论文部分内容阅读
运动目标检测从视频或图像序列中提取感兴趣的目标,方便进一步目标跟踪、分类及行为理解等研究工作的进行。它在监控设备无处不在的今天显得极为重要,是目前的研究热点之一。在远距离成像时,图像会受到大气湍流的影响而呈现出与真实场景不同的状态。大气湍流是由于大气受到温度、湿度、压强、风速等的影响形成的湍流运动。大气湍流使得大气各部分密度不同,形成不同的折射率,从而影响光在大气中的传输。成像设备获得的图像会受到大气湍流不同程度的影响,主要表现为亮度变化和随机漂移。传统的运动目标检测方法难以处理这样复杂的环境。本文针对大气湍流环境下运动目标检测方法展开研究。本文首先介绍了传统的运动目标检测方法,分析了它们的优缺点。然后研究了大气湍流对图像产生的影响,针对大气湍流对图像序列造成影响在不同区域表现出来的不同性质,本文提出了分区域建模、多层次决策的运动目标自适应检测方法。本文提出的方法将一幅图像分为四个区域,分别为背景中平坦区域、背景中物体边缘区域、亮度突变点和运动目标区域。分3个层次对这四个区域分别进行建模。在第一层次分别使用参数化方法和非参数化方法共两种方法对背景进行初步建模。将背景图像划分为平坦区域和物体边缘区域,通过研究这两个区域的性质,分别应用了不同的模型。参数化方法使用高斯分布和双高斯分布分别建模背景中平坦区域和背景中运动目标区域。非参数化方法基于Vi Be方法,分别对两个区域使用不同阈值,获得初步前景图像。在第二层次研究了一种用于虚警判别的自适应阈值方法。初步检测的前景中存在部分由于亮度突变点产生的虚警区域。自适应阈值模型综合了全局的标准差信息和局部的邻域背景像素点信息,有效地对亮度突变点进行了去除。在该模型基础上,本文研究了一种去除鬼影区域(Ghost)的方法,通过统计像素点连续被检测为前景的次数使得鬼影区域的阈值指数增大,从而快速消除鬼影区域。在第三层次对前景图像进行形态学滤波和目标区域约束,最终获得运动目标区域。实验结果证明,与现有方法相比,本文的方法能有效地在大气湍流环境下进行运动目标检测,在不同大气湍流强度下对不同数量和不同运动方向的目标取得了良好的检测效果。