本文關(guān)鍵詞：基于圖像處理技術(shù)的目標(biāo)識(shí)別方法及其在裂紋檢測(cè)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：目標(biāo)檢測(cè)技術(shù)是數(shù)字圖像處理研究領(lǐng)域的一個(gè)重點(diǎn)問(wèn)題,基于計(jì)算機(jī)視覺的目標(biāo)檢測(cè)技術(shù)實(shí)現(xiàn)了靜態(tài)場(chǎng)景中特殊目標(biāo)的自動(dòng)檢測(cè)以及智能視頻監(jiān)控。靜態(tài)圖像檢測(cè)通過(guò)提取目標(biāo)特征,檢測(cè)具有特定特征的目標(biāo)。動(dòng)態(tài)的目標(biāo)檢測(cè)技術(shù)通過(guò)對(duì)攝像頭獲取的視頻序列的自動(dòng)分析,檢測(cè)出序列中運(yùn)動(dòng)的目標(biāo)。目前目標(biāo)檢測(cè)技術(shù)已經(jīng)廣泛的應(yīng)用到車牌識(shí)別、人臉識(shí)別、社區(qū)商場(chǎng)安防、紅外圖像中的目標(biāo)識(shí)別以及交通事件檢測(cè)、軍事國(guó)防等領(lǐng)域,極大的方便了人類的生產(chǎn)生活。目前,關(guān)于目標(biāo)檢測(cè)技術(shù)的研究已經(jīng)取得了許多的成果,但仍有許多難題需要解決。本文中在現(xiàn)有研究成果的基礎(chǔ)上,對(duì)目標(biāo)檢測(cè)技術(shù)進(jìn)行了研究。然后基于本文提出的目標(biāo)檢測(cè)算法,對(duì)材料裂紋檢測(cè)的應(yīng)用進(jìn)行了研究。相對(duì)于傳統(tǒng)的超聲波、電磁渦流等物理檢測(cè)方法�；趫D像處理的裂紋檢測(cè)技術(shù),經(jīng)濟(jì)、方便、實(shí)時(shí)性強(qiáng)、適用范圍廣且擺脫了人工條件的限制�；趫D像處理的材料裂紋檢測(cè)能夠解決材料的使用壽命確定問(wèn)題,通過(guò)預(yù)測(cè)、估算材料的使用壽命,避免實(shí)際應(yīng)用中因材料結(jié)構(gòu)失效而產(chǎn)生的災(zāi)難性事故;能夠指導(dǎo)優(yōu)化材料的配方和加工工藝,通過(guò)對(duì)裂紋的生長(zhǎng)規(guī)律研究能夠設(shè)計(jì)更好的配方或者加工工藝,從而延長(zhǎng)材料的使用壽命。因此,基于圖像目標(biāo)檢測(cè)的材料裂紋檢測(cè)技術(shù)不僅有著深刻的理論研究意義,也有著重大的實(shí)際應(yīng)用價(jià)值。針對(duì)目標(biāo)檢測(cè)方法和材料裂紋檢測(cè)方法的研究,本文的主要工作和創(chuàng)新如下:1.圖像二值化是圖像目標(biāo)檢測(cè)的基礎(chǔ),它決定了最終檢測(cè)效果。本文首先分析了傳統(tǒng)的二值化算法特點(diǎn)。然后,針對(duì)傳統(tǒng)二值化方法的不足,結(jié)合本文中的研究對(duì)象提出了一種改進(jìn)的二值化方法。改進(jìn)的二值化算法通過(guò)一個(gè)局部閾值λ和雙均值濾波方法,達(dá)到抑制噪聲的目標(biāo)。本文選取車標(biāo)圖像的二值化處理為例,與常用的算法進(jìn)行了對(duì)比分析,比較結(jié)果驗(yàn)證了算法的有效性,選取計(jì)算二值化圖像的熵值,進(jìn)行圖像的二值化效果評(píng)價(jià),改進(jìn)的二值化方法相對(duì)于其他方法有較小的熵,噪聲更少。2.本文提出了一種新的背景提取算法。背景提取是運(yùn)動(dòng)目標(biāo)檢測(cè)中的關(guān)鍵步驟,直接影響了運(yùn)動(dòng)目標(biāo)檢測(cè)效果的優(yōu)劣。本文首先對(duì)傳統(tǒng)的均值背景等算法進(jìn)行了闡述,然后在現(xiàn)有算法的基礎(chǔ)上提出了一種改進(jìn)的背景提取方法。該方法的思想是:通過(guò)一個(gè)時(shí)刻內(nèi)的兩幀連續(xù)圖像和給定一個(gè)特殊閾值,如果兩幀圖像的差值大于閾值,那么被檢測(cè)圖像對(duì)應(yīng)像素為前景;反之,如果小于閾值則為背景。此外,本文中還提出了一種改進(jìn)的均值算法來(lái)提取背景圖像。最后,通過(guò)編程仿真,對(duì)該算法進(jìn)行了仿真試驗(yàn),對(duì)該算法的效果進(jìn)行了驗(yàn)證,結(jié)果表明基于本文算法能準(zhǔn)確地檢測(cè)圖像中運(yùn)動(dòng)目標(biāo),且得到的圖像更加清晰。3.提出了一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。本文討論了傳統(tǒng)的時(shí)差分法(TTD)和平均算法(MA)原理,并結(jié)合差分法(TTD)和平均算法(MA)提出了一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法,對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。以高速公路監(jiān)控視頻的檢測(cè)為例進(jìn)行仿真試驗(yàn),仿真結(jié)果表明提出的改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法穩(wěn)定、可靠、精確且具有較高的效率。4.提出了一種改進(jìn)的水泥結(jié)構(gòu)材料裂紋檢測(cè)算法。該方法包括3步:第一,將圖像設(shè)為灰度并用索貝爾圖像邊緣檢測(cè)算法和索貝爾圖像濾波器來(lái)檢測(cè)裂縫。第二,在二進(jìn)制圖像中設(shè)定一個(gè)合適的閾值,將背景和前景中的像素進(jìn)行分類,使用過(guò)濾面積,如果小于某個(gè)值則反過(guò)來(lái)改變面積之后,得到區(qū)域面積。第三,使用索貝爾濾波消除殘余噪聲,Otsu方法探測(cè)大裂紋。該算法原理簡(jiǎn)單,易于實(shí)現(xiàn)且具有較高的計(jì)算效率。仿真試驗(yàn)結(jié)果表明,新算法能夠清晰、準(zhǔn)確地檢測(cè)圖像中的裂紋。5.通過(guò)對(duì)連續(xù)觀測(cè)的視頻中水泥結(jié)構(gòu)的材料裂縫的生長(zhǎng)變化監(jiān)測(cè),基于裂紋生長(zhǎng)規(guī)律,提出了一種基于動(dòng)態(tài)視頻裂紋生長(zhǎng)監(jiān)測(cè)算法。該算法的思想是:第一,我們使用視覺背景提取器(VIBE)來(lái)檢測(cè)視頻中的移動(dòng)裂紋。第二:在二進(jìn)制圖像中設(shè)定一個(gè)合適的閾值,將背景和前景中的像素進(jìn)行分類。使用過(guò)濾面積和如果少于一定的數(shù)量就反過(guò)來(lái)改變面積,利用濾波器消除噪聲。試驗(yàn)結(jié)果表明,基于本文算法的檢測(cè)效果明顯優(yōu)于其他算法的檢測(cè)結(jié)果。
【關(guān)鍵詞】：背景提取 裂縫探測(cè) 移動(dòng)物體檢測(cè) 圖像二值化
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要5-7
• Abstract7-13
• Chapter 1 Introduction13-23
• 1.1 Background13-18
• 1.1.1 Video&image processing13-17
• 1.1.2 Crack Detection17-18
• 1.2 The purpose of the research18-19
• 1.3 The significance of the research19-20
• 1.4 General work plan20-21
• 1.5 Thesis Outlines21-23
• Chapter 2 Literature Review23-38
• 2.1 Binarization Method23-27
• 2.1.1 Global Threshold Method25-26
• 2.1.2 Local Threshold Method26-27
• 2.2 Background Extraction Techniques27-28
• 2.3 Moving object detection from video based on background extraction techniques28-33
• 2.3.1 Object detection from video28-29
• 2.3.2 Background subtraction29-30
• 2.3.3 Temporal difference30-32
• 2.3.4 Mean Algorithm32-33
• 2.4 Detection crack based on Background Extraction Techniques33-37
• 2.4.1 Detection Crack Techniques33-35
• 2.4.2 VIBE Method35-37
• 2.5 Summary37-38
• Chapter 3 Detection in Vehicle38-66
• 3.1 Introduction (Detection in image)38
• 3.2 An Enhanced Bernsen Algorithm Approach for Vehicle Logo Detection38-44
• 3.2.1 Bernsen Method40
• 3.2.2 The Proposed Method40-41
• 3.2.3 Mathematical Morphology41-42
• 3.2.4 Vehicle Logo Information42-43
• 3.2.5 Vehicle logo detection43-44
• 3.3 Detection objects in video44
• 3.4 Video background extraction using improved Mean algorithm and frame difference method44-49
• 3.4.1 Frame difference algorithm45
• 3.4.2 Mean algorithm45-46
• 3.4.3 The proposed method46-48
• 3.4.4 Standard of algorithm comparison48-49
• 3.5 Moving object tracking based on background extraction using mean algorithm and threetemporal difference algorithms49-52
• 3.5.1 Three temporal difference50
• 3.5.2. The Proposed method50-52
• 3.6 Experiment results and analysis52-64
• 3.6.1 Experiment results and analysis for an enhanced Bernsen algorithm approach forvehicle logo detection52-55
• 3.6.2 Experiment results and analysis for video background extraction using improvedmean algorithm and frame difference method55-59
• 3.6.3 Experiment results and analysis for moving object tracking based on backgroundextraction using mean algorithm and three temporal difference algorithm59-64
• 3.7 Summary64-66
• Chapter 4 Detection Crack66-88
• 4.1 Introduction66
• 4.2 Detection crack in cement image using Otsu method and multiple filtering in imageprocessing techniques66-72
• 4.2.1 Experimental program66-67
• 4.2.3. Experimental test method67-68
• 4.2.4 The proposed method68-70
• 4.2.5 Otsu algorithm analysis70-72
• 4.3 Moving crack detection based on improved VIBE and multiple filtering in image processingtechniques72-78
• 4.3.1 The proposed algorithm72-74
• 4.3.2 Experimental program74-75
• 4.3.3. Experimental test method75-78
• 4.4 Experiment results and analysis78-86
• 4.4.1 Experiment results and analysis for detection crack in cement image using Otsumethod and multiple filtering in image processing techniques78-80
• 4.4.2 Experiment results and analysis for moving crack detection based on improved VIBEand multiple filtering in Image processing techniques80-81
• 4.4.3 Quantitative evaluations81-86
• 4.5 Summary86-88
• Chapter 5 Conclusion and future work88-92
• 5.1 Conclusions88-90
• 5.2 Future work90-92
• Acknowledgement92-93
• References93-103
• Appendix A103-105
• List of Publications105-106

  本文關(guān)鍵詞：基于圖像處理技術(shù)的目標(biāo)識(shí)別方法及其在裂紋檢測(cè)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：494395