【文章內(nèi)容簡(jiǎn)介】 = 1, 2, …, 255表達(dá)式中:P(x，y，k)表示像素點(diǎn)(x，y)處亮度值k出現(xiàn)的次數(shù)，imagei (x，y，m)表示某一幀圖像像素點(diǎn)(x，y)處亮度值為m。 軟件測(cè)試結(jié)果及分析 (a) N=20時(shí)提取的背景圖像 (b) N=50時(shí)提取的背景圖像 (c) N=100時(shí)提取的背景圖像 (d) N=200時(shí)提取的背景圖像 (e) N=300時(shí)提取的背景圖像 (f) N=400時(shí)提取的背景圖像 幀數(shù)不同時(shí)統(tǒng)計(jì)法提取背景圖像從以上幾幅當(dāng)統(tǒng)計(jì)幀數(shù)N增加時(shí)得到的背景圖像效果并沒(méi)有得到改善。主要是因?yàn)楫?dāng)運(yùn)動(dòng)目標(biāo)通過(guò)的時(shí)候，對(duì)于圖像中的近景，因?yàn)檫\(yùn)動(dòng)目標(biāo)快速通過(guò)，背景顯現(xiàn)的時(shí)間比較長(zhǎng)，因此得到的背景圖像較好；而對(duì)于圖像遠(yuǎn)景，一些運(yùn)動(dòng)目標(biāo)相連，運(yùn)動(dòng)目標(biāo)相對(duì)于近景移動(dòng)的較慢，目標(biāo)顯現(xiàn)的時(shí)間較長(zhǎng)，因此會(huì)誤把運(yùn)動(dòng)目標(biāo)當(dāng)成背景統(tǒng)計(jì)出來(lái)，得到的背景圖像失真。 多幀圖像平均法提取背景 多幀圖像平均法基本思路多幀圖像平均法是對(duì)一段時(shí)間內(nèi)的視頻圖像用累加求平均法來(lái)獲得背景圖像。這種方法的思想是把運(yùn)動(dòng)物體作為噪聲，累加求平均的方法去除噪聲，以獲得背景。這種方法的特點(diǎn)是模型簡(jiǎn)單，計(jì)算方便，但是得到的背景受車流量大小的影響而變化?？紤]到道路上車輛的多樣性，有的車輛亮度值比路面亮度值高，有的亮度值比路面亮度底，有的亮度與路面相當(dāng)，所以從統(tǒng)計(jì)學(xué)角度看，對(duì)某一長(zhǎng)時(shí)段的視頻交通信息做平均后，由于車輛的經(jīng)過(guò)而引起的路面像素灰度值的變化在這段時(shí)間內(nèi)可以忽略。多幀圖像平均法是將運(yùn)動(dòng)的車輛看作為噪聲用累加平均的方法消除噪聲，利用車輛運(yùn)行一段時(shí)間的序列達(dá)式為:式中:Background(x，y)表示背景圖像，imagei(x，y)表示第i幀序列圖像在象素點(diǎn)(x，y )的亮度值，N表示平均幀數(shù)。這種方法的的特點(diǎn)是模型簡(jiǎn)單、計(jì)算方便，但是也有缺陷，即：得到的背景受車流量大小的影響而變化。 軟件測(cè)試結(jié)果及分析（a）N=20時(shí)提取的背景圖像 (b) N=50時(shí)提取的背景圖像 （c）N=100時(shí)提取的背景圖像 (d) N=200時(shí)提取的背景圖像 (e) N=300時(shí)提取的背景圖像 (f) N=400時(shí)提取的背景圖像 幀數(shù)不同時(shí)多幀圖像平均法提取背景圖像從以上幾幅當(dāng)幀數(shù)N增加時(shí)得到的背景圖像效果有所改善。主要是因?yàn)樵趯?shí)際生活中，一段時(shí)間內(nèi)路面某點(diǎn)不可能既有亮度高又有亮度低的車輛，而是某些地方有亮度高或者是亮度低的車輛，通過(guò)平均法得到的背景會(huì)就出現(xiàn)亮暗分布不均勻的狀態(tài)。該算法得到背景圖像受車流量的影響比較大，隨著平均幀數(shù)的增加，噪聲消除有所改善，但是車流輛比較大的路面的背景和真實(shí)路面還是有區(qū)別的。 背景提取的優(yōu)化算法從上面的分析中我們可以看出，單純的每種算法都有它的局限性，對(duì)場(chǎng)景的適應(yīng)性不夠強(qiáng)，得出的效果并不令人滿意．這就要求我們找到一種新的方法來(lái)實(shí)現(xiàn)圖像背景的提取。針對(duì)以上2種算法的不足，本文在傳統(tǒng)的平均法和直方圖統(tǒng)計(jì)法基礎(chǔ)上，提出了一個(gè)新算法來(lái)提取背景圖像，以滿足我們實(shí)際提取背景的要求。 優(yōu)化算法的基本思想及步驟由于道路上車輛的多樣性，有的車輛亮度值比路面亮度值高，有的亮度值比路面亮度底，有的亮度與路面相當(dāng)。當(dāng)運(yùn)動(dòng)目標(biāo)速度過(guò)快的時(shí)候，對(duì)于圖像中的近景，因?yàn)檫\(yùn)動(dòng)目標(biāo)快速通過(guò)，背景顯現(xiàn)的時(shí)間比較長(zhǎng)，因此得到的背景圖像較好；而對(duì)于圖像遠(yuǎn)景，一些運(yùn)動(dòng)目標(biāo)相連，運(yùn)動(dòng)目標(biāo)相對(duì)于近景移動(dòng)的較慢，目標(biāo)顯現(xiàn)的時(shí)間較長(zhǎng)，因此會(huì)誤把運(yùn)動(dòng)目標(biāo)當(dāng)成背景統(tǒng)計(jì)出來(lái)，得到的背景圖像失真。針對(duì)上述情況我們將圖像分段進(jìn)行處理：如果哪個(gè)像素點(diǎn)平均值于出現(xiàn)次數(shù)最多的像素值之間的差值大于某一個(gè)閾值，我們就把平均值賦給它，否則便把出現(xiàn)次數(shù)最多的像素值賦給它。具體步驟如下：1） 對(duì)視頻中一定數(shù)量的幀N，根據(jù)上面多幀圖像平均法求出點(diǎn)(x，y)像素值P(x，y)均值，均值記為 A(x，y)；2） 求出視頻中N幀圖像各個(gè)像素點(diǎn) (x，y)處出現(xiàn)次數(shù)最多的像素值 B(x，y)；3） 如果點(diǎn)(x，y)處的像素均值 A(x，y)與此像素點(diǎn)出現(xiàn)次數(shù)最多的亮度值B(x，y)之間的差值f小于某一個(gè)，此點(diǎn)的像素值就用B(x，y)，否則用均值A(chǔ)(x，y)，即分段確定每個(gè)點(diǎn)的像素值。用公式表示為：A(x，y) ； f k Background ( x，y) = f=1，2，……，255 B(x，y) ； f k上式中Background (x，y) 表示背景圖像，k= ︱A(x，y) B(x，y) ︱。 優(yōu)化算法流程圖根據(jù)多幀圖像平均求法求出各像素點(diǎn)平均值，根據(jù)統(tǒng)計(jì)直方圖法求出跟像素點(diǎn)出現(xiàn)次數(shù)最多的像素值計(jì)算出各像素點(diǎn)平均像素值與出現(xiàn)次數(shù)最多的像素值之差ff閾值k？賦平均像素值賦出現(xiàn)次數(shù)最多的像素值 是 否 優(yōu)化算法流程圖 軟件測(cè)試結(jié)果及分析 （a）N=20時(shí)所提取的背景圖像 (b) N=50時(shí)所提取的背景圖像 （c）N=100時(shí)所提取的背景圖像 (d) N=200時(shí)所提取的背景圖像 （e）N=300時(shí)所提取的背景圖像 (f) N=400時(shí)所提取的背景圖像 幀數(shù)不同時(shí)優(yōu)化算法提取背景圖像 從上圖我們可以看出，這樣處理后平均法和統(tǒng)計(jì)帶來(lái)的缺陷已經(jīng)幾乎全部消除，當(dāng)然想要100%的消除是不現(xiàn)實(shí)的，但是這樣已經(jīng)符合后續(xù)的圖像分割的前提要求。且當(dāng)統(tǒng)計(jì)幀數(shù)N增加時(shí)得到的背景圖像效果改善不大，但兩幅背景圖像的效果都較為理想，這正是此優(yōu)化算法的優(yōu)勢(shì)所在。 此優(yōu)化算法的優(yōu)勢(shì)該算法同多幀圖像平均法和統(tǒng)計(jì)直方圖法相比，有更多的優(yōu)點(diǎn)．在運(yùn)算量方面，繼承了平均法模型簡(jiǎn)單、計(jì)算方便的特點(diǎn)，也在一定程度上克服了統(tǒng)計(jì)直方圖法運(yùn)算量打的缺點(diǎn)，占用計(jì)算機(jī)資源也就更少。就算法的效果而言，克服了統(tǒng)計(jì)直方圖法由于運(yùn)動(dòng)物體遠(yuǎn)近景速度不一造成的遠(yuǎn)景失真的不足，也不會(huì)出現(xiàn)多幀圖像平均法造成的暗亮分布不均的情況．根據(jù)上面給出的算法能快速地提取效果較好的背景圖像．第五章 目標(biāo)分割 概述目前最常用也最有效的運(yùn)動(dòng)目標(biāo)分割方法是背景差分算法。將預(yù)處理后的圖像，進(jìn)行目標(biāo)與背景分離，也就是把車的圖像與背景分離開來(lái)，以便于對(duì)車輛目標(biāo)的處理，提高運(yùn)算速度。分割可以有很多算法。圖像二值化算法簡(jiǎn)單、速度快，符合圖像處理系統(tǒng)實(shí)時(shí)性特點(diǎn)，所以采用圖像二值化分割。這種方式的分割，主要問(wèn)題是如何確定閾值(灰度門限)。 背景差分法分割目標(biāo) 算法思路背景差分法是目前運(yùn)動(dòng)分割中最常用的一種方法，它適用于攝像機(jī)靜止的情況，或自然環(huán)境的緩慢變化，其最簡(jiǎn)單的實(shí)現(xiàn)方法是從視頻序列中預(yù)先提取不含前景運(yùn)動(dòng)物體的一幀他圖像作為背景，然后利用當(dāng)前幀與背景圖像的差分來(lái)檢測(cè)運(yùn)動(dòng)區(qū)域，這種相減的方法對(duì)于復(fù)雜背景下的運(yùn)動(dòng)物體檢測(cè)效果較好，一般能夠提供最完整的特征數(shù)據(jù)，計(jì)算量小，實(shí)用價(jià)值大。背景差分算法基本思想是先形成交通場(chǎng)景的背景圖像，然后將待檢測(cè)圖像與背景圖像逐像素相減(理想情況下的差值圖像中非零像素點(diǎn)就表示了運(yùn)動(dòng)物體)，進(jìn)而就可運(yùn)用閾值方法將運(yùn)動(dòng)物體從背景中分離出來(lái)。考慮到攝像機(jī)在拍攝過(guò)程中受到光線變化等隨機(jī)噪聲的影響，即使是同一目標(biāo)，在不同圖像幀中的色彩值也可能發(fā)生變化，因此如果直接利用各幀圖像和背景做差分，不可能做到背景區(qū)域相減后為零。對(duì)于這種情況，可以采用閾值法進(jìn)行優(yōu)化。噪聲的影響使得同時(shí)背景的區(qū)域相減非零，但一般情況下是接近零的一個(gè)數(shù)值，因此在算法開始前設(shè)定一個(gè)閾值，對(duì)于相減后的差值小于閾值的點(diǎn)就可認(rèn)為是背景，大于閾值的點(diǎn)則認(rèn)為是運(yùn)動(dòng)目標(biāo)。用公式表示如下：Dk ( x ,y ) = |fk ( x ,y ) fbk ( x ,y )|Rk ( x ,y ) = 0Background Dkx,yT1Foreground Dkx,y≤T其中： fk ( x ,y )為第K幀圖像，fbk ( x ,y )為已提取出的背景圖像，Dk ( x ,y ) 為幀差圖像；T是二值化時(shí)設(shè)定的閾值此方法的主要特點(diǎn)是：a,要求實(shí)用當(dāng)前被處理視頻的一幅背景圖像； b,利用背景圖像和當(dāng)前幀圖像的差進(jìn)行運(yùn)動(dòng)目標(biāo)分割。 分割運(yùn)動(dòng)目標(biāo)的流程圖靜態(tài)背景圖第K幀圖像背景區(qū)域運(yùn)動(dòng)目標(biāo) 差分 小于閾值 大于閾值 分割運(yùn)動(dòng)目標(biāo)流程圖 分割中閾值選取圖像分割沒(méi)有統(tǒng)一的判別標(biāo)準(zhǔn)，也沒(méi)有通用的分割方法，一般來(lái)說(shuō)，要能把目標(biāo)從背景中分割出來(lái)就可以接受。在圖像處理技術(shù)中，最常用的分割方法就是閾值法。閾值法分為全局閾值法和局部閾值法兩種。全局閾值法指利用全局信息(例如整幅圖像的灰度直方圖) 對(duì)整幅圖像求出最優(yōu)分割閾值,可以是單閾值,也可以是多閾值。局部閾值法是把原始的整幅圖像分為幾個(gè)小的子圖像,再對(duì)每個(gè)子圖像應(yīng)用全局閾值法分別求出最優(yōu)分割閾值。其中全局閾值法又可分為基于點(diǎn)的閾值法和基于區(qū)域的閾值法。閾值分割法的結(jié)果很大程度上依賴于對(duì)閾值的選擇,因此該方法的關(guān)鍵是如何選擇合適的閾值。由于局部閾值法中仍要用到全局閾值法,因此本文主要對(duì)全局閾值法中基于點(diǎn)的閾值法進(jìn)行了研究。設(shè)( x , y) 是二維數(shù)字圖像的平面坐標(biāo),圖像灰度級(jí)的取值范圍是G = {0 ,1 ,2 , ?, L 1} (習(xí)慣上0 代表最暗的像素點(diǎn),L 1 代表最亮的像素點(diǎn)) ,位于坐標(biāo)點(diǎn)( x , y) 上的像素點(diǎn)的灰度級(jí)表示為f ( x , y) 。設(shè)t ∈ G為分割閾值, B = { b0 , b1}代表一個(gè)二值灰度級(jí),并且b0 , b1 ∈G（應(yīng)用到本文實(shí)際中，b0 = 0，b1 = 255）。于是圖像函數(shù)f (，)閾值t 上的分割結(jié)果可以表示為b0 ； f(x，y) t f( x，y) = b1 ； f(x，y)=t閾值分割法實(shí)際就是按某個(gè)準(zhǔn)則函數(shù)求最優(yōu)閾值t的過(guò)程。閾值的選取是閾值分割技術(shù)的關(guān)鍵，如果閾值選取過(guò)高，則過(guò)多的目標(biāo)點(diǎn)被誤歸為背景；閾值選得過(guò)低，則會(huì)出現(xiàn)相反的情況。本文采用一種利用像素直方圖來(lái)動(dòng)態(tài)獲取閾值的方法。由于在本文的實(shí)驗(yàn)視頻數(shù)據(jù)中，背景占圖像中的大部分，因此差分圖像主要由低像素值組成。即差分圖像的直方圖中低像素值占有較高的概率，而高像素值則有較低的概率。計(jì)算原理如下：在差分圖像的灰度直方圖中找到出現(xiàn)次數(shù)最多的灰度值。即： 其中即最多的次數(shù)，即相應(yīng)灰度值。然后設(shè)置一個(gè)比例因子，則閾值為：其中滿足和條件。 目標(biāo)分割算法此時(shí)用該幀圖像和已經(jīng)提取出背景圖像作差分運(yùn)算。對(duì)于該幀圖像中是背景區(qū)域的像素，相減后理論上為零，而表示運(yùn)動(dòng)目標(biāo)的像素和背景相減則非零?？紤]到噪聲的影響，為了獲得魯棒性強(qiáng)的結(jié)果，預(yù)先設(shè)定一個(gè)閾值，在每一個(gè)像素位置，如果差分結(jié)果大于該閾值，則判定為運(yùn)動(dòng)目標(biāo)，賦值255；小于該閾值則判定為背景區(qū)域賦值0。具體步驟入下：1．讀入一幀圖像，根據(jù)建立靜態(tài)背景時(shí)的信息，求出該幀圖像相對(duì)于靜態(tài)背景圖像的差值，并對(duì)差值取絕對(duì)值；2．如果差值大于預(yù)先設(shè)定的閾值，則認(rèn)定該像素表示運(yùn)動(dòng)目標(biāo)，該點(diǎn)的值賦值255；如果和小于預(yù)先設(shè)定的閾值，則認(rèn)定該像素為背景，該點(diǎn)的值賦值0．3．得到運(yùn)動(dòng)目標(biāo)。 軟件測(cè)試結(jié)果及分析 （a） 第100幀目標(biāo)分割結(jié)果 (b) 第200幀目標(biāo)分割結(jié)果 目標(biāo)分割結(jié)果 從以上兩幀圖像分割結(jié)果可以看出，本算法已基本將背景和運(yùn)動(dòng)目標(biāo)分割開來(lái)，并取得較好的分割結(jié)果，完成了此次課題的要求，但圖像上還存在有一定的雜點(diǎn)，這也是基于像素點(diǎn)的圖像分割的弊端所在。第六章 總結(jié)及展望本文首先對(duì)基于交通視頻的目標(biāo)分割算法研究背景和意義進(jìn)行了概述，并簡(jiǎn)要總結(jié)了目標(biāo)分割技術(shù)的發(fā)展及研究現(xiàn)狀。然后對(duì)基于交通視頻的目標(biāo)分割系統(tǒng)的構(gòu)成進(jìn)行了概括性的敘述，并對(duì)其總體工作原理和各模塊工作原理進(jìn)行總結(jié)。 第三、四、五章是本文的核心部分。在第三章中讀取了*.RAW數(shù)據(jù)；在第四章中，先討論了目前常用的統(tǒng)計(jì)直方圖法、多幀圖像平均法兩種背景提取算法，并分析比較了幾種算法的優(yōu)缺點(diǎn)，針對(duì)它們的不足，提出了一種優(yōu)化算法提取背景圖像；在第五章中，利用背景差分法分割出了運(yùn)動(dòng)目標(biāo)。在目標(biāo)分割時(shí)采用閾值法，如果背景差值大于該閾值，就可以斷定該區(qū)域?qū)儆谶\(yùn)動(dòng)目標(biāo)；否則就判斷該區(qū)域?qū)儆诒尘?。本文所采取的背景提取算法和目?biāo)分割中閾值法還有如下不足的地方：1．提取靜態(tài)背景圖像是視頻研究的一個(gè)熱點(diǎn)，方法很多。本文所采用的背景提取方法所提取的背景有一定的缺陷，即算法是固定的，不能夠適應(yīng)光線的變化，及時(shí)地更新背景。2．在更新背景圖像的算法中，由于時(shí)間關(guān)系，沒(méi)有進(jìn)行軟件的實(shí)現(xiàn)，只做了算法的研究。3．目標(biāo)分割中的閾值分割是基于像素點(diǎn)的，這樣的算法計(jì)算量大，而且在二值化后的結(jié)果中有一定的雜點(diǎn)，這是算法本身所決定的。視頻序列中運(yùn)動(dòng)目標(biāo)的分割是一項(xiàng)有挑戰(zhàn)性的工作，隨著研究的深入，人們提出了許多新的方法。任何一種算法都有自身的有點(diǎn)。我們可以通過(guò)研究確定不同算法的組合，像本文就是將統(tǒng)計(jì)直方圖法、多幀圖像平均法相結(jié)合，結(jié)果起到了揚(yáng)長(zhǎng)避短的作用，達(dá)到一個(gè)較為滿意的結(jié)果。致 謝首先，我要感謝 在學(xué)習(xí)上給予我的悉心指