【文章內(nèi)容簡介】 = 1, 2, …, 255表達(dá)式中:P(x，y，k)表示像素點(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(x，y)處亮度值為m。 軟件測試結(jié)果及分析 (a) N=20時提取的背景圖像 (b) N=50時提取的背景圖像 (c) N=100時提取的背景圖像 (d) N=200時提取的背景圖像 (e) N=300時提取的背景圖像 (f) N=400時提取的背景圖像 幀數(shù)不同時統(tǒng)計法提取背景圖像從以上幾幅當(dāng)統(tǒng)計幀數(shù)N增加時得到的背景圖像效果并沒有得到改善。主要是因為當(dāng)運動目標(biāo)通過的時候，對于圖像中的近景，因為運動目標(biāo)快速通過，背景顯現(xiàn)的時間比較長，因此得到的背景圖像較好；而對于圖像遠(yuǎn)景，一些運動目標(biāo)相連，運動目標(biāo)相對于近景移動的較慢，目標(biāo)顯現(xiàn)的時間較長，因此會誤把運動目標(biāo)當(dāng)成背景統(tǒng)計出來，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一段時間內(nèi)的視頻圖像用累加求平均法來獲得背景圖像。這種方法的思想是把運動物體作為噪聲，累加求平均的方法去除噪聲，以獲得背景。這種方法的特點是模型簡單，計算方便，但是得到的背景受車流量大小的影響而變化。考慮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)計學(xué)角度看，對某一長時段的視頻交通信息做平均后，由于車輛的經(jīng)過而引起的路面像素灰度值的變化在這段時間內(nèi)可以忽略。多幀圖像平均法是將運動的車輛看作為噪聲用累加平均的方法消除噪聲，利用車輛運行一段時間的序列達(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(x，y )的亮度值，N表示平均幀數(shù)。這種方法的的特點是模型簡單、計算方便，但是也有缺陷，即：得到的背景受車流量大小的影響而變化。 軟件測試結(jié)果及分析（a）N=20時提取的背景圖像 (b) N=50時提取的背景圖像 （c）N=100時提取的背景圖像 (d) N=200時提取的背景圖像 (e) N=300時提取的背景圖像 (f) N=400時提取的背景圖像 幀數(shù)不同時多幀圖像平均法提取背景圖像從以上幾幅當(dāng)幀數(shù)N增加時得到的背景圖像效果有所改善。主要是因為在實際生活中，一段時間內(nèi)路面某點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，通過平均法得到的背景會就出現(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，對場景的適應(yīng)性不夠強，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實現(xiàn)圖像背景的提取。針對以上2種算法的不足，本文在傳統(tǒng)的平均法和直方圖統(tǒng)計法基礎(chǔ)上，提出了一個新算法來提取背景圖像，以滿足我們實際提取背景的要求。 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)運動目標(biāo)速度過快的時候，對于圖像中的近景，因為運動目標(biāo)快速通過，背景顯現(xiàn)的時間比較長，因此得到的背景圖像較好；而對于圖像遠(yuǎn)景，一些運動目標(biāo)相連，運動目標(biāo)相對于近景移動的較慢，目標(biāo)顯現(xiàn)的時間較長，因此會誤把運動目標(biāo)當(dāng)成背景統(tǒng)計出來，得到的背景圖像失真。針對上述情況我們將圖像分段進行處理：如果哪個像素點平均值于出現(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(x，y)像素值P(x，y)均值，均值記為 A(x，y)；2） 求出視頻中N幀圖像各個像素點 (x，y)處出現(xiàn)次數(shù)最多的像素值 B(x，y)；3） 如果點(x，y)處的像素均值 A(x，y)與此像素點出現(xiàn)次數(shù)最多的亮度值B(x，y)之間的差值f小于某一個，此點的像素值就用B(x，y)，否則用均值A(chǔ)(x，y)，即分段確定每個點的像素值。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平均值，根據(jù)統(tǒng)計直方圖法求出跟像素點出現(xiàn)次數(shù)最多的像素值計算出各像素點平均像素值與出現(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 軟件測試結(jié)果及分析 （a）N=20時所提取的背景圖像 (b) N=50時所提取的背景圖像 （c）N=100時所提取的背景圖像 (d) N=200時所提取的背景圖像 （e）N=300時所提取的背景圖像 (f) N=400時所提取的背景圖像 幀數(shù)不同時優(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)計帶來的缺陷已經(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)計幀數(shù)N增加時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)勢所在。 此優(yōu)化算法的優(yōu)勢該算法同多幀圖像平均法和統(tǒng)計直方圖法相比，有更多的優(yōu)點．在運算量方面，繼承了平均法模型簡單、計算方便的特點，也在一定程度上克服了統(tǒng)計直方圖法運算量打的缺點，占用計算機資源也就更少。就算法的效果而言，克服了統(tǒng)計直方圖法由于運動物體遠(yuǎn)近景速度不一造成的遠(yuǎn)景失真的不足，也不會出現(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動目標(biāo)分割方法是背景差分算法。將預(yù)處理后的圖像，進行目標(biāo)與背景分離，也就是把車的圖像與背景分離開來，以便于對車輛目標(biāo)的處理，提高運算速度。分割可以有很多算法。圖像二值化算法簡單、速度快，符合圖像處理系統(tǒng)實時性特點，所以采用圖像二值化分割。這種方式的分割，主要問題是如何確定閾值(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動分割中最常用的一種方法，它適用于攝像機靜止的情況，或自然環(huán)境的緩慢變化，其最簡單的實現(xiàn)方法是從視頻序列中預(yù)先提取不含前景運動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檢測運動區(qū)域，這種相減的方法對于復(fù)雜背景下的運動物體檢測效果較好，一般能夠提供最完整的特征數(shù)據(jù)，計算量小，實用價值大。背景差分算法基本思想是先形成交通場景的背景圖像，然后將待檢測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就表示了運動物體)，進而就可運用閾值方法將運動物體從背景中分離出來?？紤]到攝像機在拍攝過程中受到光線變化等隨機噪聲的影響，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。對于這種情況，可以采用閾值法進行優(yōu)化。噪聲的影響使得同時背景的區(qū)域相減非零，但一般情況下是接近零的一個數(shù)值，因此在算法開始前設(shè)定一個閾值，對于相減后的差值小于閾值的點就可認(rèn)為是背景，大于閾值的點則認(rèn)為是運動目標(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是二值化時設(shè)定的閾值此方法的主要特點是：a,要求實用當(dāng)前被處理視頻的一幅背景圖像； b,利用背景圖像和當(dāng)前幀圖像的差進行運動目標(biāo)分割。 分割運動目標(biāo)的流程圖靜態(tài)背景圖第K幀圖像背景區(qū)域運動目標(biāo) 差分 小于閾值 大于閾值 分割運動目標(biāo)流程圖 分割中閾值選取圖像分割沒有統(tǒng)一的判別標(biāo)準(zhǔn)，也沒有通用的分割方法，一般來說，要能把目標(biāo)從背景中分割出來就可以接受。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小的子圖像,再對每個子圖像應(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,因此本文主要對全局閾值法中基于點的閾值法進行了研究。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,L 1 代表最亮的像素點) ,位于坐標(biāo)點( x , y) 上的像素點的灰度級表示為f ( x , y) 。設(shè)t ∈ G為分割閾值, B = { b0 , b1}代表一個二值灰度級,并且b0 , b1 ∈G（應(yīng)用到本文實際中，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閾值分割法實際就是按某個準(zhǔn)則函數(shù)求最優(yōu)閾值t的過程。閾值的選取是閾值分割技術(shù)的關(guān)鍵，如果閾值選取過高，則過多的目標(biāo)點被誤歸為背景；閾值選得過低，則會出現(xiàn)相反的情況。本文采用一種利用像素直方圖來動態(tài)獲取閾值的方法。由于在本文的實驗視頻數(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)置一個比例因子，則閾值為：其中滿足和條件。 目標(biāo)分割算法此時用該幀圖像和已經(jīng)提取出背景圖像作差分運算。對于該幀圖像中是背景區(qū)域的像素，相減后理論上為零，而表示運動目標(biāo)的像素和背景相減則非零?？紤]到噪聲的影響，為了獲得魯棒性強的結(jié)果，預(yù)先設(shè)定一個閾值，在每一個像素位置，如果差分結(jié)果大于該閾值，則判定為運動目標(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)背景時的信息，求出該幀圖像相對于靜態(tài)背景圖像的差值，并對差值取絕對值；2．如果差值大于預(yù)先設(shè)定的閾值，則認(rèn)定該像素表示運動目標(biāo)，該點的值賦值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，該點的值賦值0．3．得到運動目標(biāo)。 軟件測試結(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動目標(biāo)分割開來，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，這也是基于像素點的圖像分割的弊端所在。第六章 總結(jié)及展望本文首先對基于交通視頻的目標(biāo)分割算法研究背景和意義進行了概述，并簡要總結(jié)了目標(biāo)分割技術(shù)的發(fā)展及研究現(xiàn)狀。然后對基于交通視頻的目標(biāo)分割系統(tǒng)的構(gòu)成進行了概括性的敘述，并對其總體工作原理和各模塊工作原理進行總結(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，針對它們的不足，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動目標(biāo)。在目標(biāo)分割時采用閾值法，如果背景差值大于該閾值，就可以斷定該區(qū)域?qū)儆谶\動目標(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熱點，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，及時地更新背景。2．在更新背景圖像的算法中，由于時間關(guān)系，沒有進行軟件的實現(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的，這樣的算法計算量大，而且在二值化后的結(jié)果中有一定的雜點，這是算法本身所決定的。視頻序列中運動目標(biāo)的分割是一項有挑戰(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。我們可以通過研究確定不同算法的組合，像本文就是將統(tǒng)計直方圖法、多幀圖像平均法相結(jié)合，結(jié)果起到了揚長避短的作用，達(dá)到一個較為滿意的結(jié)果。致 謝首先，我要感謝 在學(xué)習(xí)上給予我的悉心指