基于運(yùn)動序列圖像的目標(biāo)定位及應(yīng)用研究.pdf

1、機(jī)器視覺是目前科學(xué)技術(shù)研發(fā)的一個(gè)重要研究方向，因其涵蓋了計(jì)算機(jī)科學(xué)、圖像處理、檢測識別以及人工智能等技術(shù)領(lǐng)域。序列圖像的檢測與定位是機(jī)器視覺的運(yùn)動目標(biāo)跟蹤定位的一個(gè)重要研究部分，序列圖像中的運(yùn)動目標(biāo)在實(shí)際圖像拍攝場景中涉及到很多不確定性和復(fù)雜性，如目標(biāo)的旋轉(zhuǎn)、外形變化、光線變化等因素。深入研究運(yùn)動目標(biāo)的檢測與跟蹤定位技術(shù)，對圖像處理行為分析、醫(yī)學(xué)顯微分析等有重要的工程意義。在生物醫(yī)學(xué)方面，目標(biāo)跟蹤技術(shù)同樣有應(yīng)用價(jià)值，可以有效的分析心臟、

2、腎、微血管的運(yùn)動。
　　本文基于對交通視頻圖像的運(yùn)動目標(biāo)的定位跟蹤的背景下，其中圖像是在攝像機(jī)沒有運(yùn)動情況下采集的，對序列圖像的運(yùn)動目標(biāo)識別跟蹤的關(guān)鍵技術(shù)方法進(jìn)行系統(tǒng)的研究，目的是為了對目前的一些運(yùn)動目標(biāo)識別跟蹤的方法進(jìn)行優(yōu)化，提出一些具有較高穩(wěn)定性、較強(qiáng)魯棒性以及識別精度高的運(yùn)動目標(biāo)檢測匹配方法。主要的研究內(nèi)容如下：
　?。?）對交通視頻圖像以及顯微鏡下的視頻圖像進(jìn)行有效的預(yù)處理，分析兩種環(huán)境下的預(yù)處理的區(qū)別，有利于總結(jié)研

3、究顯微視頻的預(yù)處理方式。
　?。?）本課題的主要工作是對靜態(tài)背景下的序列圖像進(jìn)行有效的運(yùn)動檢測，對目標(biāo)運(yùn)動的規(guī)律加以預(yù)測，實(shí)現(xiàn)對指定目標(biāo)進(jìn)行自動準(zhǔn)確定位。
　?。?）將對MHI方法在運(yùn)動目標(biāo)預(yù)測方面進(jìn)行優(yōu)化，使其在預(yù)測運(yùn)動目標(biāo)的運(yùn)動方向有更好的魯棒性。
　　（4）同時(shí)探討多小波算法在運(yùn)動目標(biāo)特征匹配方面的應(yīng)用，性能的優(yōu)劣與其他主流方法進(jìn)行比較分析。
　?。?）本文的另一個(gè)重要工作就是對顯微微循環(huán)視頻圖像進(jìn)行實(shí)例分

4、析，在這個(gè)基礎(chǔ)上提出一套系統(tǒng)的微循環(huán)識別方案，從靜態(tài)背景的顯微序列圖像有效的分析微循環(huán)。
　　實(shí)驗(yàn)結(jié)果表明，利用改進(jìn)后的MHI對在風(fēng)中擺動的樹葉有很好的抗干擾能力，能夠有效將這些噪聲消除，同時(shí)還能夠有效的保留運(yùn)動目標(biāo)的輪廓信息。多小波算法在交通視頻圖像特征提取及匹配是基于改進(jìn)后的MHI處理后，MHI為運(yùn)動目標(biāo)匹配的搜索范圍減小，有效的提高了匹配速度。多小波特征向量能夠有效的表征特征，不過大量的實(shí)驗(yàn)表明，多小波變換在相關(guān)的匹配方面還