【正文】 anges the region examination the method is in considers the image division based on the space and time image brightness and in the gradient information independence movement region. For the noise reduction disturbance, usually all uses the neighboring two examinations to change the region. The division process has the operating parameter model and the operating parameter model method. But this article is needs to study based on the parameter model under the movement goal division main research mixes the model based on Gauss the movement goal division method. 浙江理工大學本科畢業(yè)設計 3 Key word: Movement goal division。 作 者 簽 名： 日 期： 指導教師簽名： 日 期： 使用授權說 明 本人完全了解 大學關于收集、保存、使用畢業(yè)設計（論文）的規(guī)定，即：按照學校要求提交畢業(yè)設計（論文）的印刷本和電子版本；學校有權保存畢業(yè)設計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務；學?？梢圆捎糜坝?、縮印、數(shù)字化或其它復制手段保存論文；在不以贏利為目的前提下，學校可以公布論文的部分或全部內(nèi)容。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。 Background division 基于參數(shù)模型的運動目標分割方法研究 目 錄 摘 要 ................................................. Abstract ............................................... 第一章 緒論 ............................................. 6 研究背景及意義 .......................................................... 6 國內(nèi)外研究現(xiàn)狀 .......................................................... 6 高斯混合模型 ............................................................ 7 本文的研究內(nèi)容 .......................................................... 8 第二章 運動目標的分割技術 .................................. 9 差分法 .................................................................. 9 分流法 ................................................................. 10 基于主動輪廓線模型的方 法 ............................................... 11 基于統(tǒng)計模型的方法 ..................................................... 11 其他方法 ............................................................... 12 第三章 基于高斯混合模型的運動目標分割 ....................... 13 混合高斯模型的貝葉斯框架 ............................................... 13 框架概述 ........................................................... 13 背景模型 ........................................................... 14 混合高斯模型的算法實現(xiàn) ................................................. 15 估計 P(x)中的各個參數(shù) .............................................. 15 估計當前狀態(tài) ....................................................... 17 方法 .................................................... 19 背景分割 ........................................................... 19 EM 方法 ................................................................ 20 浙江理工大學本科畢業(yè)設計 5 第四章 分割后處理 ....................................... 22 去噪方法簡介 ........................................................... 22 中值濾波及其特點 ................................................... 22 近似中值濾波 ....................................................... 23 實驗結果 ........................................................... 23 連通區(qū)域標定 ........................................................... 23 具體方法 ........................................................... 24 實驗結果 ........................................................... 26 連通區(qū)域合并 ........................................................... 26 第五章 實驗結果與討論 .................................... 28 流程圖 ................................................................. 28 總流程圖 ........................................................... 28 分割具體流程圖 ..................................................... 28 實驗程 序 ............................................................... 28 分割函數(shù)程序 ....................................................... 28 運行程序 ........................................................... 33 運行結果 ............................................................... 34 結果討論 ............................................................... 35 第六章 總結與展望 ....................................... 36 參考文獻 ............................................. 37 致 謝 .....................................錯誤 !未定義書簽。國際上許多圖像技術學術會議都有圖像分割主題和 分會，有關圖像分割研究的文章早己萬計，有關圖像分割的技術和算法種類繁多且層出不窮，但是至今還沒有建立起統(tǒng)一的理論體系。后者由于不顯含 物理參數(shù) ,意義不大 。給運動 目標 分割方法分類也有很多種方法，比如，有基于檢測變化的和構建背景的，有時域的和時空域的方法，有像素級的、區(qū)域級的和幀級的方法，按用途分有用于編碼的、基于內(nèi)容可操作的，有基于模型參數(shù)的、非模型參數(shù)的，有基于形態(tài)學、非形 態(tài)學的等等 。在相減后的圖像中，灰度不發(fā)生變化的部分被減掉，這里包括大部分背景和一小部分目標。對于灰度圖像 I(x,y)來說，外部能量通?？杀硎緸? ? ? 2( , ) ( , )enE G x y I x y?? ? ? ? () 式中： ( , )G x y? 是方差為 ? 的二維高斯函數(shù)； ? 是梯度算子。然后估計每個高斯過程是背景過程 (即 它所代表的物理表面被作為背景，以下同 )的概率。很多早 期的論文就使用了這種方法，即把最有可能的幾個高斯作背景，其余的都不是背景。因此， 引入了一種在線的算法，就是定義一個時間軸上的學習速率，使得某一時刻的參數(shù)不僅能根據(jù)當前的觀測進行更新，同時能夠利用前一時刻的參數(shù)進行時間上的積累平均。他們用簡單的匹配代替了 P(k|xt， ? )的計算。但只要針對具體應用對參數(shù)進行適當合理的選取，就可以控制鏤空的出現(xiàn)，而且，后處理時的中值濾波也會減小鏤空的影響。StauflrGrimson 定義了一個參數(shù) T 表示視野中看到背景的概率，根據(jù)剛才的排序，滿足下式的前面 B個模型為背景模型，剩下的模型默認為是前景模型。這樣一來，噪聲 (明亮區(qū)的少數(shù)暗點或暗區(qū)的少數(shù)明亮點或者是最小值或者是最大值，取中間值可以直接丟棄這些值而不參加運算 )就可以被去除，而能較好保留邊緣信息。 (如網(wǎng)格連通混沌并行處理器 )，一些并行的連通區(qū)域標定算法也被開發(fā)出來。 ( { , ( , ) } )( , ) 。另外，需要將離得很近的或是相交的方框合并為一個方框，具體做法如下 : 浙江理工大學本科畢業(yè)設計 27 令 (x1， y1)， (x2， y1)， (x1， y2)和 (x2， y2)分別表示一個矩形的左上、右上、左下和右下頂點的坐標， (x1‘ ， y1’ )， (x2‘ ， y1’ )， (x1‘ ， y2’ )和 (x2‘ ， y2’ )分別表示另一個矩形的左上、右上、左下和右下頂點的坐標。 ( ( , ) )( , ) [ ( , ) ] ( , ) 。等價表初始化如下 : T[F0]=F0,T[FB]=FB。在第一步里，給相鄰的像素賦值一個臨時的標記，標記的等價關系被記錄在一個一維的或二維的表里。但是在圖像邊緣輪廓包含有大量的高頻信息，而鄰域平均法實質(zhì)上是一個低通濾波器，直接使用鄰域平均法會使得邊界變模糊。從而，實際的背景分割過程首先判斷當前觀測與哪一個高斯模型匹配 ，然后再判斷這個高斯模型是屬于背景還是前景。如果這個表面是長期出現(xiàn)的，它的峰值會隨著學習過程逐漸增大，并最終成為背景。如果 X是由 K個物理表面中的一個產(chǎn)生的，那么 ()式可以很好的模擬現(xiàn)實情況。具體的 EM 算法將在下一節(jié)進行闡述。其中，某個樣本點被認為是背景的概率為 P(x， B)。 浙江理工大學本科畢業(yè)設計 13 第三章 基于高斯混合模型的運動目標分割 混合高斯模型的貝葉斯框架 框架概述 把某個點隨時間的變化作為一個隨機過程， 這個隨機過程可能是由幾個不同的隨機過程合成的，其中每個隨機過程都表示一個具體的物理過程 (可以理解為某一個物理表面的觀測隨時間的變化過程 )，真實世界中的很多物理過程都可以用高斯過程來模擬，因此混合高斯模型由此得名。 Kass 等人對這種模型提出了挑戰(zhàn)，于 1987 年提出了稱為 Snake 的主動輪廓線模型。對前一種情 況可采用消除背景的方法，處理起來比較簡單。 運動 目標 分割是圖像分割技術在時間域上的一個分支，主要利用的是 目標 的