件下进行。

编码是压缩技术中最重要的方法，它在图像处理技术中是进展最早且比较成熟的技术。

3 ）图像增强和复原：图像增强和复原的目的是为了提升图像的质量，如去除噪声，提升图像的清晰度等。

图像增强不考虑图像降质的缘故，突
出图像中所感爱好的部分。

如强化图像高频重量，可使图像中物体轮廓清晰，细节明显；如强化低频重量可减少图像中噪声阻碍。

图像复原要求对图像降质的缘故有一定的了解，一样讲应按照降质过程建立“降质模型”，再采纳某种滤波方法，复原或重建原先的图像。

4 ）图像分割：图像分割是数字图像处理中的关键技术之一。

图像分割是将图像中有意义的特点部分提取出来，其有意义的特点有图像中的边缘、区域等，这是进一步进行图像识不、分析和明白得的基础。

尽管目前已研究出许多边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。

因此，对图像分割的研究还在持续深入之中，是目前图像处理中研究的热点之一。

5 ）图像描述：图像描述是图像识不和明白得的必要前提。

作为最简单的二值图像可采纳其几何特性描述物体的特性，一样图像的描述方法采纳二维形状描述，它有边界描述和区域描述两类方法。

关于专门的纹理图像可采纳二维纹理特点描述。

随着图像处理研究的深入进展，差不多开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。

6 ）图像分类（识不）：图像分类（识不）属于模式识不的范畴，其要紧内容是图像通过某些预处理（增强、复原、压缩）后，进行图像分割和特点提取，从而进行判决分类。

图像分类常采纳经典的模式识不方法，有统计模式分类和句法（结构）模式分类，近年来新进展起来的模糊模式识不和人工神经网络模式分类在图像识不中也越来越受到重视[18]。

2.1.2 数字图像处理技术的应用
随着运算机技术的进展，图像处理技术差不多深入到我们生活中的方方面面，其中，在娱乐休闲上的应用差不多深入人心。

图像处理技术在娱乐中的应用要紧包括：电影特效制作、电脑电子游戏、数码相机、视频播放、数字电视等。

电影特效制作：自从20 世纪60 年代以来，随着电影中逐步运用了运算机技术，一个全新的电影世界展现在人们面前，这也是一次电影的革命。

越来越多的运算机制作的图像被运用到了电影作品的制作中。

其视觉
成效的魅力有时差不多大大超过了电影故事的本身。

现在，我们差不多专门难发觉在一部电影中没有任何的运算机数码元素。

电脑电子游戏：电脑电子游戏的画面，是近年来电子游戏进展最快的部分之一。

从1996 年到现在，游戏画面的进步简直能够用突飞猛进来形容，随着图像处理技术的进展，众多在几年前无法想象的画面在今天差不多成为了平平常常的东西。

视频播放与数字电视：家庭影院中的VCD ，DVD播放器和数字电视中，大量使用了视频编码解码等图像处理技术，而视频编码解码等图像处理技术的进展，也推动了视频播放与数字电视象高清晰，高画质进展[20]。

2.2图像的预处理
图像预处理技术确实是在对图像进行正式处理前所做的一系列操作，因为图像在传输过程和储备过程中难免会受到某种程度的破坏和各种各样的噪声的污染，导致图片丧失了本质或者偏离了人们的需求，而这就需要一系列的预处理操作来排除图像受到的阻碍。

2.2.1 基础知识
一样情形下，人们对获得的图像（原始图像）进行预处理无非是从两个方面：图像增强和图像复原。

如果人们在图像处理过程中并不考虑图像的降质等有关缘故，只是单独的将人们感爱好的图像特点有选择的突出出来，并衰减其他不需要或者次要的特点，这类图像预处理方法所得到的图像并不需要和原先的图像接近，只是让人们更容易观看到自己感爱好的地点，因此称这类预处理方法为图像增强技术[3]。

而图像复原技术需要明白图像的降质缘由，按照图像降质的现眼知识，复原并重构原先的图像。

因此图像增强和图像复原的目的是不一样的，图像增强的目的是为了改善图像视觉成效，便于观看和分析人们所感爱好的东西，而把那些不重要的地点给清除出去，不仅如此，图像增强还便于人工或者机器对图像的进一步处理。

而图像复原不仅仅是对图像进行预处理还要复原至原先的面貌，它需要建立模型依此为依据进行复原。

2.2.2图像增强技术
一样来讲图像增强技术要紧有两种方法：空间域和频率域法。

空间域法则要紧是直截了当在空间域内对图像进行运算处理，分为两个方面：点运算和邻域运算（局部运算）。

其中点运算包括图像灰度变换、直方图修正、局部统计法等几种方法，邻域运算包括图像平滑和图像锐化等几个方面。

频率域法则只在图像的某种变换域里对图像的变换值进行运算，例如我们对图像进行傅立叶变换，然后在变换域里对图像的频谱进行某种运算，最后把运算后的图像逆变换到空间域。

频率域法通常分为高、低通滤波、频率带通和带阻滤波、同态滤波等等。

因此以上分类是从图像预处理的方法上来分的，如果从处理目的方面来讲图像增强能够分为灰度调整、平滑减噪、图像锐化等，从处理策略分类上能够分为全局处理和局部处理两大方面，从处理对象上来分能够分为灰度图像处理和伪彩色图像处理。

因此图像预处理中的图像增强技术分类极其复杂，那个地点只阐述下图像灰度化及灰度变换、图像平滑减噪及其中滤波方法之一的均值滤波等常用的预处理方法[10]。

2.2.3 图像复原技术
图像复原技术确实是利用图像的先验知识来改变一副被退化的图像的过程，图像复原技术需要我们先建立图像模型，然后逆向反解那个退化过程，最后获得退化前的最优图像。

图像退化模型能够当成是一个线性模糊和一个高斯噪声的合体。

因此，图像复原能够通过设计复原滤波器即逆向滤波来实现。

在进行图像复原时，有许多选择。

第一能够用连续数学，也能够用离散数学来处理。

其次，进行图像处理时既能够在空域里还能够在频率域里。

此外，当复原采纳数字方法是，处理时既能够通过空域的卷积运算，也能够通过频域的相乘运算进行。

2.2.4 图像去噪质量评判标准
图像质量评估也是图像处理领域的研究方向之一，当我们进行图像增强时，把一幅含有噪声的图像处理之后图像的质量是否会有所提升，这需要一个标准来衡量图像增强的好坏，因此，引入图像的去噪评判标准对图像去噪前后的质量进行评比，做出比较标准的判定。

现在比较常用的图像去噪的评估标准有两类：客观准则和主观准则。

客观评判标准是用去噪后的图像与原始图像的偏离程度来衡量图像去噪处理的质量。

常用的一个方法是均方误差估量，它通过运算输入图像与输出图像的均方值(MSE)来评判图像处理质量。

以上简单介绍了两种常用的客观评判标准。

也可采纳主观评测准则，即主观比较去噪图像与原图像两者之间的差不。

因此主观评判带有主观性，因人而异，要紧从以下两方面进行评判：
①观看图像去噪后的平滑成效。

通过观看图片复原前后平坦区域和缓变区域的平滑程度。

因为人眼关于平坦区、缓变区的噪声的敏锐度相对其它区域会更高，而且目前常见的平滑去噪的过程也大多在这些区域进行。

②观测图像的结构的边缘爱护情形。

因为在平滑去噪的过程中，为了排除噪声，会将图像边缘的部份结构模糊掉，这会对图像边缘和细节信息造成一定的破坏。

目前大部份滤波方法都会产生边缘模糊、边缘移动、边缘失真及细节丢弃的后果。

因此能够通过观看图像的边缘和平坦的区域是否受到损坏以判定滤波器对图像的爱护成效[2]。

2.3图像灰度化
将彩色的图像转化灰度图像的过程叫做图像灰度化，由于彩色图像的每个像素的颜色由R、G、B三个重量组成，即红、绿、蓝三种颜色。

每种颜色都有255中灰度值能够去，而灰度图像则是R、G、B三个重量灰度值相同的一种专门的图像，因此在数字图像处理过程中将彩色图像转换成灰度图像后就会使后续的图像处理时的运算量变得相对专门少，这也确实是图像灰度化的缘故。

而且灰度图像对图像特点的描述与彩色图像没有什么区不，仍能反应整个图像的整体和局部的亮度和色度特点。

现在大部分的彩色图像差不多上采纳RGB颜色模式，处理图像的时候，要分不对RGB 三种重量进行处理，实际上RGB并不能反映图像的形状特点，只是从光学的原理上进行颜色的调配。

因此人们在进行图像处理和预处理时都会先进行图像的灰度化处理，方便对图像的后续化处理，减少图像的复杂度和信息处理量[9]。

2.3.1 差不多介绍
灰度用黑色调来表示物体，每个灰度对象有0%（白色）至100%（黑色）的范畴值，通常用灰度来表示黑白或灰度扫描仪生成的图像。

另外使用灰度还能将彩色的图像转换为高质量的黑白图像，现在制图软件将会把原图像的所有颜色信息丢弃。

而我们所讲的灰度色，确实是指纯白、纯黑及两者的一系列从黑到白的过渡颜色。

平常所讲的黑白照片、电视，实际上都应称为灰度照片、灰度电视才准确。

灰度共有256个级不，灰度最高的相当于最高的黑，那确实是纯黑。

灰度最低的相当于最低的黑，也确实是没有黑，确实是纯白。

当把像素量化以后，用一个字节表示像素的大小。

如果把黑-灰-白连续多种变化的灰度值也量化为256个灰度级，则灰度值的范畴大小为0到255，表示的含义是亮度从深到浅，相对应的图像中的颜色则是从黑到白。

因此黑白照片里包含了黑白之间的所有灰度值，每个像素都在黑和白之间的256种灰度中包含着[5]。

2.3.2 差不多方法
彩色图像RGB模型中，如果R=G=B，则彩色表示一种灰度颜色，其中那个值叫做灰度值，因此灰度图像每个像素用一个字节存放灰度值（亮度值），一样有四种方法对彩色图进行灰度化：
①取重量法。

将彩色图像中的三个重量之一的亮度值作为灰度图像的灰度值，按照需要选取一种作为灰度图像。

②取最大值法。

是将彩色图像中的三个重量的亮度的最大值作为灰度图像的灰度值。

③平均值法[10]。

将彩色图像中的三个重量的亮度值求平均值得到一个灰度值，作为灰度图像的灰度。

④加权平均值法。

按照三个重量的重要性及其它指标，将三个重量以不同的权值进行加权平均运算。

由于人眼对绿色的敏锐度高，对蓝色的敏锐度低，故能够按照不同的权值对RGB三个重量进行加权平均运算能得到比较合理的灰度图像[3]。

图2.1 图像灰度化前后
2.4 MATLAB软件介绍
MATLAB[12]是Matrix Laboratory即矩阵实验室的缩写，是美国Mat hWorks公司专门开发的集数值运算、符号运算、图像可视化三大功能于一体的功能强大的仿真软件，是国际上公认的优秀数学应用软件之一。

由于它的差不多单位是矩阵，它的指令表达式与数学和工程中的相似，故用MA TLAB解决运算和图像咨询题比用其他语言完成要简单的多。

MATLAB最突出的功能确实是简洁，用更直观的符合人们思维的代码代替了C和VC+ +的冗长的代码，给用于带来了最直观最简洁的程序开发环境。

而且MATL AB的图形功能专门强大，在MATLAB里数据的可视化专门简单，MATLA B还具有较强的编辑图形界面的能力。

MATLAB的另一大特色是功能强大的工具箱。

MATLAB软件里包含两部分：核心部分和各种可自由选取的工具箱。

核心部分则有数百个内部函数，工具箱又分为两个方面：功能性工具箱和学科性工具箱。

前者用来扩充符号运算功能，图像建仿照真功能，文字处理功能和硬件实时交互功能等。

能够看出功能性工具箱用于多种类型的学科，而学科性工具箱是比较专业性的工具箱，如signl processing to olbox，communication toolbox等等，因此用户能够不编写自己学科内的基础性程序，直截了当进行高端的程序研究。

在上述工具箱中，图像处理工具包是由一系列支持图像处理操作的函数构成的，所支持的图像操作有：图像几何操作，邻域操作、图像变换、图像增强与复原、线性滤波和滤波器的设计与实现等等[20]。

2.4.1 MATLAB的应用
下面简单介绍一些MATLAB在图像处理方面的实际操作应用[12]。

（1）图像文件格式的读入和写出。

MA TLAB提供了图像读入函数im read()，用来读取各种各样的文件，如bmp、pcx、jgpeg 、hdf、xwd等格式的图像。

MATLAB还提供了图像写出函数imwrite()，另外还有图像显示函数image()、imshow()。

（2）图像处理有关的差不多运算。

MA TLAB提供了图像线性运算以及卷积、有关、滤波等非线性算。

例如，用函数2(,)
conv A B实现了A，B两幅图像的卷积运算。

（3）图像变换。

MA TLAB提供了傅立叶变换、快速傅立叶变换、离散余弦变换及其反变换和连续小波变换、离散小波变换及其反变换各种变换。

（4）图像分析、增强。

针对图像的统计运算MATLAB 提供了灰度调整、直方图均衡、中值滤波、自适应滤波等一系列图像预处理技术[10]。

以上所提到的MATLAB软件在图像中的各种处理应用差不多上通过相应的MATLAB函数来实现的，因此使用时，只需正确调用相应的函数并输入参数即可。

MATLAB中的差不多数据结构是由一组有序的实数或复数元素构成的数组，同样的，图像对像的表达采纳的是一组有序的灰度或彩色数据元素构成的实值数组。

MATLAB中通常用二维数组来储备图像，数组的每一个元素对应于突袭哪个的一个像素值。

由于对图像采纳了通用的数据矩阵的表达方式，MATLAB中原有的所有差不多矩阵操作都可应用于图像矩阵。

2.4.2 MATLAB工具箱
MATLAB图像处理工具箱提供了丰富的图像处理函数，使用这些工具箱函数将大大减轻图像数据的纷杂操作，使我们更加快捷地实现图像处理任务，不再把专门多的时刻花在调试一些差不多代码上，而是把更多的精力倾注于各种图像处理算法的成效上。

工具箱函数[3]要紧能够完成以下功能：
①图像的几何操作；
②图像的临域和图像块操作；
③线形滤波和滤波器设计；
④图像变换；。