發(fā)布時(shí)間：2021-12-31 07:05

　　運(yùn)動(dòng)目標(biāo)檢測(cè)無疑是當(dāng)今智能視頻監(jiān)控系統(tǒng)的基礎(chǔ)和重中之重,是后續(xù)目標(biāo)識(shí)別、跟蹤及行為分析的前提。然而運(yùn)動(dòng)目標(biāo)檢測(cè)易受光照、霧霾、雨雪等復(fù)雜場(chǎng)景的影響,為提高系統(tǒng)的魯棒性和適用性,結(jié)合可見光和紅外成像特性,通過融合兩者優(yōu)勢(shì)獲得更好的運(yùn)動(dòng)目標(biāo)檢測(cè)效果。本文著眼于計(jì)算機(jī)視覺技術(shù)在智能視頻監(jiān)控中的應(yīng)用,對(duì)可見光和紅外圖像增強(qiáng)、配準(zhǔn)、融合及運(yùn)動(dòng)目標(biāo)檢測(cè)算法進(jìn)行了研究,以應(yīng)對(duì)監(jiān)控中的復(fù)雜場(chǎng)景,從而實(shí)現(xiàn)監(jiān)控系統(tǒng)全天候、全時(shí)段工作。首先,本文闡述了常用的圖像增強(qiáng)算法,分析可見光圖像和紅外圖像成像特點(diǎn),并針對(duì)各自特點(diǎn)分別進(jìn)行增強(qiáng),提高圖像質(zhì)量并突出感興趣區(qū)域,從而為圖像后續(xù)處理奠定基礎(chǔ)。然后重點(diǎn)介紹了基于特征的圖像配準(zhǔn)方法,闡述了運(yùn)用視覺顯著性和SIFT方法提取及匹配特征點(diǎn),通過仿射變換和雙線性插值完成對(duì)異源圖像的嚴(yán)格配準(zhǔn),并在多種情況下驗(yàn)證了該方法的不變性和魯棒性。接著本文分析了常用的可見光和紅外圖像融合方法,重點(diǎn)提出了基于空間頻率和模糊變換的彩色圖像融合方法,并從主觀和客觀兩方面評(píng)價(jià)和比較了本文方法的優(yōu)越性,為運(yùn)動(dòng)目標(biāo)檢測(cè)奠定了良好的基礎(chǔ),更好地應(yīng)對(duì)復(fù)雜場(chǎng)景。最后比較了運(yùn)動(dòng)目標(biāo)檢測(cè)常用算法,改進(jìn)幀間差... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

亮度I分量HE前后對(duì)比圖

圖 2-6 亮度 I 分量 HE 前后對(duì)比圖最后將圖像色度 H 分量、飽和度 S 分量和直方圖均衡化后的亮度 I 分量逆轉(zhuǎn)至 RGB 顏色空間用于顯示和觀察，彩色圖像增強(qiáng)前后對(duì)比圖如 2-7 所示，由對(duì)比明顯看出，增強(qiáng)后彩色圖像整體變亮，對(duì)比度明顯增強(qiáng)，地面、房頂、天空等紋理邊緣信息更加明顯，綠樹、紅房頂?shù)阮伾吁r艷，利于人眼觀察和進(jìn)一步圖像理和分析，但可見光圖像始終不能透過煙霧，無法得到煙霧后的信息，是嚴(yán)重的全隱患，這時(shí)紅外圖像彰顯出其巨大優(yōu)勢(shì)。

圖 2-9 剪切波系數(shù)映射函數(shù)圖得到最終剪切波系數(shù)值后，將紅外圖像通過剪切波逆變換到空間域，最終完外圖像的增強(qiáng)，效果對(duì)比圖如 2-10 所示。由前后對(duì)比可以看出，增強(qiáng)后圖像相原圖像整體明顯更清晰、對(duì)比度強(qiáng)，有效地抑制了噪聲，同時(shí)樓房、窗戶、玻邊緣、紋理等細(xì)節(jié)也得到合理地增強(qiáng)，未出現(xiàn)過增強(qiáng)現(xiàn)象。10-1-T2-1 -T0 11T2-T1

【參考文獻(xiàn)】：
期刊論文
[1]基于幀間差分累積的鐵路限界異物檢測(cè)提取算法[J]. 郭碧,丁春平.  鐵道標(biāo)準(zhǔn)設(shè)計(jì). 2019(09)
[2]基于幀差與背景差分的改進(jìn)目標(biāo)識(shí)別算法[J]. 趙柏山,鄭茂凱,張帆.  通信技術(shù). 2018(11)
[3]現(xiàn)代智能視頻監(jiān)控研究綜述[J]. 吳群,王田,王漢武,賴永炫,鐘必能,陳永紅.  計(jì)算機(jī)應(yīng)用研究. 2016(06)
[4]紅外和可見光圖像互補(bǔ)融合的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 葉華,朱明旱,王日興.  紅外技術(shù). 2015(08)
[5]改進(jìn)混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 華媛蕾,劉萬軍.  計(jì)算機(jī)應(yīng)用. 2014(02)
[6]圖像質(zhì)量評(píng)價(jià)方法研究進(jìn)展[J]. 蔣剛毅,黃大江,王旭,郁梅.  電子與信息學(xué)報(bào). 2010(01)

博士論文
[1]紅外與可見光圖像融合算法研究[D]. 周渝人.中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所) 2014

碩士論文
[1]基于光流算法的運(yùn)動(dòng)目標(biāo)檢測(cè)應(yīng)用研究[D]. 張艷艷.西安石油大學(xué) 2018
[2]立體視覺技術(shù)在靜態(tài)場(chǎng)景下的運(yùn)動(dòng)物體檢測(cè)及跟蹤研究[D]. 彭云.武漢工程大學(xué) 2017
[3]基于監(jiān)控視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[D]. 張碩.吉林大學(xué) 2017
[4]智能視頻監(jiān)控平臺(tái)中區(qū)域目標(biāo)檢測(cè)和聯(lián)合跟蹤的設(shè)計(jì)與實(shí)現(xiàn)[D]. 秦浩.南京郵電大學(xué) 2016
[5]紅外與可見光圖像融合技術(shù)的研究[D]. 戴向東.電子科技大學(xué) 2014
[6]復(fù)雜環(huán)境中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究[D]. 胡小冉.南京航空航天大學(xué) 2014
[7]基于時(shí)頻分析的序列圖像弱小運(yùn)動(dòng)目標(biāo)檢測(cè)[D]. 田蕾.重慶大學(xué) 2012



本文編號(hào)：3559832