序列图像的波门跟踪算法研究.pptVIP

序列图像的波门跟踪算法研究

毕业设计论文答辩答辩人:倪爱伟指导老师:黎宁图象跟踪的意义基于序列图像的运动目标跟踪技术在国防、工业过程控制、医学研究、交通监控等领域有着广泛的应用前景。图象跟踪主要可以分为相关跟踪和波门跟踪本文主要研究的是波门跟踪波门跟踪需要设计一个波门，波门的尺寸略大于目标图像，并使波门紧紧套住目标图像，使目标不受波门外的背景和噪声干扰的影响。01波门跟踪主要有重心跟踪、边缘跟踪、双边缘跟踪、面积平衡等.02波门跟踪算法介绍重心跟踪重心跟踪是基于对目标能量矩的计算。其特点之一是阈值的大小随目标与背景之间的对比度高低而变化，二是在整个目标图像面积上对高于阈值的信息做积分运算，求取重心。二进制重心跟踪算法就是一种最简单的重心跟踪算法.该算法首先将灰度图像变成二值图像。二进制重心由于阈值的设置可以消除大部分噪声像元的影响2重心求解公式如下1边缘跟踪边缘是图像最基本的特征，是图像中灰度发生急剧变化区域的边界。可以用一阶微分或差分算子、梯度算子、Sobel算子、拉普拉斯算子等来检测目标图像的边缘。以拉普拉斯算子为例：为了计算方便，也可以写成：通过计算过零点，就可以找出图像的边界。这样可以选定目标边界的上、下、左、右等边界点中的一个作为跟踪点，使波门套住其中的某一个，以抑制目标或背景的其余部分。双边缘跟踪双边缘跟踪算法是边缘跟踪算法的一种改进算法，即目标位置为两个边缘的中心面积平衡法用的较少,主要是跟踪时间长,算法不稳定本文中主要用了重心跟踪和边缘跟踪两种方法实现.本文的研究对象满足以下几个基本条件摄像机静止,背景图像变化很小;(2)视场上是单目标运动;运动目标基本不被遮挡.序列图像波门跟踪的具体实现3.1重心跟踪的实现重心跟踪的实现主要有差分运算，阈值分割，遍厉去噪，和计算重心坐标4个步骤。在找到重心以后设置波门，波门中心坐标与重心坐标重合。读第一张图读第二张图差分检测去噪寻找重心设置波门阈值分割读入下一张图波门内差分检测波门内去噪寻找中心设置波门波门内阈值分割读入新图结束差分运算差分算法，其实就是通过比较目标在两个不同时刻的画面，识别由于物体运动而造成的区域差别。在实际计算过程中，差分是指将两帧相邻目标图像逐点相减，形成差分图。阈值分割在本次实验中阈值分割就是通过确定一个阈值，将图像二值化。扫描图像的每个像素点，如果像素点的值大于阈值则令该点的像素值为255，如果小于阈值则为0。在第一步差分图像的基础上，进行阈值分割，运动目标和背景的差异进一步变大。背景完全变为0，运动目标完全变为255。这将极大的降低下面工作的难度，同时也减少了运算误差。遍厉去噪由于这些噪音点分布零星，且多为单个亮点。因此本人设置了一个3*3的的框遍厉图像。如果一个点再加上它的八个领域点中素值为255的点小于5个，则认为该点是背景点，值设为0。可以看到遍厉去噪后，噪音点完全被去处，运动目标的边缘也有些变化。但重心跟踪和边缘跟踪只要知道运动目标中心大概的位置即可，在加上波门设置的足够大，这些变化对于跟踪结果并没有影响。寻找重心，设置波门在整个重心跟踪算法中，这是最核心的一步。整个中心算法其实就是一个不断寻找重心的过程。寻找重心一般是通过积分的方法找到重心坐标。找到重心坐标后，接下来就需要设置一个波门。波门中心和运动目标的重心重合。波门大小的设置要考虑序列图像两桢的时间间隔以及运动目标的运动速度，设置的波门要确保在下一桢图像中运动目标仍然在波门中。多图跟踪01经过上面的步骤,波门已经设置好了.接下来读入图片,只要在波门内重复上面的步骤就可以了021边缘跟踪的实现主要有差分运算，阈值分割，遍厉去噪，和扫描边缘几个步骤。2边缘跟踪的差分运算，阈值分割，遍厉去噪和重心跟踪完全一样。边缘跟踪的实现扫描边缘就是扫描整张图片,记下边缘最上最下最右最左四个变量然后以最上最下变量的均值作为波门的纵坐标，以最左最右变量的均值作为波门的横坐标.四个变量各加上一些像素作为波门的边框。右图是差分运算,阈值分割,遍历去噪后的图片