視頻圖像序列中運動目標(biāo)的探測與定位技術(shù)得到了越來越多的應(yīng)用。但是現(xiàn)有的目標(biāo)探測與定位算法的精確度與魯棒性仍然會受到圖像中復(fù)雜背景的影響,例如目標(biāo)區(qū)域內(nèi)光照發(fā)生變化、目標(biāo)與背景對比度較小以及目標(biāo)發(fā)生嚴(yán)重遮擋等。為此,本文主要針對目標(biāo)區(qū)域內(nèi)光照變化產(chǎn)生的影響提出了基于圖像融合的目標(biāo)探測與定位技術(shù)研究。為消除光照變化對圖像產(chǎn)生的影響,本文設(shè)計了基于雙邊濾波的圖像增強方法,通過應(yīng)用雙邊濾波求源圖像的照度圖像,然后根據(jù)Retinex理論求其反射圖像,并對照度圖像與反射圖像采取不同的處理策略,對圖像進行增強處理,分別從主觀和客觀兩方面與2種經(jīng)典的增強算法進行比較,本文設(shè)計的方法其信息熵、均值與標(biāo)準(zhǔn)差皆優(yōu)于其他兩種算法。為消除光照變化的影響,設(shè)計了一種基于不同增益圖片的高動態(tài)范圍圖像融合方法。該方法中的融合系數(shù)由相機的電子學(xué)參數(shù)計算得來,進而得到高動態(tài)范圍圖像,經(jīng)灰度拉伸后得到可顯示的圖像。其次分別從主觀和客觀兩方面與2種傳統(tǒng)的融合算法進行比較,同時將相機融合前后的動態(tài)范圍進行了比較。選用辰芯G2020型互補性氧化金屬半導(dǎo)體（CMOS）圖像傳感器完成實驗測試,融合前高增益模式以及低增益模式下相機動態(tài)... 

【文章來源】：長春理工大學(xué)吉林省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 相關(guān)技術(shù)研究現(xiàn)狀
        1.2.1 圖像融合技術(shù)
        1.2.2 目標(biāo)探測與定位技術(shù)
    1.3 本文的內(nèi)容和章節(jié)安排
第2章 目標(biāo)的探測與定位預(yù)處理技術(shù)
    2.1 引言
    2.2 常用的圖像去噪算法
        2.2.1 均值濾波器
        2.2.2 自適應(yīng)濾波器
        2.2.3 濾波實驗與分析
    2.3 基于雙邊濾波的圖像增強方法
        2.3.1 基于雙邊濾波器的圖像增強方法原理
        2.3.2 Matlab仿真實驗與分析
            2.3.2.1 主觀評價
            2.3.2.2 客觀評價
    2.4 本章小結(jié)
第3章 視頻圖像序列的目標(biāo)探測與定位技術(shù)
    3.1 跟蹤精度的影響因素分析
    3.2 目標(biāo)探測與定位技術(shù)分析
        3.2.1 均值漂移目標(biāo)跟蹤算法
        3.2.2 粒子濾波跟蹤算法
        3.2.3 質(zhì)心跟蹤算法
        3.2.4 實驗對比與分析
    3.3 本章小結(jié)
第4章 基于不同增益圖像的高動態(tài)范圍圖像融合
    4.1 引言
    4.2 不同增益圖像的高動態(tài)范圍圖像融合
        4.2.1 圖像融合算法原理
        4.2.2 融合公式系數(shù)的測試原理
        4.2.3 融合參數(shù)測試系統(tǒng)
        4.2.4 圖像融合算法Matlab仿真
    4.3 融合圖像質(zhì)量評價
        4.3.1 主觀評價方法
        4.3.2 客觀評價方法
    4.4 融合前、后相機的動態(tài)范圍比較
    4.5 本章小結(jié)
第5章 改進型均值漂移目標(biāo)跟蹤算法
    5.1 改進的目標(biāo)跟蹤算法
    5.2 基于均值漂移的改進型目標(biāo)跟蹤算法
    5.3 仿真實驗與分析
        5.3.1 針對遠(yuǎn)距離及小目標(biāo)的情況
        5.3.2 針對光照發(fā)生變化和目標(biāo)形變的情況
        5.3.3 針對光照發(fā)生變化和運動模糊的情況
    5.4 本章小結(jié)
第6章 基于圖像融合的目標(biāo)探測與定位技術(shù)研究
    6.1 本文整體算法設(shè)計概況
    6.2 仿真實驗與分析
        6.2.1 Matlab仿真實驗一
        6.2.2 Matlab仿真實驗二
    6.3 本章小結(jié)
第7章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻
攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻】：
期刊論文
[1]基于模擬多曝光融合的低照度圖像增強方法[J]. 司馬紫菱,胡峰.  計算機應(yīng)用. 2019(06)
[2]基于Retinex理論的多曝光圖像融合算法[J]. 王克強,張雨帥,王保群.  計算機應(yīng)用. 2019(07)
[3]求解低秩矩陣融合高動態(tài)范圍圖像[J]. 朱雄泳,陸許明,李智文,吳炆芳,譚洪舟,陳強.  中國圖象圖形學(xué)報. 2018(11)
[4]可提高相機動態(tài)范圍的圖像融合方法研究[J]. 李洪博,董巖,劉云清,趙馨,宋延嵩.  紅外技術(shù). 2018(09)
[5]基于局部直方圖的多區(qū)域目標(biāo)跟蹤算法[J]. 衛(wèi)保國,趙思同,文緒亮.  計算機工程與應(yīng)用. 2018(14)
[6]基于Retinex增強的單幅LDR圖像生成HDR圖像方法[J]. 張淑芳,劉孟婭,韓澤欣,郭志鵬.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2018(06)
[7]CMOS相機光電參數(shù)的測試方法[J]. 李洪博,劉云清,宋延嵩,董巖.  激光與光電子學(xué)進展. 2018(10)
[8]融合圖像顯著性與特征點匹配的形變目標(biāo)跟蹤[J]. 楊勇,閆鈞華,井慶豐.  中國圖象圖形學(xué)報. 2018(03)
[9]基于力學(xué)原理的主動輪廓模型詮釋[J]. 李立鳴,唐克倫,文華斌.  圖學(xué)學(xué)報. 2017(05)
[10]CMOS圖像傳感器光子轉(zhuǎn)移曲線輻照后的退化機理[J]. 馮婕,李豫東,文林,周東,馬林東.  光學(xué)精密工程. 2017(10)



本文編號：3172054