【正文】 膨脹圖 三幀差分算法形態(tài)學(xué)處理結(jié)果 結(jié)果分析根據(jù)以上實驗結(jié)果可以看出，三幀差分算法在檢測運動目標時，可以很好的檢測出運動目標，相比之前的二幀差分算法，三幀差分算法所檢測出來的運動目標輪廓更清晰，目標更明確。在不同的環(huán)境因素影響下，三幀差分算法的檢測效果雖然并不是完全準確，但是相比之前二幀差分的實驗結(jié)果，三幀差分算法改進了許多。如，在陰影和物體間的重疊遮蓋因素影響下，后者檢測出來的運動目標輪廓更加清晰，在物體高速運動的時候，三幀差分算法在實驗中漏檢的概率大大的降低，因此三幀差分算法相比二幀差分算法相比，有一定的優(yōu)越性。由以上兩次實驗的結(jié)果對比我們可以看出，三幀差分算法和二幀差分算法都可以是實現(xiàn)對運動目標的檢測，但是三幀差分算法準確性更高，檢測效果更好。另外，我們還可以看出，在不同的環(huán)境因素影響下，三幀差分算法的檢測結(jié)果的正確率有了很大的提高。能檢測更清晰更完整的運動目標，這說明，本文實現(xiàn)的三幀差分算法，在一定程度上，比之前的二幀差分算法有了提高，并且該算法有一定的適用性。雖然該算法在一定程度上，提高了差分算法檢測的正確率，但是有些地方還是需要改進。在實驗過程中，閾值的選取是很關(guān)鍵的問題，如何選擇合適的閾值，對于實驗的結(jié)果有很大的影響，雖然動態(tài)設(shè)置閾值雖然比以往的根據(jù)經(jīng)基于幀間差分算法的運動目標檢測研究24驗選取要好一些，但是如果干擾因素過多的話，那么閾值的動態(tài)選取有可能不合適。因此，閾值的選取，在本算法中還需要改進。另外，該算法在干擾因素過多的情況下，檢測的效果也會有所折扣，因此現(xiàn)在出現(xiàn)的問題，將是下一步的研究重點。 本章總結(jié)本章節(jié)首先介紹了三幀差分算法的原理，然后介紹了三幀差分算法的算法過程，最后實現(xiàn)算法，提取實驗結(jié)果進行分析比對，得出實驗結(jié)論，并且根據(jù)實驗結(jié)果的對比，分析出三幀兩者的優(yōu)缺點，實驗結(jié)果表明，三幀差分算法在運動目標檢測方面，有更好的適用性。計算機畢學(xué)院業(yè)畢業(yè)（設(shè)計）論文25第 5 章 總結(jié)與展望 總結(jié)本文通過對運動目標檢測中的幀間差分算法的研究，首先介紹了運動目標檢測的研究背景和意義，以及常用的運動目標檢測方法，然后通過幀間差分算法所需的相關(guān)的圖像處理方面的理論知識，相繼介紹了圖像處理方面的相關(guān)的知識，如灰度圖像，二值圖像、數(shù)學(xué)形態(tài)學(xué)等原理和方法。在文章的第 3 章和第 4 章，我們分別介紹了二幀差分算法和三幀差分算法。然后通過對幀間差分算法的理論研究，相繼實現(xiàn)了二幀差分算法和三幀差分算法，并且根據(jù)算法，得出一系列實驗結(jié)果，根據(jù)兩種算法的結(jié)果的比對分析，從而總結(jié)出，在二幀差分算法的基礎(chǔ)上是實現(xiàn)的三幀差分算法，具有比二幀差分更好的檢測效果，并且在不同的因素的影響下，三幀差分算法的檢測效果更準確。由實驗結(jié)果可以看出，三幀差分算法檢測出的結(jié)果更接近實際運動目標。實驗結(jié)果是在多次實驗的基礎(chǔ)上，選取的相對有代表性的結(jié)果來進行說明的。根據(jù)實現(xiàn)的算法以及得到的結(jié)論，都具有一定的說服性。三幀差分算法有其他算法相比，其計算量小，實時性強，準確度高，易于實現(xiàn)，并且有很好的時間相關(guān)性。經(jīng)過多次實驗，結(jié)果表明，該算法有很好的適用性，有利于在此基礎(chǔ)上，做更深的研究。然而，本算法雖然實現(xiàn)了預(yù)期的檢測效果，但是實驗中還有許多不足之處，如檢測的結(jié)果不完整，偶爾出現(xiàn)漏檢現(xiàn)象等等，這樣的不足之處本身也是差分算法的缺點，因此，還需要進一步完善。 展望雖然本算法與傳統(tǒng)的二幀差分算法相比，有更好的檢測效果，但是實驗中，還有不少的問題。雖然三幀差分算法在運動目標檢測能力上有所提高，但是過多的因素干擾也會影響其性能，本文中的實驗采取單一干擾因素原則，基本上達到預(yù)期的檢測效果，但是當多種干擾因素疊加時，就會出現(xiàn)一系列問題。因為這些因素是不可控的，我們有時很難避免，所以，三幀差分算法的適用性還是有限的?；趲g差分算法的運動目標檢測研究26由于目前還有許多其他的算法用于運動目標檢測，如背景法，光流法等，可以考慮三幀差分與其他算法結(jié)合，或者采取多幀差分，增加檢測的精確性，都是可以的。在未來的研究中，可以在三幀差分算法的基礎(chǔ)上，再加以改進，使檢測的結(jié)果準確性更好，實用性更好，將是課題下一步深入研究的方向。計算機畢學(xué)院業(yè)畢業(yè)（設(shè)計）論文27致謝本文是我在我的導(dǎo)師 XXX 老師的精心指導(dǎo)下完成的，在論文寫作的過程中，郭老師給與我大量的指導(dǎo)，這對于我完成畢業(yè)論文有很大的幫助。在老師的指導(dǎo)下，我學(xué)習了很多關(guān)于圖像處理方面的知識，雖然平時對圖像處理方面的理論學(xué)習的不多，但是通過畢業(yè)設(shè)計，我在老師的指點下，對圖像處理學(xué)的許多理論都有了一定的了解，這對我來說，無疑是新接觸到一個領(lǐng)域，在撰寫論文的過程中，我還學(xué)習到了很多科學(xué)的研究方法，同時也深深體會到研究一個領(lǐng)域的所帶來的樂趣。除了 XXX 老師之外，學(xué)校的其他學(xué)圖像處理的老師也給我?guī)砹撕艽髱椭?，他們的指點讓我在摸索的過程中少走了許多彎路，他們嚴謹?shù)墓ぷ鲬B(tài)度是我的榜樣，我能完成畢業(yè)論文以及設(shè)計，離不開各位老師的指導(dǎo)。在此，我謹向我的導(dǎo)師以及各位指導(dǎo)我的老師們致以深深的敬意以及由衷的感謝。在論文寫作過程，也有不少同學(xué)給過我?guī)椭瑯又С治业倪€有我的父母親人，在此，也向所有關(guān)心和幫助我的老師，同學(xué)，親人致以深深的感謝?；趲g差分算法的運動目標檢測研究28參考文獻[1]閆立峰，涂序彥， [J]. 年 5 月.15（3）：347352[2]徐衛(wèi)星，王蘭英， OpenCV 實現(xiàn)的三幀差分運動目標檢測算法研究 [J]. (265):141143[3]丁雪梅，王維雅， [J].光學(xué)精密工 年 4 月，4(15):571575[4]陳俊超，張俊豪，劉詩佳， [J].計 年，12(37)：171173[5]廖馬騰， System Generator 的幀間差分運動目標檢測算法仿真[J]. 電子質(zhì)量.2022 年,第 4 [6]李剛，邱尚武，林凌， [M].儀器儀 年 8 月,27(8):962964[7]李澤鋒，[J]. 年,第 1 期:3536[8]嚴金果， [J]. 年 12月,34(12)：43324335[9][D].貴陽： 年[10]趙毅寰， [D].2022 年 8 月，28(8A):133135[11][D].哈爾濱： 年[12][D].哈爾濱： 年[13][D].上海： 年[14]劉艷麗，陳昊， [J].計算 年，21(7):3536[15][D].西安： 年[16]王孝艷，張艷林， [J].沈陽理工大學(xué)學(xué)報.2022 年 12 (6):8385[17][D].南京： 年[18][D].山東： 年[19][D].安徽：合肥工業(yè)大學(xué).計算機畢學(xué)院業(yè)畢業(yè)（設(shè)計）論文292022 年[20][D].黑龍江： 年 6 月[21][D].湖北： 年[22] 王栓，艾海舟，何克忠. 基于差分圖象的多運動目標的檢測與跟蹤 [J]. 《中國圖象圖形學(xué)報》 ，1999，4（6）：470475[23] 張噪禮，趙春暉， MATLAB 實現(xiàn)[M]. 北京：人民大學(xué)出版社，2022[24] 夏永泉，李衛(wèi)麗，干甘勇， [J]，通信技術(shù)，2022，42（6）：185187基于幀間差分算法的運動目標檢測研究30附錄1． 二幀差分算法主要代碼：clc。 clear all。 close all。% 原始視頻targetavi = 39。39。% 檢測結(jié)果視頻resultavi = 39。39。%% 讀取視頻mov = VideoReader(targetavi)。fnum = 。%% 建立結(jié)果視頻aviobj = VideoWriter(resultavi)。 = 100。 = 25。 = 39。Indeo539。%% 幀間差分法figure(1)。for i = 2 : fnum x = read(mov, )。 y = read(mov, i)。 subplot(1, 2, 1)。 imshow(x, [])。 title(sprintf(39。第%d 幀視頻，By lyqmath39。, ), 39。FontWeight39。, 39。Bold39。, 39。Color39。, 39。r39。)。 % 灰度化 if ndims(x) == 3 m = rgb2gray(x)。 else m = x。 end if ndims(y) == 3 n = rgb2gray(y)。 else n = y。 end % 中值濾波 m = medfilt2(m)。 n = medfilt2(n)。 % 數(shù)據(jù)類型轉(zhuǎn)換 q = im2double(n)。 w = im2double(m)。 % 差分 c = 。% 閾值，此值可以調(diào)節(jié) t = 40/256。計算機畢學(xué)院業(yè)畢業(yè)（設(shè)計）論文31 % 閾值分割 c(abs(c)=t)=255。 c(abs(c)t) = 0。 c = logical(c)。 x1 = x(:, :, 1)。 x2 = x(:, :, 2)。 x3 = x(:, :, 3)。 x1(c) = 255。 x2(c) = 0。 x3(c) = 0。 xc = cat(3, x1, x2, x3)。 subplot(1, 2, 2)。 imshow(xc, [])。 title(sprintf(39。第%d 幀視頻識別結(jié)果，By lyqmath39。, ), 39。FontWeight39。, 39。Bold39。, 39。Color39。, 39。r39。)。 f = getframe(gcf)。 f = frame2im(f)。 % 生成視頻 aviobj = addframe(aviobj, f)。end%% 關(guān)閉視頻句柄%aviobj = close(aviobj)。aviobj = close(aviobj)。2． 三幀差分算法主要代碼：clc。clear。targetavi=39。39。 %%原始視頻resultavi=39。39。 %%檢測結(jié)果視頻%讀取視頻mov=VideoReader(targetavi)。%mov=mmreader(targetavi)。fnum=size(mov,2)。%建立結(jié)果視頻aviobj = VideoWriter(resultavi)。 = 100。% = 25。%每秒讀取 25 幀%=39。Indeo539。%=39。None39。%幀間差分法for i=2:fnum x=mov().cdata(:,:,:)。 y=mov(i).cdata(:,:,:)。 z=mov(i+1).cdata(:,:,:)。 m=rgb2gray(x)。 m=medfilt2(m)。 n=rgb2gray(y)。 n=medfilt2(n)。 o=rgb2gray(z)?；趲g差分算法的運動目標檢測研究32 o=medfilt2(o)。 q=im2double(n)。 w=im2double(m)。 p=im2double(o)。 c=。%%前兩幀差分 b=。%%后兩幀差分 t=40。 %%閾值，此值可以調(diào)節(jié) t=t/256。%%轉(zhuǎn)化為 double 型數(shù)據(jù) k=find(abs(c)=t)。%%find 函數(shù)作用是找到圖 c 中的值大于 t 的點坐標 d=find(abs(b)=t)。%%find 函數(shù)作用是找到圖 b 中的值大于 t 的點坐標 c(k)=255。%%二值化的一 b(d)=255。 k=find(abs(c)t)。 d=find(abs(b)t)。 c(k)=0。%%二值化的零 b(d)=0。 f=camp。b。 imshow(f)。 adata=cat(3,f,f,f)。%%灰度圖像生成視頻必加此句 aviobj = addframe(aviobj,adata)。%%生成視頻 hold on。 drawnow。 hold off。end%aviobj=close(aviobj)。