基于图像处理的运动物体的跟踪与检测开题报告

1、课题来源

随着计算机技术的高速发展，运动物体的检测和跟踪在图像处理、计算机视觉、模式识别、人工智能、多媒体技术等领域越来越受到人们的关注。运动跟踪和检测的应用广泛，在智能监控和人机交互中，如：银行、交通、超市等场合常常使用运动跟踪分析技术，通过定位物体并对其行为进行分析，一旦发现物体有异常行为，监控系统就发出警报，提醒人们注意并即时的处理，改善了人工监督注意力分散、反应时间较慢、人力资源浪费等问题。运动目标的跟踪在虚拟现实、工业控制、军事设备、医学研究、视频监控、交通流量观测监控等很多领域也有重要的实用价值。特别在军事上，先进的武器导航、军事侦察和监控中都成功运用了自动跟踪技术。而跟踪的难点在于如何快速而准确的在每一帧图像中实现目标定位。正因如此，对运动目标的跟踪和检测的研究很有价值。

2、研究目的和意义

运动目标检测是图像处理与计算机视觉的一个分支，在理论和实践上都有重大意义，长久以来一直被国内外学者所关注。在实际中，视频监控利用摄像机对某一特定区域进行监视，是一个细致和连续的过程，它可以由人来完成，但是人执行这种长期枯燥的例行监测是不可靠，而且费用也很高，因此引入运动监测非常有必要。它可以减轻人的负担，并且提高了可靠性。概括起来运动监测主要包括三个内容：运动目标检测，方向判断和图像跟踪。运动目标检测是整个监测过程的基础，运动目标的提取准确与否，直接关系到后续高级过程的完成质量。3、国内外研究现状和发展趋势及综述

运动目标检测在国外已经取得了一些的研究成果，许多相关技术已经开始应用到实际系统中，但是国内研究相对落后,与国外还有较大差距。传统的视频目标提取大致可以分两类,一类以空间同性为准则,先用形态学滤波器或其他滤波器对图像作预处理;然后对该图像的亮度、色度或其他信息作空间上的分割以对区域作边缘检测;之后作运动估计,并合并相似的运动区域以得到最终的提取结果。如光流算法、主动轮廓模型算法。此类方法结果较为准确但是运算量相对较大。另一类算法主要以时间变化检测作为准则,这类算法主要通过帧差检测图像上的变化区域和不变区域,将运动物体与静止背景进行分割。此类方法运算量小,提取结果不如前类方法准确。此外,还有时空结合方法、时空亮度梯度信息结合的方法等等。

4、研究方法

在进行运动目标检测时，一个很重要的步骤就是区分出运动目标和背景范围，常见的一种情况是摄像机处于静止状态并且焦距也是固定的。此时，图像中的背景区域固定不动。在这种情况下，运动目标识别无论是使用背景差法，还是使用背景差法结合帧间差法，质量良好的背景的建立显得及其重要。另外，当涉及到背景的使用时，一旦背景发生一些变化时，如背景中频繁地出现运动物体，或者光照发生变化、树叶等小物体的晃动等等，使得不能准确地提取背景作为参考图像，从而不能正确地分割出视频序列中的运动物体。为了克服上述问题，国内外众多研究人员提出了背景建立和自适应的背景模型，实现了背景模型的实时更新，能够比较准确地识别出运动目标。在能够满足实时性和实用性要求的前提下，讨论并研究下列几种算法：（1）手动背景法，需要人观察到没有前景物体时启动该帧图像，作为背景图像。这种背景提取方法增加了人力和物力的需求，而且在很多情况下很难在没有前景的情况下获得背景图像，比如高速公路的车辆监测系统、小区的门禁系统等等。这种方法不能实现自适应背景更新的功能，需要使用其他方法修正由于光线，亮度等的变化带来的背景误差。

（2）统计中值法，考虑到运动物体较少的情况下，连续多帧图像中背景的像素值占主要部分，这样在一段时间内变化缓慢，取中值便可以认为是背景图像。统计中值算法从统计学的角度统计单个像素点A i (x,y),(i=1,2,…N)在连续帧图像中的亮度值B i 。在一段时间内对视频序列图像的亮度值(或者色彩信息) B i 进行排序，然后取中值M i (x,y)作为背景。该算法存在的问题在于：图像帧的像素点大多以数万，数十万的数量级出现，而用于取中值的图像帧数量N 也应该比较大。对如此大的数组进行排序取出中值，实现时计算量较大，处理较慢。同时需要占用大量的内存单元用于存储数据。（3）算术平均法，提取背景图像时可以总结为在特定的时间段内对像素点的亮度和色彩信息取平均值，用均值作为背景图像对应像素点数值。在读入一段视频时，对某一像素点进行观察，会发现在没有前景的运动目标通过时，该点的灰度值保持稳定，变化很小,只有当前景的运动目标通过时，该点的灰度才会发生剧烈的变化。这样就可以连续读入N 帧图像，对图像各点的灰度或色彩信息进行统计的方法，使得变化剧烈的像素点变得平缓，取其平均值作为背景图像像素点的值。这样也可以滤除背景图像中的突变噪声点。其统计公式如下：

∑==N

i N y x Ii y x B 1

1

),(),(

公式中式中：B (x, y)表示背景图像，Ii(x,y)表示第i 帧序列图像，N 表示平均帧数。在实际场景中，一段时间内，同一区域很少有可能总是存在运动物体。而通过平均法得到的背景就会消除亮暗分布不均匀的情况。

目前，大多数的运动目标检测的方法或是基于图像序列中时间信息的，或是基于图像序列中空间信息的。常见的方法有如下3种：

(1)光流法

当目标运动时，图像上对应目标的亮度信息（光流）也相应的运动。这样，根据时间上相邻的几帧图像可以计算出各像素点运动的大小和方向，从而利用运动场来区分背景和运动目标。其主要优点在于能检测出独立的运动目标，而不需预知场景的任何信息，对变化的复杂背景情况有较好的适应。但其缺点也很明显，由于要依赖光流估计的准确程度，大多数计算方法相当复杂并且计算量特别大，所以除非有特殊的硬件支持，否则很难实现实时检测。

(2)背景减法

将实时视频流中的图像像素点灰度值与事先已存储或实时得到的视频背景模型中的相应值比较，不符合要求的像素点被认为是运动像素。这是视频监控中最常用的运动检测方法。这种方法虽然能较完整的提取运动目标，但对光照和外部条件造成的环境变化过于敏感，常常会将运动目标的阴影错误的检测为其自身的一部分。同时由于时间流逝，实际场景的多种因素都会发生变化，比如停留物的出现、光线等的变化、运动目标对背景的遮挡等等，背景需要得到实时地更新，这是影响其检测效果的一个重要因素。

(3)帧间差法

帧间差法是根据当前图像与参考图像的差别来获得运动目标轮廓的方法。这种方法对于场景中的光线渐变不敏感，适于动态变化的环境，且运算量相对较小。但一般不能完整的提取运动目标，且在运动实体内易产生空洞现象，从而不利于下一步的分析和处理。

5、研究基础

在Windows 平台上使用VC开发环境，综合运用数字图像处理技术，基于OpenCV 设计实现运动物体跟踪算法。Visual C++是Microsoft 公司推出的开发Win32 环境程序，面向对象的可视化集成编程系统。它包含了两套完整的Windows 应用开发系统。有以下的部分组成：1）Visual工作平台和创建过程：这是一个运行于上的交互式开发环境，它直接从是Microsoft QuickC for Windows演化而来的。2）App Studio 资源编辑器：堪称是Windows应用，同时它本身就是通过使用Visual C++工具及类库编写而成的，可以对自身的资源进行编辑。3）C∕C++编译器：Visual C++的编译器可以处理C和C++源代码，它通过源代码文件后缀来识别代码本身所使用的语言。4）连接器：为了生成EXE文件，Visual C++的连接器需要对编译器所生成的OBJ文件进行处理。5）资源编译器：在编译状态和联编状态都要用到资源编译器。6）调试器：为了能够对程序进行调试，在创建程序时必须设置编译器和连接器相应的选项以

便产生相应的可调试信息。

OpenCV（Open Source Computer Vision Library）由Intel公司在背后提供支持。它包含了超过500个函数来实现用于图形处理和计算机视觉方面的通用算法。OpenCV致力于真实世界的实时应用，通过优化的C代码的编写对其执行速度带来了可观的提升，并且可以通过购买Intel的IPP高性能多媒体函数库(Integrated Performance Primitives)得到更快的处理速度。OpenCV包括以下几个模块，具体功能是：

1、CV：主要的OpenCV函数

2、CVAUX：辅助的（实验性的）OpenCV函数

3、CXCORE：数据结构与线性代数支持

4、HIGHGUI：图像界面函数

5、ML：机器学习，包括模式分类和回归分析等。

6、CVCAM ：负责读取摄像头数据的模块（在新版本中，当HIGHGUI模块中

加入DirectShow 支持后，此模块将别废除）。

6、阅读的主要文献、资料

[1]马颂德，张正友．《计算机视觉——计算理论与算法基础》．科学出版社，1999：

124～166

[2]Ed Chang, A Videh Zakhor. Scalable Video.IEEE Trans. On Cirouits and Systems

for Video Technology,V ol.7,NO.5,pp.256-289,October 1997

[3]刘贵喜，邵明礼．真实场景下视频运动目标自动提取方法．光学学报．第26

卷，第8期

[4]毛燕芬，施鹏飞．基于对象的视频图像分割技术．中国图象图形学报，2003 ，

8A(7)：726～731

[5]贺贵明，吴元保．《基于内容的视频编码与传输控制技术》，武汉大学出版社，

2005：40～50

[6]彭小波，邢晓正，胡红专．Matlab与VC++混合编程在光斑位置测量中的应用．仪

器仪表学报，2003，28(4)：222～223．

[7]徐方明，卢官明．基于改进surendra背景更新算法的运动目标检测算法．山西

电子技术．2009年第5期

[8](日本)谷口庆治编，朱虹等译．《数字图像处理(应用篇)》，科学出版社：292～

297

[9]黄磊，于曼曼．基于背景差分的运动目标检测研究．软件导刊．第8卷，第6

期2009年6月

[9](日本)谷口庆治编，朱虹等译，《数字图像处理(基础篇)》，科学出版社：80～

81

[10]王世香．《精通MATLAB接口与编程[M]》．电子工业出版社，2007．

[11]章霄，董艳雪，赵文娟。《数字图像处理技术》，冶金工业出版社：219～225

开题报告基于MATLAB图像处理软件设计

西安邮电学院 毕业设计(论文)开题报告通信工程系通信工程专业 10 级 1005 班 课题名称：基于MATLAB图像处理软件设计 学生姓名：田敏学号：03101182 指导教师：李瑛 报告日期： 2014-3-10

1．本课题所涉及的问题及应用现状综述 MATLAB语言的产生是与数学计算紧密联系在一起的。1980年，美国新墨西哥州大学计算机系主任CleveMoler为学生编写的程序，收到了广泛的欢迎。 所涉及问题如下： （1）研究图像处理技术，包括图像处理技术的分类、数字图像处理的特点、主要内容以及应用。 （2）学习MATLAB软件的相关知识，以及其优缺点。 （3）熟练掌握MATLAB软件在图像处理中的应用。 （4）完成系统的整体设计，各功能模块设计。 （5）向做好的平台中添加图像，图像读取、存储、显示、去色、图像翻转、局部放大、透明度调整、去噪、平滑、锐化压缩等操作。 应用现状如下： 在现代生活中，随着计算机的不断发展，人们对图像信息的需求越来越大，这已经涉及到空间科学，工程科学，医学以及日常生活的方方面面。国内外一些比较有实力的大学和公司，如：清华大学，华盛顿大学和sonny公司等都开发了相当成熟的图像处理系统。 MATLAB软件越来越被广泛的应用到图像处理中，它具有强大的图像处理工具箱和相当丰富的源代码，语法比较简单，是一种基于矩阵为基本变量的可视化语言。 国内研究具有代表性的是清华大学研制的数字图像处理实验开发系统TDB—IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。TDB—IDK 系列产品是一款基于TMS320C6000 DSP数字信号处理器的高级视频和图像系统。该软件能够完成图像采集输入程序、图像输出程序、图像基本算法程序。

基于opencV的动态背景下运动目标检测及跟踪(修改版)

基于openCV的动态背景下的运动目标检测 摘要：介绍在动态背景下对视频图像序列进行运动目标的检测，主要包括三个步骤，分别是运动估计，运动补偿和目标检测。在运动估计中采用的主要是基于特征点匹配算法。这种算法与传统的块匹配算法最大的好处在于它的数据量少，计算简单迅速而且图像的匹配可靠性更高。最后用计算机视觉类库openCV进行实现。 关键词：运动目标检测；openCV；特征点匹配 Moving Object Detection in the Dynamic Background Based on openCV Abstract：Introducing a moving object detection algorithm of the dynamic background in the video image sequence，which includes three steps. They are motion estimation, motion compensation and object detection. At the motion estimation, we take an algorithm based on the feature points matching. The advantages of this algorithm is that it needs fewer data and indicates faster calculating speed compared to the block matching algorithm. What’s more, the matching of the video image sequence is more reliable. Then used openCV realized the algorithm. Keywords: moving object detection; openCV; feature points matching 引言 在生活中摄像头可以说随处可见，我们经常需要对视频中的运动目标进行相关操作，这就设涉及到了对运动目标的检测及跟踪。作为视觉领域的一部分，它不仅对我们的生活，在军事，医学等各种领域里都有着广泛的影响。 所谓运动目标的检测就是在一段序列图像中检测出变化区域，并将运动目标从背景图像中提取出来[2]，它是基础，能否正确的检测与分割出运动目标对后续的工作有着巨大的影响。常见的运动目标检测方法有：背景差分法，帧差法，累积差分法，光流法。本文主要介绍的是一种在动态背景下对运动目标进行检测的算法。 检测算法介绍 检测算法有很多种，不同的算法有他们各自的利与弊。背景差分法：是事先将背景图像存储下来，再与观测图像进行差分运算，实现对运动区域的检测。这种方法能得到较为完整的运动目标信息，但背景图像必须随着外部条件比如光照等的变化而不断更新，所以背景模型的获取和更新比较麻烦。帧差法：直接比较相邻两帧图像对应像点的灰度值的不同，然后通过阈值来提取序列图像中的运动区域[2]。这种方法更新速度快，算法简单易实现，适应性强，不需要获取背景图像。但是背景与运动目标间需要有一定程度的灰度差，否则可能在目标内部产生空洞，不能完整的提取出运动目标。为了改进相邻两帧间的差分效果，人们提出了累积差分法。累积差分法是利用三帧图像计算两个差分图像，再令其对应像素相乘的算法。它通过分析整个图像序列的变化来检测小位移或缓慢运动的物体。光流法是在时间上连续的两幅图想中，用向量来表示移动前后的对应点，在适当平滑性约束的条件下，根据图像序列的时空梯度估计运动场，通过分析运动场的变化对运动目标和场景进行检测和分割。 上面的几种算法都是基于静态背景下的方法，下面主要介绍动态背景下运动目标的检测。 因为生活中我们在很多情况下背景图像都不是静态的，有时摄像机都是安装在一个运动

运动目标的监测与跟踪论文

运动目标的监测与跟踪 摘要: 对所要求的场景提出了一种检测运动物体,跟踪运动物体的方法。用背景差分得到运动人体的区域, 通过卡尔曼滤波对人体进行跟踪，并给出实例 关键词: 运动检测;运动跟踪;卡尔曼滤波 1．概论 视频图像分析主要是对运动图像序列进行分析处理，它通常涉及到运动检测、目标分类、目标跟踪及行为理解与描述几个过程。其中，运动目标检测与跟踪处于整个视觉监视系统的最底层，是视频图像分析中最基本的方法，是各种后续高级处理如目标分类、行为理解等的基础。 视频图像指动态图像(moving-image)，可以认为是随时间变化的静态图像序列(Still-frame-image/picture-Sequence)。在静态图像中，信息密度随空间分布，且相对于时间为常量;而动态图像的空间信息密度特征随时间分布。所以，在视频图像的目标识别中，既有静态图像处理的特点，可以借用静态图像处理的一些方法;同时还有动态图像自身的特点，即动态图像连续帧之间的相关性。 根据视频图像中摄像机和场景之间是否运动将物体的运动划分为四种模式:1摄像机静止一目标静止，这实际上就是静态场景，对其处理方法就是静态图像中的处理方法。2.摄像机静止一目标运动，这是一类非常重要的动态场景，对其处理一般包括运动目标检测、目标特性估计等，主要用于预警、监视、目标跟踪等场合。3.摄像机运动一目标静止，这主要用于机器人视觉导航、电子地图的自动生成以及三维场景理解等。4.摄像机运动一目标运动，这是运动物体的检测和跟踪最复杂的一种情况，但也是最普通的情况，目前关于这方面的研究还较少，理论还不够成熟。本试验中采用的物体运动模式为摄像机静止一目标运动模式[1] 一个运动物体跟踪系统的基本过程如下： 1.在图像序列中检测出运动物体及运动区域 2.对检测到的运动物体提取特征建立目标匹配模板 3.计算目标的形心 4.预测目标在下一时刻可能运动到的位置，确定目标在下一时刻的搜索范围 5.在预测的搜索范围内，用前一时刻的模板进行匹配搜索，寻找最佳匹配位置，当在预 测范围内未找到目标时需进行例外处理。[2] 2．运动物体的检测方法 运动目标的检测是一个重要、困难的研究课题，它除了能将运动分量和背景分量分割开，还能用检测出的运动块为以后的识别、分类以及行为分析提供感兴趣的区域。从分割的角度来看，运动物体检测被认为是视频对象的空间域分割。具体说来是指把序列图像中独立运动的区域逐帧检测分割出来。换言之，所谓运动物体检测，就是当场景中有新物体进入或者场景中有物体移动时，通过检测算法得知有物体出现，而分割则是把进入场景的物体从背景图像中分割出来。[4] 目前，对运动物体的检测和运动参数测量的研究方法主要有人工神经网络方法和图像处理方法。本文研究运用图像处理的方法进行运动物体的检测。该方法大体上可以分为四类:基于帧间差分的方法、基于背景差分的方法、基于特征的方法和基于光流场的方法。[1] 2．1运动物体的常用检测方法 运动物体检测通常采用差分图像的方法。差分图像一般有两种情况:

(完整word版)运动模糊图像复原开题报告

数字图像处理大作业 - 运动模糊图像复原 开题报告 小组成员：张博文、范桂峰、笪腾飞 一、研究意义 相机对物体成像时 ,由于平台的颤振,在曝光时间内成像器件与物体之间往往存在着相对运动 ,在像面上产生像移 ,因此拍出来的图像是被运动模糊后的图像。这种图像质量较差 ,对比度和分辨率均降低 ,需要进行恢复。 二、研究现状 如果这种相对运动属于平动,则可以把模糊过程看作一个线性位移不变的系统。因此 ,如果知道了系统的冲激响应 ,在这里是点扩展函数 ( PSF) ,就可以用来恢复图像。但是 ,模糊过程的点扩展函数往往是不知道的,因此图像恢复的关键就变成了如何推导点扩展函数。如 Marius Tico 从图像序列入手 ,通过一帧快速曝光未被运动模糊,但却因曝光不足而信噪比很低的图像,以及一帧曝光充足但被运动模糊了的图像来计算点扩展函数,然后恢复。但更多的研究还是集中在如何从单帧被模糊了的图像中找出点扩展函数,主要有2类 ,一类从空域直接入手,利用差分、相关等等各种方法计算,另一种则是通过图像变换后的频谱域中的零值点来计算,这些方法往往只能计算特殊运动形式的点扩展函数 ,主要是匀速直线运动,而且受噪声影响精度比较低。相机的振动通常比较复杂 ,这些方法的适用性受到限制,因此 ,需要找到一种能够不受运动形式和运动方向限制的计算模糊过程点扩展函数的方法。 一种方法是利用了利用经阈值化处理的Radon 变换估计模糊方法，通过微分自相关法估计模糊长度，最后应用带最优窗的维纳滤波进行图像复原，该算法能够较为精确地估算出运动模糊图像的模糊参数并取得了较好的恢复效果，提升了图像恢复的抗噪性能，具有实际参考价值。这是属于第一种空域处理方法。 另一种方法是运动模糊图像经傅立叶变换后在频域有频谱零点进行参数估计，通过霍夫变换初步求得运动模糊图像的点扩展函数，当估计出运动模糊图像的点扩展函数的参数后，用神经网络方法进行恢复。这种恢复模型可以对任意角

基于DCT图像数字水印技术研究的开题报告

毕业设计开题报告 基于DCT的图像数字水印技术的研究

基于DCT的图像数字水印技术研究 国内外研究现状： 20世纪80年代，索尼和菲利浦公司首次提出了数字媒体版权保护的方案SCMS(Serial copy management system)，数字水印技术也是在继数字隐藏技术后提出的一种数字媒体版权保护方案，发展到现在不仅仅局限于版权保护，也延伸到商务交易中的票据防伪、声像数据的隐藏标识和篡改提示、隐蔽通信及其对抗等领域。随着电子政务的广泛应用，其安全性问题也日益突出，电子政务所涉及的相当多的信息都带有机密性，除黑客攻击．病毒感染等来自网络的安全威胁外，也易受到来自系统应用的假冒用户登录、非法篡改等数据安全的威胁。我国现有的电子政务网络基础设施和系统安全解决方案大多是通过防火墙、入侵检测、漏洞扫描、网络隔离等技术和设备来保障系统的安全，这在一定程度上可以保证电子政务信息系统的安全，但仍存在着安全漏洞，我们在电子政务的建设中，除了必要的网络安全技术外，还必须重视对数字信息安全认证的问题。 数字水印技术为上述问题提供了一个有效的解决方案，是目前多媒体信息安全研究领域的一个热点。该技术采用信息处理技术把版权信息、认证信息等秘密信息，即水印，嵌入到原始数据中去，但不影响原内容的价值和使用，水印信息可以是产品的序列号、版权所有者的标志等认证信息。通过特定的算法恢复和检测被嵌水印后，可有效地分析信息失真的情况，判断信息是否被篡改，为版权所有者提供信息被盗版的有利证据。因此，一个实用的数字水印技术必须具有较强的鲁棒性、安全性和不可见性。 所谓数字水印技术，就是将代表数字媒体著作权人身份的特定信息、用户指定的标志或序列码等，按照某种方式嵌入被保护的信息中，在产生版权纠纷时，通过相应的算法提取出该数字水印，从而验证版权的归属，确保媒体著作权人的合法利益，避免非法盗版的威胁。被保护的信息是任何一种数字媒体，如软件、图像、音频、视频或一般性的电子文档等。数字水印是嵌在数字产品中的数字信号，水印的存在要以不破坏原数据的欣赏价值、使用价值为原则。

智能机器人运动控制和目标跟踪

XXXX大学 《智能机器人》结课论文 移动机器人对运动目标的检测跟踪方法 学院（系）： 专业班级： 学生学号： 学生姓名： 成绩：

目录 摘要 (1) 0、引言 (1) 1、运动目标检测方法 (1) 1．1 运动目标图像HSI差值模型 (1) 1.2 运动目标的自适应分割与提取 (2) 2 运动目标的预测跟踪控制 (3) 2．1 运动目标的定位 (3) 2．2 运动目标的运动轨迹估计 (4) 2．3 移动机器人运动控制策略 (6) 3 结束语 (6) 参考文献 (7)

一种移动机器人对运动目标的检测跟踪方法 摘要：从序列图像中有效地自动提取运动目标区域和跟踪运动目标是自主机器人运动控制的研究热点之一。给出了连续图像帧差分和二次帧差分改进的图像HIS 差分模型，采用自适应运动目标区域检测、自适应阴影部分分割和噪声消除算法，对无背景图像条件下自动提取运动目标区域。定义了一些运动目标的特征分析和计算 ，通过特征匹配识别所需跟踪目标的区域。采用 Kalrnan 预报器对运动目标状态的一步预测估计和两步增量式跟踪算法，能快速平滑地实现移动机器人对运动目标的跟踪驱动控制。实验结果表明该方法有效。 关键词：改进的HIS 差分模型；Kahnan 滤波器；增量式跟踪控制策略。 0、引言 运动目标检测和跟踪是机器人研究应用及智能视频监控中的重要关键技术 ，一直是备受关注的研究热点之一。在运动目标检测算法中常用方法有光流场法和图像差分法。由于光流场法的计算量大，不适合于实时性的要求。对背景图像的帧问差分法对环境变化有较强的适应性和运算简单方便的特点，但帧问差分不能提出完整的运动目标，且场景中会出现大量噪声，如光线的强弱、运动目标的阴影等。 为此文中对移动机器人的运动目标检测和跟踪中的一些关键技术进行了研究，通过对传统帧间差分的改进，引入 HSI 差值模型、图像序列的连续差分运算、自适应分割算法、自适应阴影部分分割算法和图像形态学方法消除噪声斑点，在无背景图像条件下自动提取运动 目标区域。采用 Kalman 滤波器对跟踪目标的运动轨迹进行预测，建立移动机器人跟踪运动 目标的两步增量式跟踪控制策略，实现对目标的准确检测和平滑跟踪控制。实验结果表明该算法有效。 1、运动目标检测方法 接近人跟对颜色感知的色调、饱和度和亮度属性 (H ，S ，I )模型更适合于图像识别处理。因此，文中引入改进 型 HSI 帧差模型。 1．1 运动目标图像HSI 差值模型 设移动机器人在某一位置采得的连续三帧图像序列 ()y x k ,f 1-，()y x f k ,， ()y x f k ,1+

基于matlab在数字图像增强处理中的应用开题报告

山东科技大学 本科毕业设计（论文）开题报告题目基于matlab在数字图像增强处理中的应用 学院名称测绘学院 专业班级测绘05级5班 学生姓名吴兆艳 学号0503016220 指导教师陶秋香 填表时间：2009年04月10日

填表说明 1.开题报告作为毕业设计（论文）答辩委员会对学生答辩资格审查的依据材料之一。 2.此报告应在指导教师指导下，由学生在毕业设计（论文）工作前期完成，经指导教师签署意见、相关系主任审查后生效。 3.学生应按照学校统一设计的电子文档标准格式，用A4纸打印。 4.参考文献不少于8篇，其中应有适当的外文资料（一般不少于2篇）。 5.开题报告作为毕业设计（论文）资料，与毕业设计（论文）一同存档。

设计（论文） 题目 Matlab在数字图像增强中的应用 设计（论文）类型（划“√”）工程设计应用研究开发研究基础研究其它 √ 一、本课题的研究目的和意义 在图像处理过程中，图像增强是十分重要的一个环节。本文的主要内容就是围绕图像增强部分的一些基本理论和算法而展开。用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。对图像进行处理时，经常运用图像增强技术以改善图像的质量。在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降。在摄影时由于光照条件不足或过度，会使图像过暗或过亮;光学系统的失真、相对运动、大气流动等都会使图像模糊;传输过程中会引入各种类型的噪声。总之，输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为质量问题。由于目的、观点、爱好等的不同，图像质量很难有统一的定义和标准，但是根据应用要求改善图像质量却是一个共同的目标。图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进行检测和测量。图像增强的目的是增强图像的视觉效果，将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。增强的效果通常都与具体的图像有关系，靠人的主观感觉加以评价。 目前图像增强处理的应用已经渗透到医学诊断、航空航天、军事侦察、指纹识别、无损探伤、卫星图片的处理等领域。如对X射线图片、TC影像、内窥镜图像进行增强，使医生更容易从中确定病变区域，从图像细节区域中发现问题;对不同时间拍摄的同一地区的遥感图片进行增强处理，侦查是否有敌人军事调动或军事装备及建筑出现;在煤矿工业电视系统中采用增强处理来提高工业电视图像的清晰度，克服因光线不足、灰尘等原因带来的图像模糊、偏差等现象，减少电视系统维护的量。图像增强技术的快速发展同它的广泛应用是分不开的，发展的动

移动物体检测与跟踪算法的实现

移动物体检测与跟踪算法的实现 移动物体检测算法已经在带LCD 的Intel XScale 270平台上实现，效果如下图所示。 这个界面是在Linux操作系统下利用QT库采用C++开发的。如果在MicroBlaze上移植Linux成功的话，可能会出现不能支持QT的情况，那我们将舍弃用QT做出来的控制界面，而将图像视频直接显示在VGA显示器上。 接下来我将介绍一下实现这个效果我们所采用的算法和程序的流程： 一、算法 1、基于灰度图像的检测算法 为了完成实时目标检测，需要一系列的操作，所以就需要对目标的特征进行提取，包括目标的形状和颜色分布。由于人体是非刚性的，外在的障碍物和自身的噪声可能给建立唯一的模型带来困难。为了减小这些影响我们把摄像头观察点放置在人群的正上方，这样几乎不会有重叠的现象而且每个目标占用图像的面积很小。 我们采用基于灰度直方图的方法简化目标模型，由于系统只需识别出有物体的存在并进行跟踪，所以要求的精度不需要很高，因此在该系统只识别人体的大体外形及所处的位置而忽略身体的细节部分，使算法更加简化。为了突出目标本文采用相邻帧差法去除不变的部分（比如背景、身体的一些部分），通过分析剩下的部分我们可以定位目标所在的位置。简单的帧差法并不足以达到检测的精度，这里采用相差后图像的水平和垂直投影完成检测功能。 下面给出这个算法的过程： (1) 相邻图像相差后得到M*N的图像I，如图1所示。非零的那些像素大部分是头部的运动边缘，通过对差分图的分析就可以定位运动目标。

图1 相邻帧相减后的图像 (2) 求出差分图像I 的水平及垂直投影分别用H 和V 表示。如图2显示了两相邻帧和差分后的水平投影值的分布。 水平投影的计算如下： 1()(,)N j V i I i j ==∑ 1,2,.... ,i N = (1) 图2 两相邻帧以及差分后的水平投影 从图中可以很明显地看出，在人体头部周围跟随两个峰值。这里我们利用这个特征来检测定位目标。为了最小化噪声的扰动和摄像机抖动的影响我们采用对V 进行中值滤波来保持边缘并滤除孤立脉冲噪声和胡椒噪声。 (3) 如果运动物体存在，那么在向量V 中肯定存在具有足够多的灰度值大于分割阈值的像素点的段。我们将图像I 分成n 个域（n 就是段数），每一个域都位于相应段的中心并且具有一定的宽度。那么这就检测出具有n 个运动目标。 (4) 假设每个域有一组纵向目标。对每个域进行水平投影得到(1,2,3,...,)i H i n =然后进行中值滤波，如果在第i 个域中存在m 个目标，那么在i H 中一定具有m 个显著的值（峰值）。再进行中值滤波并且利用另外一个阈值将域中的一组目标分割开。这样就得

基于matlab数字图像处理的开题报告

毕业设计(论文)开题报告 题目：基于Matlab的数字图像处理 学生姓名：学号： 专业：通信工程 指导教师： 2011年 3 月 13 日

一．文献综述： 随着人类社会的进步和科学技术的发展，人们对信息处理和信息及交流的要求越来越高。人们传递信息的主要媒介是语音和图像。在接受的信息中，听觉信息占20%，视觉信息占60%，其它如味觉，嗅觉，触觉总的加起来不超过20%。图像信息处理是人们视觉延续的重要手段。人的眼睛只能看到波长为380到780nm的可见光部分，而迄今为止人类发现可成像的射线已有很多种，他们扩大了人类认识客观世界的能力。 数字图像处理是一个跨科学的前沿科技领域，在工程学，计算机科学，信息学，统计学，物理，化学，生物医学，地址，海洋，气象，农业，冶金等许多科学中的应用取得了巨大的成功和显著地经济效益。 图像是当光辐射能量照在物体上，经过他的反射或透射，或有发光物体本身发出的光能量，在人的视觉器官中所重现出的物体的视觉信息。图像一般用Image表示，是视觉景物的某种形式的标记和记录。通俗的说，图像是指利用技术手段把目标原封不动的再现。由于图像感知的主题是人类，所以不仅可以将图像看作是二维平面上或三维立体空间中具有明暗或颜色变化的分布，还可以包括人的心理因素对图像接收和理解所产生的影像。 一般认为图片是图像的一种类型，在一些教科书中将其定义为“经过核实的光照后可见物体的分布”，图片强调了现实世界中的可见物体。图形是指人为的图形，如图画，动画等人造的二维或三维图形，他强调应用一定的数学模型生成图形。图形学是研究应用计算机生成，处理和显示图形的一门学科。它涉及利用计算机将有概念或数学描述所表示的物体图像进行处理和现实的过程，侧重点在于根据给定的物体描述数学模型，光照及想象中的摄像机的成像几何，生成一幅图像的过程。 而图像处理进行的却是与其相反的过程，提示基于画面进行二维或三维物体模型的重建，这在很多场合是十分重要。 从20世纪60年代起，随着电子计算机技术的进步，数字图像处理技术得到了飞跃发展。数字信号处理（DSP）技术通常是指利用采集，滤波，检测，均衡，变换，调制，压缩，去噪，估计等处理，已得到符合人们需要的信号形式。图像信号的数字处理是指将图像作为图像信号的数学处理技术，按照人们通常的习惯，也成为数字图像处理技术。最常见的使用计算机对图像进行处理，他是在以计算机为中心的包括各种输入，输出，存储及显示设备内的数学图像处理系统上进行的。

基于matlab的图像形状与分类 开 题 报 告

毕业设计开题报告 基于matlab的图像形状与分类 系别： 班级： 学生姓名： 指导教师： 2011 年 11 月22日

毕业设计开题报告 附页：

基于matlab的图像形状与分类 一、研究的目的 数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文介绍了MATLAB 语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像形状的边缘提取和识别分类。论文主要论述了利用MATLAB实现对图像中的三角形正方形圆椭圆菱形的边缘提取和自动识别分类。 二、主要技术指标 对形状分析和分类的方法技术有许多。通常来说，形状特征表示方法可以分为两类：基于边界的和基于区域的。前者使用形状的外部边界，而后者使用整个区域。这两类形状特征的最典型的方法分别是傅立叶描述符、变形模板匹配和形状不变矩。此外轮廓匹配方法还有几何参数法、边界方向直方图法、小波重要系数法和小波轮廓表示法等本文主要采用的是几何参数法来判断给出的的图像是什么形状。 对于图像分类问题，特征提取的好坏是决定分类性能的关键因素。提取物体的形状特征前，首先要对图像进行边缘提取，以获得物体的轮廓边界，然后需要把轮廓边界区域的特征抽取出来。在这些特征里面，有一部分可以用数字量值来描述，但更多的特征是一些没有明显特征的几何图形。为了便于图像的匹配，需要对这些几何图形进行进一步的描述。图像中物体的性质不能因为图像的平移、旋转、比例尺度的改变而发生变化。所以，在进行形状描述时，选择的描述符应具有平移不变性、旋转不变性、尺度不变性等特点。不但如此，选择的描述符还应该能够刻画形状的本质特点，使得该描述符具有良好的可分辨能力。 图像特征选择的原则特征提取是对模式所包含的输入信息进行处理和分析，将不易受随机因素干扰的信息作为该模式的特征提取出来。特征提取过程是去除冗余信息的过程，具有提高识别精度，减少运算量和提高运算速度的作用。 矩形度

基于opencv的运动目标检测和跟踪

本科毕业论文
(科研训练,毕业设计)
题
目: opencv 的运动目标检测
姓 学
名:汤超 院:信息科学与技术学院 系:电子工程系
专 年 学
业:电子信息工程 级:2005 号:22220055204057 职称:教授
指导教师(校内) :杨涛
2009 年
5 月
25 日

厦门大学电子工程系 2005 级本科毕业论文 -
基于 opencv 的运动目标检测和跟踪
摘要
Opencv(Open Source Computer Vision Library)是一种用于数字图像处理和计算机视 觉的函数库,由 Intel 微处理器研究实验室(Intel's MicroprocessorResearch Lab)的视 觉交互组(The Visual Interaetivity Group)开发.采用的开发语言是 C++,可以在 window: 系统及 Linux 系统下使用,该函数库是开放源代码的,能够从 Intel 公司的网站免费下载 得到.opencv 提供了针对各种形式的图像和视频源文件(如:bitmap 图像,video 文件和实 时摄像机)的帧提取函数和很多标准的图像处理算法,这些函数都可以直接用在具体的视频 程序开发项目中. 针对在背景中检测出运动目标并实施警戒等特定提示,本文利用 opencv 的运动物体 检测的数据结构,函数以及基本框架,建立了一个由人机交互界面模式.实施对物体的检 测.该方面在安防方面已经很受重视.相信在不久的将来将会成为一种监督秩序的方式.
关键字 视频,运动目标检测,帧差分

基于图像处理的运动物体的跟踪与检测开题报告

1、课题来源 随着计算机技术的高速发展，运动物体的检测和跟踪在图像处理、计算机视觉、模式识别、人工智能、多媒体技术等领域越来越受到人们的关注。运动跟踪和检测的应用广泛，在智能监控和人机交互中，如：银行、交通、超市等场合常常使用运动跟踪分析技术，通过定位物体并对其行为进行分析，一旦发现物体有异常行为，监控系统就发出警报，提醒人们注意并即时的处理，改善了人工监督注意力分散、反应时间较慢、人力资源浪费等问题。运动目标的跟踪在虚拟现实、工业控制、军事设备、医学研究、视频监控、交通流量观测监控等很多领域也有重要的实用价值。特别在军事上，先进的武器导航、军事侦察和监控中都成功运用了自动跟踪技术。而跟踪的难点在于如何快速而准确的在每一帧图像中实现目标定位。正因如此，对运动目标的跟踪和检测的研究很有价值。 2、研究目的和意义 运动目标检测是图像处理与计算机视觉的一个分支，在理论和实践上都有重大意义，长久以来一直被国内外学者所关注。在实际中，视频监控利用摄像机对某一特定区域进行监视，是一个细致和连续的过程，它可以由人来完成，但是人执行这种长期枯燥的例行监测是不可靠，而且费用也很高，因此引入运动监测非常有必要。它可以减轻人的负担，并且提高了可靠性。概括起来运动监测主要包括三个内容：运动目标检测，方向判断和图像跟踪。运动目标检测是整个监测过程的基础，运动目标的提取准确与否，直接关系到后续高级过程的完成质量。3、国内外研究现状和发展趋势及综述 运动目标检测在国外已经取得了一些的研究成果，许多相关技术已经开始应用到实际系统中，但是国内研究相对落后,与国外还有较大差距。传统的视频目标提取大致可以分两类,一类以空间同性为准则,先用形态学滤波器或其他滤波器对图像作预处理;然后对该图像的亮度、色度或其他信息作空间上的分割以对区域作边缘检测;之后作运动估计,并合并相似的运动区域以得到最终的提取结果。如光流算法、主动轮廓模型算法。此类方法结果较为准确但是运算量相对较大。另一类算法主要以时间变化检测作为准则,这类算法主要通过帧差检测图像上的变化区域和不变区域,将运动物体与静止背景进行分割。此类方法运算量小,提取结果不如前类方法准确。此外,还有时空结合方法、时空亮度梯度信息结合的方法等等。 4、研究方法

图像去噪去噪算法研究 开题报告

图像去噪去噪算法研究论文开题报告 （1）选题的目的、意义 目的： 由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、传输记录过程中往往会受到多种噪声的污染，影响了图像的视觉效果，甚至妨碍了人们正常识别。另外，在图像处理的某些环节当输入的对象并不如预想时也会在结果图像中引入噪声。这些噪声在图像上常表现为—引起较强视觉效果的孤立象素点或象素块[1]。一般，噪声信号与要研究的对象不相关它以无用的信息形式出现，扰乱图像的可观测信息。要构造一种有效抑制噪声的滤波必须考虑两个基本问题能有效地去除目标和背景中的噪声；同时，也要能很好的保护图像目标的形状、大小及特定的几何和拓扑结构特征。 意义： 噪声的污染直接影响着对图像边缘检测、特征提取、图像分割、模式识别等处理，使人们不得不从各种角度进行探索以提高图像的质量[2] [3]。所以采用适当的方法尽量消除噪声是图像处理中一个非常重要的预处理步骤。现在图像处理技术已深入到科学研究、军事技术、工农业生产、医学、气象及天文学等领域。科学家利用人造卫星可以获得地球资源照片、气象情况；医生可以通过X射线或CT对人体各部位的断层图像进行分析。但在许多情况下图像信息会受到各种各样噪声的影响，严重时会影响图像中的有用信息，所以对图像的噪声处理就显得十分重要[4] [5]。图像去噪作为图像处理的一个重要环节，可以帮助人们更加准确地获得我们所需的图像特征，使其应用到各个研究领域，帮助解决医学、物理、航天、文字等具体问题。如何改进图像去噪算法，以有效地降低噪声对原始图像的干扰程度，并且增强视觉效果，提高图像质量，使图像更逼真，仍存在继续研究的重要意义。 （2）国内外对本课题涉及问题的研究现状 针对图像去噪的经典算法，科学工作者通过努力，提出了一些的改进算法，比如模拟退火法[6]。但是模拟退火法存在的问题是计算过程复杂，计算量大，即使使用计算机代替人工计算也会耗用大量时间。后来在众多研究者的努力下，产生了很多其他不同的方法。而现今已卓有成效的非线性滤波方法有正则化方法、最小能量泛函方法、各向异性扩散法[7] [8]。 目前常用的降噪方法有在空间域进行的，也有将图像数据经过傅里叶等变换以后转到频域中进行的[9]。其中频域里的滤波需要涉及复杂的域转换运算，相对而言硬件实现起来会耗费更多的资源和时间。在空间域进行的方法有均值或加权后均值滤波、中值或加权中值滤波、最小均方差值滤波和均值或中值的多次迭代等。实践证明，这些方法虽有一定的降噪效果，但都有其局限性。比如加权均值在细节损失上非常明显；而中值仅对脉冲干扰有效，对高斯噪声却无能为力[10] [11] [12] [13]。实上，图像噪声总是和有效数据交织在一起，若处理不当，就会使边界轮廓、线条等变得模糊不清，反而降低了图像质量。 对于去除椒盐噪声，主要使用中值滤波算法。中值滤波是在1970年由Tukey提出的一种一维滤波器。它主要是指用实心邻域范围内的所有值的中值代替所作用的点值，但是必须注意的是邻域内的点的个数是正奇数，这是为了保证取中值的便利性，若是偶数，则中值就会产生两个[14] [15]。中值滤波以一种简单的非线性平滑技术。它是以排序统计理论作为基础，有效抑制噪声的非线性处理数字信号技术。中值滤波对消除椒盐噪声非常有效。在图像处理中，常用中值滤波保护图像边缘信息，它是一种经典的去除图像噪声算法[16]。但是它在去除图像噪声过程中，往往会将图像的细节比如细线、棱角的地方破坏掉。后来

文字识别开题报告

太原理工大学信息工程学院 本科毕业设计（论文）开题报告 毕业设计(论文)题目 基于边缘检测的文字图像识别 学生姓名导师姓名 专业信息 报告日期 班级07-1 指导教 师意见 签字年月日 专业(教 研室)主 任意见 年月日系主任 意见 年月日

1. 国内外研究现状及课题意义 文字图像信息是人类获取外界信息的主要来源，在近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多的利用图像信息来识别和判断事物，解决实际问题。例如：由于空间技术的发展，人造卫星拍摄了大量地面和空间的照片，人们要分析照片，获得地球资源、全球气象和污染情况等；在医学上，医生可以通过X射线分析照像，观察到人体个部位的多次现象；在工厂，技术人员可以利用电视图像管理生产；生活中，交通管理部门也要利用文字图像识别技术确定违章车辆的牌照，对其进行监督管理，由此可见文字图像信息的重要性【1】。 获得文字图像信息非常重要，但更重要的是对文字图像进行处理，从中找到我们所需要的信息，因此在当今科学技术迅速发展的时代，对文字图像的处理技术提出了更高的要求，能够更加快速准确的获得有用信息。 1.1国内外研究现状 20世纪20年代文字图像处理首次得到应用。20世纪60年代中期，电子计算机的发展得到普遍应用，文字图像处理技术也不断完善，逐渐成为一个新兴的科学。从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理技术也向更高、更深的层次迈进。到了20世纪90年代，机器人技术已经成为工业的三大支柱之一，人们已经开始研究如何用计算机系统解释图像，实现类似人类视觉系统来理解外部世界，这被称为图像理解活计算机视觉。很多国家，特别是发达国家投入更多的人力、物力道这项研究，取得了不少重要的研究成果。 数字图像处理主要是为了修改图形，改善图像质量，或是从图像中提取有效信息，还有利用数字图像处理可以对图像进行体积压缩，便于传输和保存。目前，数字图像处理主要应用于通讯技术、宇宙探索遥感技术和生物工程等领域。数字图像处理因易于实现非线性处理，处理程序和处理参数可变，故事一项通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。主要用于图像变换、测量、模式识别、模拟以及图像产生。广泛应用在遥感、宇宙观测、影像医学、通信、刑侦及多种工业领域【2】。1.2文字图像识别面临的问题 文字图像识别的发展经历了三个阶段：文字识别、图像处理和识别、物体识别。现在对于文字图像识别技术的研究，还面临几个问题，一是图像数据量大，一般来说，要取得较高的识别精度，原始图像应具有较高的分辨率，至少应大于64×64。二是图像污

人形目标检测与跟踪

——人形目标检测与跟踪

一、 本组研究方案，算法系统框图 二、 检测算法、原理、程序实现方法、调试过程 【视频处理】 老师提供的两端视频两段视频并不能直接用来输入OpenCV 所编程序处理，需要将其转化为无压缩的avi 格式。利用软件WinAVI Video Converter ，转换为ZJMedia uncompressed RGB24格式。 【背景建模】 我们小组利用N 帧图像的平均来求取背景，并实时对背景进行更新。由于考虑到ExhibitionHall.avi 视频中运动物体所占场景比例少，运动轨迹为直线，为了处理的简单，所以在这不刻意区分物体和背景像素点。即(1)(1)()()A A A B k B k I k αα+=-+ ，这里的α 很小（0.003） 。 【前景提取】 灰度图像的处理比彩色图像的处理过程简单。我们小组将读入的彩色图像变成灰度图像，并二值化；同样，背景也进行二值化。两者做差值，得到一些离散的黑白点块。也就

是要识别的目标。但是，这样得到的块是分散开的，程序 整的人形被分块识别成多个目标。为此，我们做了一些简 单的后处理。先腐蚀元素，去除不必要的杂点，然后进行 膨胀块处理，自定义块的大小，使其膨胀成能被识别成一 个人形的目标。另外，我们还做个简单的高斯低通滤波， 是得到的结果光滑些。其流程图如右。 【目标检测】 根据前景处理的结果，得到一些连续的块目标。利用帧间差，可以提取出目标的轮廓。根 据轮廓的位置分布，计算出检测目标的形心和大小。并予以标记。 【目标跟踪】 根据目标帧间的位移差值，可以计算出运动目标在x，y方向上的运动速度。可以利用这 个关系判断下一帧目标的位置。设置一个合适的阈值，就可以实现目标的跟踪。在此，我们还 引入了重叠判断机制。如果目标重叠，即通过遍历，发现块重叠大于一定阈值后，根据前面得 到的位置预测判断当前物块位置；如果不重叠，则遍历这幅图像中的所有物块，寻找临近最优 物块，以保持编号连续性。在目标跟踪过程中，还进行了Kalman滤波，对目标轨迹进行滤波 处理。

数字图像处理开题报告

开题报告 一、研究的目的、意义及国内外现状和发展趋势 通常经图像信息输入系统获取的源图像信息中都含有各种各样的噪声与畸变。例如传感器获取的遥感图像含有大量地物特征信息，在图像上这些地物特征信息以灰度形式表现出来，当地物特征间表现的灰度差很小时，目视判读就无法认辨，而图像增强的目的就是（1）采用某种技术手段，改善图像的视觉效果、工艺的适应性，使图像更清晰，目标物更突出。（2）将图像转换成一种更适合与人或机器进行分析处理的形式。它不是以图像保真度为原则，而是通过处理设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。因此图像增强的实质是增强感兴趣地物和周围地物图像间的反差。 现阶段国内外普遍使用的图像增强的方法分为光学增强方法和数字增强方法两种。光学增强处理采用光学仪器进行。其特点是快速、简易，操作方法容易掌握，仪器和处理材料费用较低，目前在遥感中广泛使用。但光学仪器功能比较单一，对各种增强方法的适应性比数字处理设备差。数字增强处理是采用数字图像计算机系统进行。其特点是快速、功能全，还能应用光学方法无法进行的一些算法对图像增强。其主要增强技术从增强的作用域出发包括空间域增强（对图像像素灰度进行操作，即直接对图像进行增强处理）和频率域增强（在图像的某个变换域内，对图像进行操作，修改变换后的系数，例如付立叶变换、DCT变换等的系数，然后再进行反变换得到处理后的图像，以此达到增强的目的）两种。 严格来讲，图形图像处理技术常常是光学技术和数字技术相结合，在未来的21世纪可能采用纯数字技术。 总的说来，21世纪图形图像要向高质量化方面发展。高质量化内容包括6个方面，即高分辨率、高速度、立体化、多媒体化、智能化和标准化。

基于OpenCV的运动目标检测与跟踪

基于VC的运动图像跟踪算法设计 学院自动化学院 专业 班级 学号 姓名 指导教师 负责教师 沈阳航空航天大学 2013年6月

沈阳航空航天大学毕业设计（论文） 摘要 运动目标检测与跟踪作为计算机视觉领域的一个重要分支与基础，在工业、医疗保健、航空航天、军事等各个领域具有广泛的应用前景，一直受到广泛的关注，并成为计算机视觉领域的一个研究热点。但是由于运动目标检测问题本身的复杂性，运动目标的检测与跟踪依然面临着诸多挑战。本文在现有研究成果的基础上，对静态场景下的运动目标检测跟踪进行了深入的讨论。 本文首先对运动目标检测的基本方法----帧间差分法与背景差分法进行了深入的学习和探讨，然后，借助于OpenCV技术，在Visual C++ 6.0编程环境下开发了运动目标检测跟踪系统。该系统首先对采集的视频图像序列进行相关的预处理之后，将视频图像序列中的运动目标比较可靠地检测出来。通过系统的测试结果和数据可以得出结论：本文基于OpenCV设计的运动目标检测跟踪系统具有良好的实时性，能够正确地进行运动目标的实时检测与跟踪。 关键词：运动目标检测；帧间差分法；视频图像；OpenCV

基于VC的运动图像跟踪算法设计 Algorithm Design of Image Motion Tracking Based on VC Abstract Moving target detection and tracking field of computer vision as an important branch of the foundation, in the industrial, healthcare, aerospace, military and other fields with a wide range of applications, has been widespread concern, and the field of computer vision to become a research hotspot. However, due to moving target detection complexity of the problem itself, moving target detection and tracking is still facing many challenges. In this paper, based on the results of existing research in static scenes of the moving target detection and tracking in-depth discussion. This article first basic method of moving target detection - frame difference method and background subtraction method conducted in-depth study and discussion, and then, by means of OpenCV technology, Visual C 6.0 programming environment developed a moving target detection and tracking system. The system and the collection of the associated video sequence after pretreatment, the video image of the moving target sequence comparison reliably detected. Through systematic test results and data can be concluded: Based on OpenCV design moving target detection and tracking system has good real-time, be able to properly carry out real-time moving target detection and tracking. Keywords: moving target detection; frame difference method; video frame; OpenCV