運動目標檢測無疑是當今智能視頻監(jiān)控系統(tǒng)的基礎和重中之重,是后續(xù)目標識別、跟蹤及行為分析的前提。然而運動目標檢測易受光照、霧霾、雨雪等復雜場景的影響,為提高系統(tǒng)的魯棒性和適用性,結合可見光和紅外成像特性,通過融合兩者優(yōu)勢獲得更好的運動目標檢測效果。本文著眼于計算機視覺技術在智能視頻監(jiān)控中的應用,對可見光和紅外圖像增強、配準、融合及運動目標檢測算法進行了研究,以應對監(jiān)控中的復雜場景,從而實現(xiàn)監(jiān)控系統(tǒng)全天候、全時段工作。首先,本文闡述了常用的圖像增強算法,分析可見光圖像和紅外圖像成像特點,并針對各自特點分別進行增強,提高圖像質量并突出感興趣區(qū)域,從而為圖像后續(xù)處理奠定基礎。然后重點介紹了基于特征的圖像配準方法,闡述了運用視覺顯著性和SIFT方法提取及匹配特征點,通過仿射變換和雙線性插值完成對異源圖像的嚴格配準,并在多種情況下驗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價和比較了本文方法的優(yōu)越性,為運動目標檢測奠定了良好的基礎,更好地應對復雜場景。最后比較了運動目標檢測常用算法,改進幀間差... 

【文章來源】：燕山大學河北省

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

亮度I分量HE前后對比圖

圖 2-6 亮度 I 分量 HE 前后對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 分量逆轉至 RGB 顏色空間用于顯示和觀察，彩色圖像增強前后對比圖如 2-7 所示，由對比明顯看出，增強后彩色圖像整體變亮，對比度明顯增強，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，是嚴重的全隱患，這時紅外圖像彰顯出其巨大優(yōu)勢。

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，效果對比圖如 2-10 所示。由前后對比可以看出，增強后圖像相原圖像整體明顯更清晰、對比度強，有效地抑制了噪聲，同時樓房、窗戶、玻邊緣、紋理等細節(jié)也得到合理地增強，未出現(xiàn)過增強現(xiàn)象。10-1-T2-1 -T0 11T2-T1

【參考文獻】：
期刊論文
[1]基于幀間差分累積的鐵路限界異物檢測提取算法[J]. 郭碧,丁春平.  鐵道標準設計. 2019(09)
[2]基于幀差與背景差分的改進目標識別算法[J]. 趙柏山,鄭茂凱,張帆.  通信技術. 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.  計算機應用研究. 2016(06)
[4]紅外和可見光圖像互補融合的運動目標檢測方法[J]. 葉華,朱明旱,王日興.  紅外技術. 2015(08)
[5]改進混合高斯模型的運動目標檢測算法[J]. 華媛蕾,劉萬軍.  計算機應用. 2014(02)
[6]圖像質量評價方法研究進展[J]. 蔣剛毅,黃大江,王旭,郁梅.  電子與信息學報. 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.中國科學院研究生院(長春光學精密機械與物理研究所) 2014

碩士論文
[1]基于光流算法的運動目標檢測應用研究[D]. 張艷艷.西安石油大學 2018
[2]立體視覺技術在靜態(tài)場景下的運動物體檢測及跟蹤研究[D]. 彭云.武漢工程大學 2017
[3]基于監(jiān)控視頻的運動目標檢測算法[D]. 張碩.吉林大學 2017
[4]智能視頻監(jiān)控平臺中區(qū)域目標檢測和聯(lián)合跟蹤的設計與實現(xiàn)[D]. 秦浩.南京郵電大學 2016
[5]紅外與可見光圖像融合技術的研究[D]. 戴向東.電子科技大學 2014
[6]復雜環(huán)境中運動目標檢測與跟蹤研究[D]. 胡小冉.南京航空航天大學 2014
[7]基于時頻分析的序列圖像弱小運動目標檢測[D]. 田蕾.重慶大學 2012



本文編號：3559832