基于图像融合的运动目标检测算法研究

发布时间：2021-12-31 07:05

　　运动目标检测无疑是当今智能视频监控系统的基础和重中之重,是后续目标识别、跟踪及行为分析的前提。然而运动目标检测易受光照、雾霾、雨雪等复杂场景的影响,为提高系统的鲁棒性和适用性,结合可见光和红外成像特性,通过融合两者优势获得更好的运动目标检测效果。本文着眼于计算机视觉技术在智能视频监控中的应用,对可见光和红外图像增强、配准、融合及运动目标检测算法进行了研究,以应对监控中的复杂场景,从而实现监控系统全天候、全时段工作。首先,本文阐述了常用的图像增强算法,分析可见光图像和红外图像成像特点,并针对各自特点分别进行增强,提高图像质量并突出感兴趣区域,从而为图像后续处理奠定基础。然后重点介绍了基于特征的图像配准方法,阐述了运用视觉显著性和SIFT方法提取及匹配特征点,通过仿射变换和双线性插值完成对异源图像的严格配准,并在多种情况下验证了该方法的不变性和鲁棒性。接着本文分析了常用的可见光和红外图像融合方法,重点提出了基于空间频率和模糊变换的彩色图像融合方法,并从主观和客观两方面评价和比较了本文方法的优越性,为运动目标检测奠定了良好的基础,更好地应对复杂场景。最后比较了运动目标检测常用算法,改进帧间差... 

【文章来源】：燕山大学河北省

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

亮度I分量HE前后对比图

图 2-6 亮度 I 分量 HE 前后对比图最后将图像色度 H 分量、饱和度 S 分量和直方图均衡化后的亮度 I 分量逆转至 RGB 颜色空间用于显示和观察，彩色图像增强前后对比图如 2-7 所示，由对比明显看出，增强后彩色图像整体变亮，对比度明显增强，地面、房顶、天空等纹理边缘信息更加明显，绿树、红房顶等颜色更加鲜艳，利于人眼观察和进一步图像理和分析，但可见光图像始终不能透过烟雾，无法得到烟雾后的信息，是严重的全隐患，这时红外图像彰显出其巨大优势。

图 2-9 剪切波系数映射函数图得到最终剪切波系数值后，将红外图像通过剪切波逆变换到空间域，最终完外图像的增强，效果对比图如 2-10 所示。由前后对比可以看出，增强后图像相原图像整体明显更清晰、对比度强，有效地抑制了噪声，同时楼房、窗户、玻边缘、纹理等细节也得到合理地增强，未出现过增强现象。10-1-T2-1 -T0 11T2-T1

【参考文献】：
期刊论文
[1]基于帧间差分累积的铁路限界异物检测提取算法[J]. 郭碧,丁春平.  铁道标准设计. 2019(09)
[2]基于帧差与背景差分的改进目标识别算法[J]. 赵柏山,郑茂凯,张帆.  通信技术. 2018(11)
[3]现代智能视频监控研究综述[J]. 吴群,王田,王汉武,赖永炫,钟必能,陈永红.  计算机应用研究. 2016(06)
[4]红外和可见光图像互补融合的运动目标检测方法[J]. 叶华,朱明旱,王日兴.  红外技术. 2015(08)
[5]改进混合高斯模型的运动目标检测算法[J]. 华媛蕾,刘万军.  计算机应用. 2014(02)
[6]图像质量评价方法研究进展[J]. 蒋刚毅,黄大江,王旭,郁梅.  电子与信息学报. 2010(01)

博士论文
[1]红外与可见光图像融合算法研究[D]. 周渝人.中国科学院研究生院(长春光学精密机械与物理研究所) 2014

硕士论文
[1]基于光流算法的运动目标检测应用研究[D]. 张艳艳.西安石油大学 2018
[2]立体视觉技术在静态场景下的运动物体检测及跟踪研究[D]. 彭云.武汉工程大学 2017
[3]基于监控视频的运动目标检测算法[D]. 张硕.吉林大学 2017
[4]智能视频监控平台中区域目标检测和联合跟踪的设计与实现[D]. 秦浩.南京邮电大学 2016
[5]红外与可见光图像融合技术的研究[D]. 戴向东.电子科技大学 2014
[6]复杂环境中运动目标检测与跟踪研究[D]. 胡小冉.南京航空航天大学 2014
[7]基于时频分析的序列图像弱小运动目标检测[D]. 田蕾.重庆大学 2012



本文编号：3559832