淺談海平面下小運動目標的檢測方法

時間：2024-06-23 06:17:28 碩士論文我要投稿

淺談海平面下小運動目標的檢測方法

　　碩士論文是攻讀碩士學位研究生所撰寫的論文。它應能反映出作者廣泛而深入地掌握專業基礎知識，具有獨立進行科研的能力，對所研究的題目有新的獨立見解，論文具有一定的深度和較好的科學價值，對本專業學術水平的提高有積極作用。下面是小編為大家整理的淺談海平面下小運動目標的檢測方法范文，供大家參考!

淺談海平面下小運動目標的檢測方法

　　論文摘要:本文針對于海平面背景下運動的小目標進行了相關研究，在目標的檢測過程中，提出了基于形態學濾波與邊緣檢測相結合的算法。首先對采集的圖像進行灰度轉換，然后進行Top-Hat變換，再對變換后的圖像進行中值濾波，去除變換過程中的噪聲，最后用邊緣檢測sobel算子對目標進行邊緣的檢測。兩者結合起來，能夠很好的檢測出目標，并且對拖尾現象和噪聲有一定的消除。

　　論文關鍵詞：數學形態學;Top-Hat;sobel;目標檢測

　　1 引言

　　目標檢測是運動分析的主要研究內容之一，指通過運動及圖像特征分析(如灰度、邊緣等)，將視頻序列中存在與背景有相對運動的前景目標從原始圖像序列中提取出來。隨著計算機技術的發展和計算機視覺原理的廣泛應用，利用計算機圖像處理技術對目標進行實時跟蹤研究越來越熱門。運動目標的檢測傳統的檢測方法主要有三種：幀差法、光流法和背景差分法。

　　幀差法不適用于背景同時發生運動的情況，通過相減方法，難以把背景和目標分離;光流法大多數計算方法比較復雜，對實時處理不適用。背景差分法能夠較完整的提取目標點，但要預先知道背景，不適用于攝像頭運動的情況。基于本文檢測的對象是海平面上運動的小船只，提出了基于形態學的頂帽檢測邊緣檢測相結合的算法，并對檢測后的圖像進行了相關的處理。

　　2 檢測算法系統設計

　　本文檢測的對象是海平面上運動的小船只，提出了基于形態學的頂帽檢測邊緣檢測相結合的算法，目標檢測的系統框圖，將采集到的圖像轉為為灰度圖像f(x,y)，并與灰度圖像開運算后的圖像g(x,y)相減，然后再進行中值濾波，最后對濾波后的圖像進行邊緣檢測和拖尾處理。

　　3 形態學基礎數學

　　形態學是一種應用于圖像處理和模式識別領域的新的方法，是一門建立在嚴格的數學理論基礎上的學科。基于數學形態學的邊緣信息提取處理優于基于微分運算的邊緣提取算法，不像微分算法對噪聲那樣敏感，提取的圖像骨架也比較連續，斷點少。

　　3.1 膨脹結構元素，f為輸入圖像，fD和bD分別是f和b的定義域。對灰度圖像的膨脹處理方法可得到兩種結果：

　　(1)如果所有的結構元素都為正，則輸出圖像將趨向比輸入圖像亮;

　　(2)黑色細節減少或去除取決于在膨脹操作中結構元素相關的值和形狀。

　　3.2 腐蝕式中fD和bD為f和b的定義域，通常對灰度圖像的腐蝕處理可得到兩種結果：

　　(1)如果所有的結構元素都為正，則輸出圖像將趨向比輸入圖像暗;

　　(2)在比結構元素還小的區域中的明亮細節經腐蝕處理后其效果將減弱。

　　3.3 開和閉運算結構元素b對圖像f做開運算，定義為fb=(fΘb)⊕b，即先對圖像腐蝕后膨脹，b對f的閉運算為fb=(f⊕b)Θb，即對圖像先膨脹后腐蝕。

　　實際運用中，開運算處理可取出較小的亮點，保留灰度和較大的亮區特征不變;閉運算處理可去除圖像中較小的暗點，同時保留原來較大的亮度特征。

　　3.4 頂帽變換定帽變換(Top-Hat)是指原圖像減去開運算后的圖像，其公式為TopHat(A)=AΟ(A,B)為輸入圖像，B為結構函數，O(A,B)為A與B的開運算，在形態學基礎上的一種非線性濾波，頂帽變換后能夠對背景有一定的抑制作用，提取出形狀類似于結構元素的孤立目標和噪聲。

　　4 檢測算法

　　4.1 頂帽檢測(Top-Hat)將采集到的圖像進行格式轉換，轉化為灰度圖像，然后選取大小合適的結構元素，然后對灰度圖像進行開運算，最后用原灰度圖像減去開運算后的圖像。由于海浪和海平面的變化，頂帽變換后的圖像可能會存在一些噪聲，對變換后的圖像進行了中值濾波。

　　對圖像進行相關的頂帽變換及相關處理如下：原圖像經過開運算后，如圖3，背景及噪聲得到了一定的抑制，原圖像經Top-Hat變換后，檢測出海上船只，最后對檢測后的圖像進行中值濾波。

　　原灰度圖像開運算后圖像Top-Hat變換后圖像圖5中值濾波后圖像4.2邊緣檢測(Top-Hat)邊緣檢測是提取圖像中不連續的部分的特征，由閉合的邊緣確定區域。常見的邊緣檢測算子有Sobel，Prewitt，Canny算子等。本文采用Sobel檢測算法，Sobel算子的優點是方法簡單、可得到光滑、連續的邊緣，處理速度較快。

　　sobel算子本文對中值濾波后的圖像進行邊緣檢測，結果如圖7所示，并對原灰度圖像直接進行邊緣檢測后的圖像如圖8做了對比，圖像經過基于形態學的定帽變換后，再進行邊緣檢測，能夠很好的提取出運動目標，對目標的拖尾現象有一定的消除作用，基于Top-Hat變換的小目標檢測算法對圖像中的背景和噪聲有很大的抑制。

　　4.2 拖尾處理海上船只在航行過程中，會在目標后面形成拖尾。本文借助對檢測后的目標圖像進行形心和邊界定位.

　　標在上、下、左、右四個方向的邊界來確定目標的最小外界矩形框，聯合形心法來對目標進行形心和邊界定位，在取得目標的最左、最右點和中心的縱坐標后，把兩點中水平方向與中心最近的距離視為目標寬度的一半，重新確定目標的外接矩形框，對于之外的點一概去除。

　　5 結論

　　本文給出了基于形態學的頂帽檢測邊緣檢測相結合的檢測算法，經實驗證明，兩者結合起來，能夠很好的檢測出目標，并且對拖尾現象和噪聲有一定的消除。

　　參考文獻

　　[1]阮秋琦.數字圖像處理學(第二版)[M].北京：電子工業出版社，2007.2.

　　[2]陸宗騏，梁誠用.sobel算子細化邊緣.中國圖像圖形學報，2006，6：517-519.

　　[3]葉斌,彭嘉雄.基于形態學Top-hat算子的小目標檢測方法[J].中國圖象圖形學報,2002,7(A)(7):638-642..

　　[4]許開宇，馮德瀛.海空背景下紅外弱小目標檢測方法.哈爾濱工程大學學報，9：997-999.

【淺談海平面下小運動目標的檢測方法】相關文章：

試析海平面下小運動目標的檢測方法12-09

淺談新課程改革下的牛頓運動定律教學11-14