基于高斯混合模型的紅外運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究.pdf

1、運(yùn)動(dòng)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺、人工智能以及模式識(shí)別等領(lǐng)域的研究基礎(chǔ)，其本質(zhì)是根據(jù)目標(biāo)的運(yùn)動(dòng)特性將目標(biāo)準(zhǔn)確地從背景中分離出來。檢測(cè)結(jié)果的準(zhǔn)確性對(duì)后續(xù)的目標(biāo)分類，跟蹤，識(shí)別等工作有著重要的影響?；诩t外序列圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)可以在夜晚，雨雪，霧霾等可視條件較低的環(huán)境中正常工作，在軍事和民用領(lǐng)域有著廣泛的應(yīng)用。
　　目前，即使先進(jìn)的紅外成像設(shè)備依然無法擺脫隨機(jī)噪聲的干擾，選擇合理的抑制或消除噪聲的方法對(duì)于提高目標(biāo)檢測(cè)的精確性有著積極的作用。

2、本論文介紹了幾種常用的圖像去噪算法，提出了一種基于二維經(jīng)驗(yàn)?zāi)B(tài)分解和子帶閾值估計(jì)的紅外圖像去噪算法，先將含有噪聲的源圖像經(jīng)過二維模態(tài)分解得到若干子帶信息；再計(jì)算子帶的噪聲方差估算出合理的閾值，進(jìn)而移除噪聲；最后經(jīng)過反變換得到重構(gòu)圖像。實(shí)驗(yàn)結(jié)果表明去噪后的圖像在客觀評(píng)價(jià)和整體視覺上均有了一定的提高。
　　紅外序列圖像的分辨率較低，紋理和細(xì)節(jié)特征信息較少，如何完整、準(zhǔn)確地檢測(cè)出運(yùn)動(dòng)目標(biāo)一直是當(dāng)前研究的難點(diǎn)。傳統(tǒng)的高斯混合模型檢測(cè)算法雖

3、然能夠檢測(cè)出運(yùn)動(dòng)物體的大概位置，但是存在著一些明顯的不足：模型學(xué)習(xí)率固定，檢測(cè)目標(biāo)伴有虛假輪廓，內(nèi)部充滿孔洞以及整體斷裂。為了解決上述問題，本課題首先利用結(jié)構(gòu)相似度算法將圖像分成不同區(qū)域，每個(gè)區(qū)域分別采用不同的學(xué)習(xí)率來更新高斯混合模型。其次，為了獲取更為準(zhǔn)確的運(yùn)動(dòng)目標(biāo)，通過高斯混合模型定位紅外目標(biāo)的區(qū)域位置，并使用基于空間信息的分水嶺算法對(duì)目標(biāo)區(qū)域進(jìn)行閉合處理。最后，使用脈沖耦合神經(jīng)網(wǎng)絡(luò)的分割算法對(duì)目標(biāo)閉合區(qū)域進(jìn)行分割，從而將運(yùn)動(dòng)目標(biāo)從