本文關鍵詞： 運動目標檢測 矩陣低秩稀疏分解 邊緣檢測 幀間差分　出處：《西北大學》2017年碩士論文　論文類型：學位論文

【摘要】：運動目標檢測是一種將一個或者多個運動物體從視頻中準確提取出來的技術,是圖像處理和計算機視覺學科中的一個重要分支。運動目標檢測的準確性直接影響后續(xù)運動目標追蹤、運動目標識別以及運動目標行為分析等的結果。目前,運動目標檢測在交通監(jiān)控、天氣預報以及衛(wèi)星云圖分析等方面有著廣泛的應用。因此,對運動目標檢測技術進行研究有重要的理論研究意義和應用價值。常用的運動目標檢測方法有:幀間差分法、背景減除法以及光流法。近年來提出的矩陣低秩稀疏分解理論引起了相關學者的高度關注,并將其應用于運動目標檢測。本文圍繞基于矩陣低秩稀疏分解的視頻運動目標檢測展開研究,以提高運動目標檢測的準確率和算法效率。創(chuàng)新性工作主要體現(xiàn)在:提出了一種改進的基于矩陣低秩稀疏分解的視頻運動目標檢測方法,更進一步綜合考慮前后視頻幀之間的差別,結合邊緣提取和幀間差分法對檢測到的運動目標邊緣進行補償,提高運動目標檢測的準確率。本文研究工作主要包括以下幾個方面:1.研究和學習了幾種運動目標檢測方法:幀間差分法、光流法、背景減除法和矩陣低秩稀疏分解法,并數(shù)值實現(xiàn)了部分算法,給出相應的實驗結果與分析。2.在研究矩陣低秩稀疏分解理論及其求解算法的基礎上,提出了一種改進的基于矩陣低秩稀疏分解的運動目標檢測方法。該方法采用對視頻等間隔隔幀提取,并對矩陣稀疏分解模型中的稀疏項加以約束,提高運動目標檢測的準確率和算法實現(xiàn)效率,實驗結果表明該方法能夠準確地提取運動目標,是一種行之有效的方法。3.考慮邊緣是圖像中最重要的信息,結合幀間差分法的優(yōu)勢,在改進的矩陣低秩稀疏分解方法的基礎上,融合邊緣與幀間信息,對檢測出的運動目標邊緣補償,提高檢測目標的準確率,并給出相應的實驗結果及分析�？傊�,圍繞運動目標檢測問題,本文提出并實現(xiàn)了改進的基于矩陣低秩稀疏分解的運動目標檢測方法,進一步融合邊緣與幀差信息對檢測的運動目標邊緣進行補償。該方法不僅能夠以較高的算法效率準確地提取運動目標,而且占用較少的運行內存。
[Abstract]:Moving target detection is a technique that accurately extracts one or more moving objects from a video. It is an important branch of the subject of image processing and computer vision. The accuracy of moving target detection directly affects the results of subsequent moving target tracking, moving target recognition and behavior analysis of moving object. Moving target detection is widely used in traffic monitoring, weather forecast and satellite cloud image analysis. The research of moving target detection technology has important theoretical research significance and application value. Background subtraction method and optical flow method. The theory of low rank sparse decomposition of matrix proposed in recent years has attracted great attention of scholars. This paper focuses on video moving target detection based on low rank sparse decomposition of matrix. In order to improve the accuracy and efficiency of moving target detection, the innovative work is as follows: an improved video moving target detection method based on matrix low rank sparse decomposition is proposed. Furthermore, considering the difference between video frames, the edge of the detected moving object is compensated by edge extraction and inter-frame differential method. To improve the accuracy of moving target detection, this paper mainly includes the following aspects: 1. Research and study of several moving target detection methods: inter-frame difference method, optical flow method, background subtraction method and matrix low-rank sparse decomposition method. Numerical results and analysis of some algorithms are given. 2. On the basis of studying the theory of matrix low rank sparse decomposition and its solving algorithm, An improved method of moving target detection based on low rank sparse decomposition of matrix is proposed, in which the frame interval of video is extracted at equal intervals, and the sparse items in the sparse decomposition model of matrix are constrained. The accuracy of moving target detection and the efficiency of the algorithm are improved. The experimental results show that this method can extract moving target accurately and is an effective method. Considering edge is the most important information in the image. Combining the advantages of the inter-frame difference method and the improved matrix low-rank sparse decomposition method, the edge and inter-frame information are fused to compensate the edge of the detected moving object, and the accuracy of the detection target is improved. The corresponding experimental results and analysis are given. In a word, an improved method of moving target detection based on matrix low rank sparse decomposition is proposed and implemented around the problem of moving target detection. The edge of the detected moving object can be compensated by further fusion of edge and frame difference information. This method can not only extract the moving object accurately but also occupy less running memory.
【學位授予單位】：西北大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 林幼權,倪晉麟,王德純,張光義;一種新的適用于機載前向陣雷達的動目標檢測方法[J];電子學報;2000年12期

2 劉穎;廖桂生;李海;;動目標檢測、定位與成像方法研究[J];系統(tǒng)工程與電子技術;2005年12期

3 李文明;;相干動目標檢測器中的正交雙通道不平衡效應[J];現(xiàn)代雷達;1988年01期

4 郭志芬,張玉蘭;圖象動目標檢測[J];北京理工大學學報;1992年03期

5 鄭世超;宋紅軍;劉亞波;閆賀;吳琨;;廣域監(jiān)視動目標檢測模式下動目標快速定位誤差分析[J];雷達學報;2013年04期

6 胡愛明;胡可欣;;一種基于優(yōu)化設計的動目標檢測方法及其運用[J];航天電子對抗;2006年06期

7 胡可欣;胡愛明;;一種優(yōu)化設計的動目標檢測方法及其運用[J];火控雷達技術;2007年02期

8 劉書君;袁運能;魏俊;毛士藝;;雙通道與單通道相結合的運動目標檢測新方法[J];信號處理;2008年03期

9 林文耀;覃亞麗;胡海容;;基于分數(shù)傅立葉變換的機載SAR多運動目標檢測[J];計算機與數(shù)字工程;2009年01期

10 劉敬興;;地面探測脈沖壓縮雷達的動目標檢測[J];電子技術應用;2010年01期

相關會議論文 前8條

1 王新勇;梁國龍;惠俊英;郭龍祥;;寬帶多頻動目標檢測的仿真研究[A];2001年全國水聲學學術會議論文集[C];2001年

2 王磊;;雙置條件下運動目標檢測方法[A];2008年全國聲學學術會議論文集[C];2008年

3 祁亞斌;周軍紅;;基于二維最大熵的運動目標檢測[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

4 穆文爭;張曉玲;;一種新的多通道SAR運動目標檢測方法[A];2007北京地區(qū)高校研究生學術交流會通信與信息技術會議論文集（上冊）[C];2008年

5 王宏群;方帥;高明;;基于抑制光強變化影響的運動目標檢測[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

6 唐勇;張桂林;李利榮;;基于光流的運動目標檢測方法研究[A];全國冶金自動化信息網(wǎng)年會論文集[C];2004年

7 郭銳;王建國;;基于特征分解的多通道SAR運動目標檢測[A];2006北京地區(qū)高校研究生學術交流會——通信與信息技術會議論文集（上）[C];2006年

8 王睿;國智;王鳳宇;;利用動態(tài)參數(shù)檢測紅外動目標的算法研究[A];中國儀器儀表學會第九屆青年學術會議論文集[C];2007年

相關博士學位論文 前10條

1 許京偉;頻率分集陣列雷達運動目標檢測方法研究[D];西安電子科技大學;2015年

2 屈鑒銘;智能視頻監(jiān)控中的運動目標檢測與跟蹤技術研究[D];西安電子科技大學;2015年

3 王歡;復雜場景下的運動目標檢測與跟蹤研究[D];北京理工大學;2015年

4 張雷;分布式SAR動目標檢測關鍵技術研究[D];哈爾濱工業(yè)大學;2016年

5 王金偉;多波段/多波形新體制SAR運動目標檢測與成像[D];西安電子科技大學;2016年

6 杜文韜;陣列雷達動目標檢測多維域方法研究[D];西安電子科技大學;2015年

7 黃敏;基于視頻的運動目標檢測研究[D];東南大學;2014年

8 于紅緋;車載環(huán)境下基于單目大視角相機的運動目標檢測方法研究[D];東北大學;2013年

9 鄭明潔;合成孔徑雷達動目標檢測和成像研究[D];中國科學院研究生院（電子學研究所）;2003年

10 危嵩;機載合成孔徑雷達動目標檢測與成像研究[D];華中科技大學;2005年

相關碩士學位論文 前10條

1 夏斌偉;視頻監(jiān)控中的運動目標檢測與跟蹤[D];華南理工大學;2015年

2 亓萌;雙基地SAR動目標檢測及成像研究[D];電子科技大學;2015年

3 王龍;動態(tài)場景建模與運動目標檢測方法研究[D];電子科技大學;2014年

4 黃蒙;基于FPGA的雷達運動目標檢測系統(tǒng)設計[D];西安電子科技大學;2014年

5 羅一淳;SAR轉動目標檢測與參數(shù)估計方法研究[D];國防科學技術大學;2013年

6 柴國強;機載SAR動目標檢測及參數(shù)估計技術研究[D];電子科技大學;2014年

7 蘇靖峰;基于激光掃描的運動目標檢測與識別[D];電子科技大學;2014年

8 李春海;DBS成像與廣域地面動目標檢測、定位方法研究[D];西安電子科技大學;2014年

9 崔雪梅;靜態(tài)場景下運動目標檢測和跟蹤的關鍵技術研究[D];青島大學;2015年

10 魯緣政;機載MIMO雷達運動目標檢測和跟蹤方法研究[D];西安電子科技大學;2014年

，

本文編號：1544015