視頻監(jiān)控系統(tǒng)近年來發(fā)展迅速,數(shù)據(jù)量海量增加。這些海量的數(shù)據(jù)不僅給人力檢索和瀏覽帶來挑戰(zhàn),在數(shù)據(jù)傳輸和存儲方面也帶來巨大的壓力。因此,智能視頻監(jiān)控技術(shù)成為了研究的熱點,它通過采用更加靈活的壓縮處理和重構(gòu)方式,實現(xiàn)更低的網(wǎng)絡(luò)帶寬消耗,并以更加簡短的視頻摘要對冗余視頻進(jìn)行濃縮表示。作為關(guān)鍵技術(shù)之一的圖像融合會影響到融合后的視覺效果,并在一定程度上影響最終視頻的表現(xiàn)質(zhì)量。融合技術(shù)可分為前景提取和合成兩部分,但是將其用于視頻序列中不確定性更強(qiáng),利用運(yùn)動目標(biāo)提取技術(shù)比較合適。當(dāng)前,常見的基于視頻序列的目標(biāo)提取算法精度不夠,不滿足融合算法對前景完整性的要求。同時融合算法時間復(fù)雜度較高,不適用于視頻監(jiān)控系統(tǒng)中。本文以此出發(fā),研究設(shè)計了一套快速圖像融合算法,滿足提取目標(biāo)完整、開銷低、無縫融合的需求,能夠應(yīng)用到視頻序列中,主要工作包括以下兩個方面:（1）基于ViBe算法研究了一種基于視覺顯著性分析的目標(biāo)提取改進(jìn)算法。ViBe（Visual Background Extractor）算法憑借簡單快速等長處應(yīng)用廣泛,但是在檢測的過程中,由于樣本個數(shù)的限制和樣本隨機(jī)選擇的原因,容易出現(xiàn)碎片和空洞,提取結(jié)果不適合... 

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 運(yùn)動目標(biāo)提取研究現(xiàn)狀
        1.2.2 圖像融合研究現(xiàn)狀
    1.3 論文研究內(nèi)容及章節(jié)安排
        1.3.1 本文的研究內(nèi)容
        1.3.2 本文的章節(jié)安排
第2章 相關(guān)技術(shù)概述
    2.1 運(yùn)動目標(biāo)提取算法介紹
        2.1.1 幀差法
        2.1.2 光流法
        2.1.3 背景建模法
        2.1.4 算法綜合評估
    2.2 圖像融合算法介紹
        2.2.1 加權(quán)融合
        2.2.2 金字塔融合
        2.2.3 泊松融合
        2.2.4 算法綜合評估
    2.3 本章小結(jié)
第3章 基于視覺顯著性分析的運(yùn)動目標(biāo)提取技術(shù)研究
    3.1 ViBe算法性能分析及改進(jìn)
        3.1.1 ViBe算法性能分析
        3.1.2 ViBe算法的改進(jìn)
    3.2 基于視覺顯著性分析的運(yùn)動目標(biāo)提取
        3.2.1 視覺顯著性分析
        3.2.2 算法原理與詳細(xì)過程
    3.3 實驗結(jié)果與分析
    3.4 本章小結(jié)
第4章 面向視頻序列的稀疏泊松圖像融合技術(shù)研究
    4.1 泊松融合算法存在的問題及改進(jìn)
        4.1.1 色彩空間轉(zhuǎn)換
        4.1.2 泊松融合算法的改進(jìn)
    4.2 面向視頻序列的稀疏泊松圖像融合技術(shù)
        4.2.1 矩陣SVD的數(shù)學(xué)理論基礎(chǔ)
        4.2.2 算法設(shè)計
    4.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
致謝
作者簡歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于組合色彩空間和卷積神經(jīng)網(wǎng)絡(luò)的手勢識別算法[J]. 紀(jì)國華.  現(xiàn)代計算機(jī). 2019(29)
[2]基于奇異值比值的正則化矩陣修正方法[J]. 杭禮輝,葛俊祥,張艷艷.  現(xiàn)代雷達(dá). 2019(04)
[3]圖像閾值分割算法及對比研究[J]. 詹志宇,安友軍,崔文超.  信息通信. 2017(04)
[4]一種改進(jìn)的融合幀差法的ViBe算法[J]. 史瑞環(huán),吳斌,李務(wù)軍,范風(fēng)兵.  微型機(jī)與應(yīng)用. 2016(04)
[5]一種結(jié)合幀差法和混合高斯的運(yùn)動檢測算法[J]. 於正強(qiáng),潘赟,宦若虹.  計算機(jī)應(yīng)用與軟件. 2015(04)
[6]運(yùn)動目標(biāo)檢測與跟蹤算法的研究[J]. 劉曉悅,孟妍.  河北聯(lián)合大學(xué)學(xué)報(自然科學(xué)版). 2015(01)
[7]視頻摘要技術(shù)綜述[J]. 王娟,蔣興浩,孫錟鋒.  中國圖象圖形學(xué)報. 2014(12)
[8]多媒體技術(shù)研究:2013——面向智能視頻監(jiān)控的視覺感知與處理[J]. 黃鐵軍,鄭錦,李波,傅慧源,馬華東,薛向陽,姜育剛,于俊清.  中國圖象圖形學(xué)報. 2014(11)
[9]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運(yùn)鋒,譚鐵牛.  計算機(jī)學(xué)報. 2015(06)
[10]視覺注意模型的道路監(jiān)控視頻關(guān)鍵幀提取[J]. 劉云鵬,張三元,王仁芳,張引.  中國圖象圖形學(xué)報. 2013(08)

博士論文
[1]基于背景模型的監(jiān)控視頻編碼研究[D]. 張賢國.北京大學(xué) 2013

碩士論文
[1]在線視頻摘要關(guān)鍵技術(shù)研究及實現(xiàn)[D]. 金靜.南京郵電大學(xué) 2017
[2]基于三幀差法的運(yùn)動目標(biāo)檢測方法研究[D]. 趙建.西安電子科技大學(xué) 2013



本文編號：3694546