試析海平面下小運動目標(biāo)的檢測方法

時間：2022-12-09 17:13:33 碩士論文我要投稿

相關(guān)推薦

　　檢測是指用指定的方法檢驗測試某種物體(氣體、液體、固體)指定的技術(shù)性能指標(biāo)。適用于各種行業(yè)范疇的質(zhì)量評定，如：土木建筑工程、水利、食品、化學(xué)、環(huán)境、機(jī)械、機(jī)器等等。以下是一篇關(guān)于研究海平面下小運動目標(biāo)的檢測方法的碩士論文，希望大家喜歡!

試析海平面下小運動目標(biāo)的檢測方法

　　論文摘要:本文針對于海平面背景下運動的小目標(biāo)進(jìn)行了相關(guān)研究，在目標(biāo)的檢測過程中，提出了基于形態(tài)學(xué)濾波與邊緣檢測相結(jié)合的算法。首先對采集的圖像進(jìn)行灰度轉(zhuǎn)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，去除變換過程中的噪聲，最后用邊緣檢測sobel算子對目標(biāo)進(jìn)行邊緣的檢測。兩者結(jié)合起來，能夠很好的檢測出目標(biāo)，并且對拖尾現(xiàn)象和噪聲有一定的消除。

　　論文關(guān)鍵詞：數(shù)學(xué)形態(tài)學(xué);Top-Hat;sobel;目標(biāo)檢測

　　1 引言

　　目標(biāo)檢測是運動分析的主要研究內(nèi)容之一，指通過運動及圖像特征分析(如灰度、邊緣等)，將視頻序列中存在與背景有相對運動的前景目標(biāo)從原始圖像序列中提取出來。隨著計算機(jī)技術(shù)的發(fā)展和計算機(jī)視覺原理的廣泛應(yīng)用，利用計算機(jī)圖像處理技術(shù)對目標(biāo)進(jìn)行實時跟蹤研究越來越熱門。運動目標(biāo)的檢測傳統(tǒng)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發(fā)生運動的情況，通過相減方法，難以把背景和目標(biāo)分離;光流法大多數(shù)計算方法比較復(fù)雜，對實時處理不適用。背景差分法能夠較完整的提取目標(biāo)點，但要預(yù)先知道背景，不適用于攝像頭運動的情況。基于本文檢測的對象是海平面上運動的小船只，提出了基于形態(tài)學(xué)的頂帽檢測邊緣檢測相結(jié)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(tǒng)設(shè)計

　　本文檢測的對象是海平面上運動的小船只，提出了基于形態(tài)學(xué)的頂帽檢測邊緣檢測相結(jié)合的算法，目標(biāo)檢測的系統(tǒng)框圖，將采集到的圖像轉(zhuǎn)為為灰度圖像 f(x,y)，并與灰度圖像開運算后的圖像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(chǔ)數(shù)學(xué)

　　形態(tài)學(xué)是一種應(yīng)用于圖像處理和模式識別領(lǐng)域的新的方法，是一門建立在嚴(yán)格的數(shù)學(xué)理論基礎(chǔ)上的學(xué)科�；跀�(shù)學(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(xù)，斷點少。

　　3.1 膨脹結(jié)構(gòu)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(jié)果：

　　(1)如果所有的結(jié)構(gòu)元素都為正，則輸出圖像將趨向比輸入圖像亮;

　　(2)黑色細(xì)節(jié)減少或去除取決于在膨脹操作中結(jié)構(gòu)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(jié)果：

　　(1)如果所有的結(jié)構(gòu)元素都為正，則輸出圖像將趨向比輸入圖像暗;

　　(2)在比結(jié)構(gòu)元素還小的區(qū)域中的明亮細(xì)節(jié)經(jīng)腐蝕處理后其效果將減弱。

　　3.3 開和閉運算結(jié)構(gòu)元素b對圖像f做開運算，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。

　　實際運用中，開運算處理可取出較小的亮點，保留灰度和較大的亮區(qū)特征不變;閉運算處理可去除圖像中較小的暗點，同時保留原來較大的亮度特征。

　　3.4 頂帽變換定帽變換(Top-Hat)是指原圖像減去開運算后的圖像，其公式為TopHat(A)=AΟ(A,B)為輸入圖像，B為結(jié)構(gòu)函數(shù)，O(A,B) 為A與B的開運算，在形態(tài)學(xué)基礎(chǔ)上的一種非線性濾波，頂帽變換后能夠?qū)Ρ尘坝幸欢ǖ囊种谱饔茫崛〕鲂螤铑愃朴诮Y(jié)構(gòu)元素的孤立目標(biāo)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(zhuǎn)換，轉(zhuǎn)化為灰度圖像，然后選取大小合適的結(jié)構(gòu)元素，然后對灰度圖像進(jìn)行開運算，最后用原灰度圖像減去開運算后的圖像。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)過開運算后，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(xù)的部分的特征，由閉合的邊緣確定區(qū)域。常見的邊緣檢測算子有Sobel，Prewitt，Canny算子等。本文采用Sobel檢測算法，Sobel算子的優(yōu)點是方法簡單、可得到光滑、連續(xù)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(jié)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目標(biāo)，對目標(biāo)的拖尾現(xiàn)象有一定的消除作用，基于Top-Hat變換的小目標(biāo)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程中，會在目標(biāo)后面形成拖尾。本文借助對檢測后的目標(biāo)圖像進(jìn)行形心和邊界定位.

　　標(biāo)在上、下、左、右四個方向的邊界來確定目標(biāo)的最小外界矩形框，聯(lián)合形心法來對目標(biāo)進(jìn)行形心和邊界定位，在取得目標(biāo)的最左、最右點和中心的縱坐標(biāo)后，把兩點中水平方向與中心最近的距離視為目標(biāo)寬度的一半，重新確定目標(biāo)的外接矩形框，對于之外的點一概去除。

　　5 結(jié)論

　　本文給出了基于形態(tài)學(xué)的頂帽檢測邊緣檢測相結(jié)合的檢測算法，經(jīng)實驗證明，兩者結(jié)合起來，能夠很好的檢測出目標(biāo)，并且對拖尾現(xiàn)象和噪聲有一定的消除。

　　參考文獻(xiàn)

　　[1]阮秋琦.數(shù)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(xì)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(biāo)檢測方法[J].中國圖象圖形學(xué)報,2002,7(A)(7):638-642..

　　[4]許開宇，馮德瀛.�？毡尘跋录t外弱小目標(biāo)檢測方法.哈爾濱工程大學(xué)學(xué)報，9：997-999.

【試析海平面下小運動目標(biāo)的檢測方法】相關(guān)文章：

試析建筑工程監(jiān)理的目標(biāo)制約與管理方法08-29

試析心理訓(xùn)練對排球運動的影響及作用05-08

試析基于應(yīng)用型人才培養(yǎng)目標(biāo)的稅法教學(xué)改革08-26

試析新形勢下企業(yè)審計工作管理06-11