基于背景建模的微小运动目标检测算法研究

摘要

微小运动目标检测一直是运动目标检测方法中的难点。微小运动目标在视频图像中像素少、占整张图像比例小，当其处于背景较复杂的环境中时，要准确提取出它的边缘、颜色特征或者其他特征有较大的困难。本文主要研究了视频中的微小运动目标检测问题，内容可分为以下三部分： (1)针对传统的高斯混合模型仅考虑时间域上单个像素相关性问题，本文将图像的空间信息引入背景建模过程中，提出了一种基于改进高斯混合模型的微小运动目标检测算法。在模型的匹配阶段，以当前像素的邻域特征值来表示当前像素，然后进行匹配判定。实验结果表明，本文的改进方法对于视频中的微小运动目标能获取更好的检测结果，获得更高的召回率和查准率。 (2)针对实际情况中，视频像素的历史灰度值序列并不严格服从高斯分布问题，提出了一种基于偏正态混合模型的微小运动目标检测算法。在每个像素位置处建立一个偏正态混合模型，读入新的一帧图像后，进行参数更新和前景目标检测。实验结果表明，本文算法提取出的微小目标轮廓更加完整，对动态背景的适应性更强、对于相机抖动情况也有一定的鲁棒性。 (3)针对视频中存在的动态背景问题，提出了一种改进的朗斯基偏正态混合模型。以每个像素与其邻域像素构成的支持区域来表示当前像素，利用朗斯基函数来进行前景与背景像素的分类。实验结果表明，本文算法可有效的应对由运动背景产生的噪声，获取更好的微小运动目标检测结果。

目录

声明

1 绪论

1.1 微小运动目标检测的研究背景及意义

1.2 国内外研究进展

1.2.1 运动目标检测研究现状

1.2.2 微小运动目标检测研究现状

1.3 微小运动目标检测的困难

1.4 本文的内容安排

2 基于改进高斯混合模型的微小运动目标检测

2.1 高斯混合模型

2.2 改进的高斯混合模型

2.3 实验结果

2.3.1 算法评估指标

2.3.2 改进的高斯混合模型的有效性验证

2.4 本章小结

3 基于偏正态混合模型的微小运动目标检测

3.1 偏正态分布及其性质

3.1.1 偏正态分布

3.1.2 偏正态分布性质

3.2 偏正态混合模型及其参数估计

3.2.1 偏正态混合模型

3.2.2 通过ECME算法进行SNMM的参数估计

3.2.3 初始参数选取方式

3.2.4 背景建模

3.2.5 参数渐进估计

3.3 实验结果

3.3.1 两种匹配规则下的实验结果

3.3.2 SNMM算法的有效性验证

3.3.3 两种混合模型的实验结果比较

3.4 本章小结

4 基于朗斯基函数的偏正态混合模型

4.1 朗斯基变化检测模型

4.2 基于朗斯基函数的偏正态混合模型

4.3 实验结果

4.3.1 朗斯基函数选取方法有效性验证

4.3.2 WMSNMM算法的有效性验证

4.4 本章小结

5 总结与展望

5.1 本文工作总结

5.2 展望

致谢

参考文献

攻读学位期间主要研究成果