基于动态图像序列的运动目标检测与跟踪

摘要

运动目标的分析已成为计算机视觉中的一个重要研究领域，尤其是对运动目标的检测和跟踪，它在军事、工业过程控制、医学研究、交通监控、飞机导航等许多领域有着广泛的应用前景。本文以运动区域分割和跟踪为基础，研究了基于动态图像序列的运动目标分析问题。其核心内容是从动态图像序列中检测出运动目标、并跟踪其运动轨迹，从而可获得运动目标的位移、速度、加速度等运动参数。 论文主要内容如下：首先，对运动目标的分析方法进行了综述，分析了该领域目前的研究现状和未来可能的研究发展方向，为今后进一步深入研究提供了思路与线索。 其次，引入了细胞神经网络概念，提出了细胞神经网络方法在图像处理中的若干具体应用，如图像恢复、边缘检测等，克服了图像噪声干扰，获得了较好的实验结果。在实际的动态图像序列中，考虑到复杂的光照强度变化和背景自身运动等因素，提出了一种基于像素统计特性及细胞神经网络的目标分割方法。通过建立图像每一像素点的高斯分布模型，并根据图像序列中的当前帧及历史帧信息自适应地调整模型的参数。再结合图像的帧间信息将图像从空间域映射到统计域，在统计域中用细胞神经网络方法对其进行目标分割。通过对图像像素建立细胞近邻模型，可以获得鲁棒的运动目标分割结果。此外，细胞神经网络是一种局部联接的反馈式神经网络，它与一般的神经网络相比，具有局部联接和动态电路性能，易于用VLSI实现。所以本文方法可在电路硬件实现上具有广阔的应用前景。 接着，介绍了马尔可夫随机场在图像处理中的应用，以及有关马尔可夫随机场模型的构造及传统求解方法。针对动态图像序列中背景成像过程因各种因素变化而存在的复杂性，提出了一种基于马尔可夫随机场和细胞神经网络的目标分割方法。首先根据马尔可夫随机场与细胞神经网络能量函数的相似性，将马尔可夫随机场的最大后验概率模型映射到细胞神经网络近邻系统模型中。然后建立图像每一像素点的邻域系统模型，并且构造相应的能量函数。为使能量函数达到快速收敛，本文利用模拟退火算法实现能量函数的极小化，以提取运动目标。 最后，提出了基于α-β-γ滤波和卡尔曼滤波的运动目标跟踪，并对这两种方法的跟踪结果及跟踪的实时性和鲁棒性作了比较。通过分析运动目标的运动轨迹，求出运动目标的位移、速度、加速度等运动参数。

目录

文摘

英文文摘

第一章绪论

1.1本课题的研究意义

1.2国内外研究现状

1.2.1典型应用

1.2.2运动分析

1.3本课题的主要研究内容

第二章细胞神经网络

2.1引言

2.2细胞神经网络理论基础

2.3细胞神经网络用于图像处理的基本思路

2.4基于CNN的图像预处理

3.5基于CNN的边缘检测

2.6本章小结

第三章马尔可夫随机场

3.1引言

3.2图的定义

3.3马尔可夫随机场理论

3.3.1马尔可夫性

3.3.2随机场的定义

3.3.3马尔可夫随机场

3.4马尔可夫随机场与图像处理

3.4.1反问题及贝叶斯估计

3.4.2能量函数的构造与求解

3.5本章小结

第四章基于像素统计特性和细胞神经网络的运动目标检测

4.1引言

4.2基于像素统计特性的阈值分割

4.3基于细胞神经网络的目标分割

4.4本章小结

第五章基于细胞神经网络和马尔可夫随机场的运动目标检测

5.1引言

5.2细胞神经网络与马尔可夫随机场能量函数的相似性

5.3 CNN-MRF的图像分割模型

5.4 CNN-MRF的目标分割运算

5.5 CNN-MRF的目标分割结果

5.6本章小结

第六章运动目标的跟踪

6.1引言

6.2基于α-β-γ滤波的运动目标跟踪

6.2.1 α-β-γ滤波理论

6.2.2基于α-β-γ的目标跟踪

6.3基于卡尔曼滤波的运动目标跟踪

6.3.1卡尔曼滤波理论

6.3.2目标跟踪的卡尔曼滤波器设计

6.3.3基于卡尔曼滤波的目标跟踪

6.4本章小结

第七章结论与展望

7.1结论

7.2展望

参考文献

致谢

攻读硕士学位期间发表的论文

攻读学位期间参与科研项目