監(jiān)控圖像處理畢業(yè)論文

1、<p>　　本 科 生 畢 業(yè) 設(shè)計</p><p>　　題 目： 圖像處理在監(jiān)控系統(tǒng)中的應(yīng)用</p><p>　　姓 名： </p><p>　　學(xué) 號： </p><p>　　系 別： 電子工程與信息科

2、學(xué)系 </p><p>　　指導(dǎo)教師： </p><p><b>　　二○一○年六月</b></p><p><b>　　致 謝 </b></p><p>　　值此畢業(yè)之際，我首先要感謝我的導(dǎo)師尹東教授，是尹老師讓我有在信息科學(xué)實驗中心學(xué)

3、習(xí)與實踐的機(jī)會。在他的悉心指導(dǎo)與教育下，使我對計算機(jī)的學(xué)習(xí)，對圖像處理和視頻監(jiān)控系統(tǒng)有了一定的體會和認(rèn)識。這對我今后的學(xué)習(xí)，工作生活有很大的幫助。</p><p>　　我的班主任老師李爭鳴老師，唐朝舜老師，裴小平老師，平時在我們的學(xué)習(xí)和生活上給了我們很大的關(guān)心和支持，在此感謝他們四年中對我的教誨。</p><p>　　在本科四年的學(xué)習(xí)期間，師從的各位任課老師給了我悉心的指導(dǎo)，他們不僅在學(xué)業(yè)

4、上給了我們諄諄教誨，而且也在人格和精神上使我們受益匪淺。在此對他們表示衷心的感謝和深深的敬意。</p><p>　　我們班的何沅澤、宋平、梁吉祥、黃江華等同學(xué)，大家一起在尹東老師的指導(dǎo)下進(jìn)行畢業(yè)論文的相關(guān)工作，我們彼此之間象兄弟一般的情誼，我是不會忘記的。</p><p>　　和一起朝夕相處的同寢室的同學(xué)楊勇，何沅澤，劉海磊，以及胡校成，李明哲，賴德華，他們在四年里給我的幫助，我衷心的感謝

5、他們，我們的友誼我會永遠(yuǎn)銘記在心。大家永遠(yuǎn)是朋友。</p><p><b>　　摘要</b></p><p>　　在經(jīng)濟(jì)社會快速發(fā)展的今天，伴隨著科學(xué)技術(shù)的漸漸成熟和完善，人們在盡情享受科學(xué)技術(shù)帶來的福利的同時，越來越多的社會問題也出現(xiàn)了，其中，社會治安成為其中人們比較關(guān)心的話題。在城市小區(qū)中，在公共交通中，在各種公共場合中，視頻監(jiān)控系統(tǒng)的運(yùn)用越來越普及。這種系統(tǒng)在預(yù)

6、防違法犯罪，辨認(rèn)抓捕犯罪分子，維護(hù)社會治安等方面，起到了重要的作用。</p><p>　　然而，這種監(jiān)控系統(tǒng)也存在很多問題。如監(jiān)控圖像不清晰，特征人物不明顯，圖像文件過大等。這些都是急需解決的問題。本文就是在這種背景下，運(yùn)用經(jīng)典圖像處理技術(shù)和相關(guān)領(lǐng)域最新進(jìn)展，對以上問題進(jìn)行分析解決。主要工作有：</p><p>　　運(yùn)用直方圖均衡，Descartes 可變分辨率轉(zhuǎn)換對圖像進(jìn)行預(yù)處理，同時對

7、圖像進(jìn)行了區(qū)域處理。</p><p>　　運(yùn)用多尺度Retinex算法處理監(jiān)控圖像，消除圖像中的天氣不利信息。</p><p>　　運(yùn)用小波變換對監(jiān)控圖像進(jìn)行壓縮，融合和增強(qiáng)。</p><p>　　實現(xiàn)了8*8DCT變換的圖像編程，并對其進(jìn)行了詳細(xì)的分析和實驗論證。</p><p>　　實現(xiàn)了監(jiān)控圖像變換，壓縮，恢復(fù)這個三流程的可視化編程。&

8、lt;/p><p>　　關(guān)鍵詞：圖像處理，視頻監(jiān)控系統(tǒng)，圖像預(yù)處理，圖像增強(qiáng)，圖像壓縮，圖像恢復(fù)</p><p><b>　　Abstract</b></p><p>　　Today, with gradual maturity and perfection of science and technology, people are enjoyin

9、g the benefits of science and technology, however, more and more social problems appear, among them social security is a topic that people concerns more. In urban area, in public transportation, in all public places, us

10、age of video monitor system is becoming more and more popular. This system plays an important role in preventing crimes, identifying and arresting criminals, maintaining public order and so o</p><p>　　Howeve

11、r, the monitor system also has a lot of problems. For example, images are not clear enough, characters of criminals are not obvious and image files are too big. These are problems which needs resolving. This article, usi

12、ng classical image processing technology and latest progress of related fields, analyzes and resolves problems above. Main jobs are:</p><p>　　1. Preprocess images using image histogram equalization and Desca

13、rtes variable resolution of image pretreatment.</p><p>　　2. Eliminate adverse impact on images by weather such as rain, snow and fog by Retinex multiscale image processing algorithms.</p><p>　　3

14、. Apply wavelet transformation in image compression, fusion and enhancement.</p><p>　　4. Realize image programming of 8*8 DCT transformation, and analyse it in detail via experiments.</p><p>　　5

15、. Realize GUI programming of JPEG.</p><p>　　Key words: Image Processing, Vide Monitor System, Image Preprocessing, Image Compression, Image Enhancement, Image Reconstruction</p><p>　　第一章 視覺壓縮的人眼

16、視覺特性基礎(chǔ)</p><p>　　1.1 視覺的空間和時間性質(zhì)</p><p><b>　　一、視覺與神經(jīng)系統(tǒng)</b></p><p>　　人類視覺系統(tǒng)（the human visual system, HVS）是神經(jīng)系統(tǒng)的一部分，神經(jīng)系統(tǒng)是一個非常復(fù)雜的通信網(wǎng)絡(luò)。在這個網(wǎng)絡(luò)中通信時通過神經(jīng)細(xì)胞——神經(jīng)元進(jìn)行的，并由一個十分強(qiáng)大的計算機(jī)——

17、大腦來管理。</p><p>　　一個神經(jīng)元有一個5um-100um大小的細(xì)胞體，與這個細(xì)胞體相連的有一個叫軸突的主纖維和一些叫做樹突的纖維分支。信息從一個神經(jīng)元到另一個神經(jīng)元的傳遞是以電化學(xué)方式進(jìn)行的。兩個神經(jīng)元件的連接處叫做突觸。發(fā)射和接受信息的神經(jīng)元分別叫做突觸前神經(jīng)元和突出后神經(jīng)元?？梢詫⑸窠?jīng)系統(tǒng)設(shè)想成一個由神經(jīng)元以串聯(lián)，并聯(lián)，反饋的形式組成的網(wǎng)絡(luò)。這些一個復(fù)雜網(wǎng)絡(luò)的分析，初看起來時非常困難，甚至是不可能

18、的。</p><p>　　但是，神經(jīng)系統(tǒng)的一些特點可以使問題簡化，從而有可能在細(xì)胞一級上分析神經(jīng)系統(tǒng)。第一個特點是，神經(jīng)系統(tǒng)中傳遞的信號只有兩種，一種是用于長距離的，另一種是用于短距離的；第二個特點是，這些信號的形式對于所有神經(jīng)元，不管其攜帶的信息是視覺的，聽覺的，觸覺的等等，幾乎都是同樣的。此外，信號的形式從一種動物到另一種動物也是不變的。這樣就為研究提供了方便。</p><p>　　被

19、腦所接收和處理的信號是外部事件的符號表示。神經(jīng)元輸出的信號時脈沖串，每一脈沖的持續(xù)時間約為1ms.這些脈沖的重復(fù)頻率與外部刺激的強(qiáng)度成正比，即神經(jīng)系統(tǒng)用調(diào)頻方式通信。</p><p>　　二、運(yùn)動覺察和視覺掩蓋</p><p>　　物體運(yùn)動造成的主觀分辨率下降與人眼是否能跟蹤住該運(yùn)動物體有關(guān)。Miyahara曾于1975年測量過人對于圖像的時間和空間的分辨率要求，發(fā)現(xiàn)如果圖像中的運(yùn)動物體能

20、被人眼跟蹤，則二者的結(jié)果是類似的。然而，對于不易被人眼跟蹤的運(yùn)動物體，它的分辨率損失就不太容易被察覺。顯示在屏幕上的大多數(shù)運(yùn)動時不易跟蹤的，例如，人物的頭，肩運(yùn)動就難于精確預(yù)測。另外，觀看者也不會分散注意力去跟蹤他看到的那么多的物體。Miyahara的實驗表明，在一般的電視觀看條件下，平穩(wěn)運(yùn)動，當(dāng)角速度達(dá)到24’/s時，開始能被察覺。另外，Seyler和Budrikis在1965年研究時間掩蓋效應(yīng)時發(fā)現(xiàn)，如果是緊跟在一個場景變換之后，空

21、間清晰度顯著下降時不易被察覺的，只要早其后慢慢增加即可。如果在0.75s之內(nèi)恢復(fù)100%的清晰度，觀看者就不會感覺到清晰度的下降。</p><p>　　雖然已有不少涉及時間掩蓋的心理學(xué)文獻(xiàn)發(fā)表，但是應(yīng)該說，將其研究結(jié)果與圖像編碼聯(lián)系起來的還不普遍。</p><p>　　1.2 視覺與畫質(zhì)評價</p><p><b>　　一、圖像質(zhì)量</b>&

22、lt;/p><p>　　在實際系統(tǒng)中，重要的是首先根據(jù)應(yīng)用的需要來確定所要求的圖像質(zhì)量。不同的系統(tǒng)對圖像質(zhì)量的要求不同。例如，如果用于圖像判讀，則相對于圖像色調(diào)而言，更看重的是圖像清晰度；而對于廣播電視就更關(guān)心色調(diào)，特別是膚色要逼真。由于圖像編碼引起的圖像損傷多種多樣，并與具體采取的圖像編碼方案有關(guān)，遠(yuǎn)較模擬傳輸引入的圖像損傷復(fù)雜，因此，對其進(jìn)行分類和定向描寫有相當(dāng)難度。 一種途徑是研究人類視覺系統(tǒng)的工作

23、原理，希望從中推導(dǎo)建立圖像質(zhì)量的模型。 盡管目前關(guān)于人類視覺系統(tǒng)的了解逐漸深化，取得了很大的進(jìn)步，但同時從以上討論也看到視覺系統(tǒng)十分復(fù)雜，開發(fā)出一個能用于優(yōu)化圖像和視頻編碼系統(tǒng)，簡 單實用的視覺處理模型還有相當(dāng)距離。因此，主觀試驗就成為評價圖像質(zhì)量的最常用和最可靠的手段。</p><p>　　二、圖像質(zhì)量的主觀評價</p><p>　　1974年CCIR(國際無線電咨詢委員會)對電視圖像

24、的主觀評價方法提出建議（CCIR Recommendation 5001）,這個建議為對在不同的時間，不同的地點，不同的學(xué)者所取得的研究成果進(jìn)行比較提供了可能。該建議對進(jìn)行主觀評價的人員，評價等級，測試圖像，測試條件，圖像顯示方式等都做了如下規(guī)定。</p><p><b>　　1.評價人員</b></p><p>　　進(jìn)行主觀評價的人員可以是本領(lǐng)域有經(jīng)驗的專家，也可以

25、是沒有經(jīng)驗的一般人員。進(jìn)行評價時，有經(jīng)驗的和沒經(jīng)驗的兩類人員要分別進(jìn)行。為了保證統(tǒng)計上的可靠性，一般有經(jīng)驗的專家不應(yīng)少于10人，沒有經(jīng)驗的觀看者不應(yīng)少于20人。</p><p><b>　　2．評價方法</b></p><p>　　分為兩種評價方法，一種是等級評價，另一種是比較方法。進(jìn)行等級評價時，一組評價人員在規(guī)定的觀看條件下觀看依事先確定的方法處理過的圖像序列，并

26、對所看到的每一圖像進(jìn)行評價，給出一個質(zhì)量等級。比較方法采取的是相對尺度，用來評價待評圖像與某個參考圖像的相對質(zhì)量。</p><p><b>　　3. 測試圖像</b></p><p>　　為了測試一個編碼系統(tǒng)或一個編碼方案的性能，一般要選取5個左右的測試圖像。</p><p><b>　　4. 測試條件</b><

27、/p><p>　　觀看距離等于6倍像高；黑白畫面中最白與底色黑之間的對比度在100左右;周圍環(huán)境照度要低。為了避免閃爍的影響，平均亮度對于場頻為50Hz的系統(tǒng)一般要比場頻為60Hz的系統(tǒng)低一些。</p><p><b>　　5. 畫面顯示</b></p><p>　　不同質(zhì)量等級和不同質(zhì)量損傷的圖像要以隨機(jī)的順序顯示，并且顯示順序上要保證兩個具有相

28、同或不同損傷程度的同一副圖像不能相繼出現(xiàn)。</p><p>　　如前所述，如能充分利用人的視覺特點，挖掘潛力，就能顯著提高圖像和視頻編碼系統(tǒng)的壓縮效率。這里涉及兩方面的研究課題，一方面是深入研究人的視覺特性本身，包括視覺生理學(xué)和視覺心理學(xué)等方面的研究；另一方面，要研究能與已知的視覺特性匹配的編碼方式，將視覺的潛力充分利用。</p><p>　　第二章 靜止圖像編碼標(biāo)準(zhǔn)</p>

29、;<p>　　2.1 JPEG標(biāo)準(zhǔn)</p><p><b>　　一、JPEG簡介</b></p><p>　　JPEG是聯(lián)合圖像專家組（joint photographic experts group）的英文縮寫，其中“聯(lián)合”的含義是指三個國際組織——國際標(biāo)準(zhǔn)化組織（ISO），國際電報電話組織（CCITT）和國際電工委員會（IEC）聯(lián)合成立的一個圖像專

30、家小組。</p><p>　　JPEG的目的是給出一個適用于各種連續(xù)色調(diào)圖像的壓縮方法，其中源圖像類型可以不受尺寸，內(nèi)容，統(tǒng)計特性，像素形狀以及顏色空間等的限制，壓縮性能可達(dá)到當(dāng)時技術(shù)所能實現(xiàn)的最好效果，并要求算法易于軟硬件實施，系統(tǒng)具有優(yōu)良的性價比。JPEG標(biāo)準(zhǔn)共提供了四種操作模式2-4：</p><p><b>　　1.順序編碼</b></p>&l

31、t;p>　　每個圖像分量從左到右，從上到下掃描，一次掃描完成編碼。</p><p><b>　　2.累進(jìn)編碼</b></p><p>　　圖像編碼在多次掃描中完成，接收端收到的圖像時經(jīng)多次掃描，由模糊到清晰的漸進(jìn)過程。</p><p><b>　　3.分層編碼</b></p><p>　　圖像

32、在多個空間分辨率進(jìn)行編碼，在信道傳輸較慢或接收端顯示器分辨率較低的情況下，可只做低分辨率解碼，而不必做高分辨率解碼。</p><p><b>　　二．JPEG系統(tǒng)</b></p><p>　　圖2-1 JPEG編碼器</p><p>　　圖2-1給出了基本系統(tǒng)的編解碼器框圖。在編碼過程中，JPEG將源圖像分成8*8的像素塊，對各塊分別進(jìn)行

33、DCT變換，量化和熵編碼。算法首先通過DCT變換消除圖像塊各像素在空間域的相關(guān)性；而后根據(jù)給定的量化表對DCT系數(shù)進(jìn)行量化，通過量化降低DCT系數(shù)的精度來進(jìn)一步消除圖像數(shù)據(jù)間的統(tǒng)計相關(guān)性；最后輸出圖像壓縮數(shù)據(jù)。解碼時，采用與編碼器同樣的量化表和熵解碼表對各塊壓縮數(shù)據(jù)進(jìn)行熵解碼和反量化；再進(jìn)行反向DCT變換（IDCT）;最后重建出圖像。由此可見，整個壓縮編碼系統(tǒng)主要包括源圖像數(shù)據(jù)輸入，DCT變換，量化和熵編碼四大部分。</p>

34、<p>　　2.2 JPEG2000標(biāo)準(zhǔn)</p><p><b>　　一、JPEG的缺陷</b></p><p>　　作為一種應(yīng)時而生的國際標(biāo)準(zhǔn)，JPEG也并不是萬能的，隨著時代的進(jìn)步，通信技術(shù)的發(fā)展以及社會需求的變化，JPEG標(biāo)準(zhǔn)也將逐漸退出歷史舞臺的主角位置，進(jìn)而為新生標(biāo)準(zhǔn)所代替。新的時代要求圖像壓縮系統(tǒng)不僅具有優(yōu)良的壓縮效率，還要具有對壓縮碼流的

35、靈活處理能力以及良好的人機(jī)交互性。面對眾多新的應(yīng)用需求，傳統(tǒng)的JPEG標(biāo)準(zhǔn)已顯得力不從心，這主要表現(xiàn)在以下幾個方面：</p><p><b>　　1.低碼率壓縮</b></p><p>　　在碼率低于0.25bit/像素時，JPEG重構(gòu)圖像存在嚴(yán)重的方塊效應(yīng)，難以滿足網(wǎng)絡(luò)傳輸需要。</p><p>　　2.在噪聲環(huán)境中傳輸</p>

36、<p>　　二、JPEG2000</p><p>　　圖2-2 JPEG2000基本框圖</p><p>　　JPEG2000基本系統(tǒng)編解碼框圖如圖2-2所示2-4，源圖像數(shù)據(jù)經(jīng)正向預(yù)處理后進(jìn)行離散小波變換（DWT）,對變換后的DWT系數(shù)實施量化，再進(jìn)行熵編碼，最后根據(jù)實際應(yīng)用需求，將熵編碼后的數(shù)據(jù)組織成壓縮碼流輸出。解碼時則根據(jù)壓縮碼流中的參數(shù)，對應(yīng)于編碼器各部分進(jìn)行逆向操作

37、，最后輸出重構(gòu)圖像。</p><p>　　三、JPEG2000與JPEG的比較</p><p>　　JPEG采用了目前較先進(jìn)的壓縮編碼技術(shù)，相對于JPEG,主要有以下幾個方面</p><p>　　1.JPEG2000采用全圖（full-frame）離散小波變換取代JPEG中的分塊離散余弦變換（DCT）,從而具有較好的能量聚集性。</p><p&g

38、t;　　2.JPEG2000采用帶有中心零死區(qū)的量化器（零死區(qū)步長為量化步長的兩倍），可以實現(xiàn)圖像的嵌入式編碼（embedded coding）。</p><p>　　3.JPEG2000用基于上下文的自適應(yīng)算術(shù)編碼取代JPEG基本系統(tǒng)中的赫夫曼編碼，對量化后DWT系數(shù)的二進(jìn)制位平面進(jìn)行算術(shù)編碼。</p><p>　　4.畫布坐標(biāo)系統(tǒng)（canvas coordinate system）的引

39、入使得在圖像壓縮域進(jìn)行諸如剪切，旋轉(zhuǎn)和翻轉(zhuǎn)（flipping）等操作變得極為簡便。</p><p>　　2.3 對未來圖像編碼的眺望</p><p><b>　　新編碼算法的萌芽</b></p><p>　　圖像編碼算法已經(jīng)有了很多的方案，現(xiàn)在的主流是預(yù)測編碼和變化編碼。這兩種編碼的概念早在二十世紀(jì)五，六十年代就已為人們所熟知，是相當(dāng)成素的

40、技術(shù)。相比之下，矢量量化和算術(shù)編碼問世于1980年前后，是比較新的算法，當(dāng)前還處于發(fā)展之中。例如，矢量量化以前曾是按統(tǒng)計特性設(shè)計的，今后可能會向著自組織型或結(jié)構(gòu)模板型化的方向發(fā)展。</p><p>　　最近，有報道利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行信息壓縮和應(yīng)用分形理論進(jìn)行編碼的嘗試。人工神經(jīng)網(wǎng)絡(luò)和分形理論的應(yīng)用多少有點趕潮流的意思，但如果能從這里萌生出圖形編碼的新思路，則一定能夠會很有意義。與此不同，盡可能按圖像本質(zhì)來建立模

41、型并基于其模型進(jìn)行編碼的思路逐漸受到了重視。</p><p>　　從信息壓縮編碼到結(jié)構(gòu)編碼</p><p>　　有一種意見認(rèn)為，再過幾十年，通信傳輸已經(jīng)是相干光大容量通信時代，記錄存儲媒體也已是現(xiàn)在所無法比擬的大容量媒體了。到了那時，圖像信息壓縮早就成了無用技術(shù)了。實際上，一部分從事圖像編碼的研究人員（例如，智能編碼研究人員）已經(jīng)不把圖像編碼簡單看做是單純的信息壓縮技術(shù)了，認(rèn)為圖像編碼應(yīng)該

42、采用“信息結(jié)構(gòu)描述技術(shù)”的想法正在逐步發(fā)展。比方說，既然五線譜可以認(rèn)為是描述音樂這樣的音響信號的結(jié)構(gòu)形式，那么，如果也能針對圖像找到一種類似于五線譜之類的描述形式，不也就能通過編碼來按結(jié)構(gòu)描述圖像了嗎？</p><p><b>　　三.多媒體融合編碼</b></p><p>　　將來，圖像，語音，文件媒體都將不單獨存在，而是成為相互關(guān)聯(lián)的多媒體。那時，最理想的辦法就是

43、像圖3-4那樣，通過編碼把各不同媒體按照概念和含義的級別表示成統(tǒng)一的代碼信息。</p><p>　　圖2-3 多媒體融合編碼的構(gòu)想</p><p>　　第三章 監(jiān)控圖像處理技術(shù)</p><p><b>　　3.1概述</b></p><p>　　一.視頻監(jiān)控系統(tǒng)圖像清晰化處理</p><p>　

44、　目前，視頻監(jiān)控已在安防領(lǐng)域里廣泛的應(yīng)用，但是存在實時監(jiān)視和圖像回放不清晰的現(xiàn)象，導(dǎo)致對識別、取證、事件分析造成困難。 電視監(jiān)控系統(tǒng)在我國已經(jīng)非常普及，包括銀行、軍隊、政府、企業(yè)都已經(jīng)安裝了大量的攝像機(jī)。但據(jù)初步了解，絕大多數(shù)的電視監(jiān)控系統(tǒng)存在實時監(jiān)視和回放圖像不清晰的問題，從而導(dǎo)致對識別、取證、事件分析造成困難，甚至使嫌疑人面部特征無法辨認(rèn)。</p><p>　　隨著中國經(jīng)濟(jì)的飛速發(fā)展，各大城市已經(jīng)建有大量的電

45、視監(jiān)控系統(tǒng)。但是盡管安裝了眾多的監(jiān)控攝像機(jī)，案情發(fā)生后的圖像回放都存在圖像不清晰的問題，特別是嫌疑人面部特征不清晰，難以辨認(rèn)，這給公安部門的破案、法院的取證都帶來了極大的麻煩。當(dāng)我們花費很大的資金安裝了電視監(jiān)控系統(tǒng)，卻得不到清晰的圖像，這給實際工作帶來很大的問題： 1、無法判別現(xiàn)場細(xì)節(jié)； 2、無法辨認(rèn)犯罪嫌疑人面部特征； 3、無法成為現(xiàn)場取證資料。</p><p>　　二.監(jiān)控效用信息理論</p>

46、;<p>　　監(jiān)控效用信息是指在監(jiān)控過程中, 對監(jiān)控行為可以產(chǎn)生決策或者物化效用的信息。</p><p>　　監(jiān)控效用信息在生產(chǎn)監(jiān)控過程中起著主導(dǎo)的作用, 它的范圍取決于監(jiān)控的目標(biāo)和對象。監(jiān)控效用信息理論的提出, 是為了在保證生產(chǎn)管理工作正常進(jìn)行的前提下, 盡可能地減少傳輸、轉(zhuǎn)換及共享的數(shù)據(jù)量, 從而保證監(jiān)控系統(tǒng)的實時性與有效性。</p><p>　　在監(jiān)控圖像中, 監(jiān)控對象

47、及其所在的局部區(qū)域通常包含了絕大部分的監(jiān)控效用信息, 是監(jiān)控人員始終關(guān)注并感興趣的區(qū)域(RO I) , 由其產(chǎn)生的局部視覺信息是引導(dǎo)監(jiān)控行為和管理決策的關(guān)鍵。而RO I 之外的背景區(qū)域幾乎不含監(jiān)控效用信息, 對監(jiān)控過程的影響微乎其微, 往往被監(jiān)控人員所忽視。因此, 對于生產(chǎn)監(jiān)控而言, 只要保證監(jiān)控圖像中RO I 的視覺信息能夠滿足監(jiān)控行為正常進(jìn)行的需要就可以了。</p><p>　　3.2監(jiān)控圖像預(yù)處理技術(shù)<

48、;/p><p><b>　　直方圖均衡</b></p><p>　　一幅圖像中灰度級rk出現(xiàn)的概率近似為</p><p>　　Pk(rk)= k=0,1,2,…,L-1</p><p>　　其中，n是圖像中像素的總和，nk是灰度級為rk的像素個數(shù)，L為圖像中可能的灰度級總數(shù)。變換函數(shù)的離散形式為</p>&l

49、t;p><b>　　Sk=T(rk)=</b></p><p>　　因此，已處理的圖像由通過上式，將輸入圖像中灰度級為rk的各像素映射到輸出圖像中灰度級為Sk的對應(yīng)像素得到。這種變換稱為直方圖均衡化或直方圖線性化。以下為直方圖均衡化的實驗結(jié)果</p><p>　　原圖像 均衡后圖像</p>

50、<p>　　圖3-1 直方圖效果圖</p><p>　　實驗分析：直方圖均衡后的圖像對比度增強(qiáng)，清晰度增高，但冗余信息仍然很多。這種處理方法簡單，效果明顯，但在增強(qiáng)有效信息對比度的同時，也增強(qiáng)了無效信息的對比度。</p><p>　　Descartes 可變分辨率轉(zhuǎn)換</p><p>　　視網(wǎng)膜中央凹視覺是指人類視覺系統(tǒng)對于客觀世界的視覺采樣在空間分布

51、上不是均一的 , 而是以視網(wǎng)膜中央凹為中心逐漸降低感知分辨率的采樣過程。</p><p>　　在監(jiān)控圖像中應(yīng)用基于視網(wǎng)膜中央凹視覺的處理方法, 即視網(wǎng)膜中央凹處理, 是為了模仿人眼在視覺感知過程中的信息處理機(jī)制來對生產(chǎn)監(jiān)控圖像中的監(jiān)控效用信息進(jìn)行篩選, 從而降低監(jiān)控圖像的數(shù)據(jù)量, 提高監(jiān)控效率。處理后的監(jiān)控圖像能夠在富含監(jiān)控效用信息的RO I 上保持高分辨率, 以滿足監(jiān)控人員準(zhǔn)確提取效用信息支持管理決策的需求,

52、而遠(yuǎn)離RO I 的背景區(qū)域分辨率則逐漸降低, 在減少非監(jiān)控效用信息量的同時讓監(jiān)控人員能夠?qū)ιa(chǎn)現(xiàn)場的整體狀況有所了解, 從而輔助監(jiān)控行為得以正常進(jìn)行。</p><p>　　空間變分辨率轉(zhuǎn)換是模仿人眼在視覺感知中的空間分辨率變化, 對原監(jiān)控圖像中的像素進(jìn)行非均勻采樣, 用較少像素得到轉(zhuǎn)換圖像來取代原圖像的方法。實現(xiàn)空間變分辨率轉(zhuǎn)換的途徑有很多, 主要有復(fù)雜對數(shù)映射、DCT 量化系數(shù)處理、金字塔圖像顯示和小波變換等,

53、 但現(xiàn)有各種處理方法都或多或少存在著缺陷與局限性。</p><p>　　Descartes 可變分辨率轉(zhuǎn)換是一種改進(jìn)的對數(shù)映射方法, 它將傳統(tǒng)的基于極坐標(biāo)的對數(shù)映射方程在Descartes 坐標(biāo)系內(nèi)沿x 軸和y 軸方向進(jìn)行分解, 保留了原圖像在Descartes 坐標(biāo)系內(nèi)的矩形特征, 從而使對數(shù)極坐標(biāo)映射轉(zhuǎn)換中產(chǎn)生的轉(zhuǎn)換圖像邊緣不規(guī)則問題得以解決。</p><p>　　當(dāng)注視點在原圖像坐標(biāo)

54、(x 0, y 0) 處時, Descartes可變分辨率轉(zhuǎn)換通過以下轉(zhuǎn)換方程將原圖像中坐標(biāo)為(x , y ) 的像素映射成為轉(zhuǎn)換圖像中坐標(biāo)為(x ′, y ′)的像素:</p><p>　　x′ = x 0 + ln [ (d xD+ 1)S x ],</p><p>　　y′= y 0 + ln [ (d yD+ 1)S y ],</p><p>　　d x =

55、 x - x 0, 　d y = y - y 0.</p><p>　　在轉(zhuǎn)換過程中, 由壓縮比例系數(shù)S x、S y 分別控制圖像在x 軸和y 軸上的壓縮程度, 也可以通過變形系數(shù)D 來調(diào)節(jié)圖像的采樣分布, 從而滿足用戶對視頻傳輸碼率和畫面顯示效果的不同需求。以下為Descartes 可變分辨率轉(zhuǎn)換的實驗</p><p>　　原圖像

56、 處理后圖像</p><p><b>　　采樣率</b></p><p>　　圖3-2 Descartes 可變分辨率轉(zhuǎn)換效果圖</p><p>　　實驗結(jié)果分析：利用對數(shù)函數(shù)實現(xiàn)采樣率的變換，是一種比較理想的方法。這種算法不適合于高分辨率圖像的預(yù)處理。而且三個待定的參數(shù)緊密相連，對參數(shù)的調(diào)節(jié)恰當(dāng)與否也直接關(guān)系到預(yù)處理效果的好壞。實驗結(jié)果中

57、也可以看出這一點。理想的效果是以采樣點為中心，采樣率逐漸減小。</p><p>　　三、多尺度Retinex灰度圖像增強(qiáng)算法 </p><p>　　圖像增強(qiáng)的方法分為兩大類:空域法和頻域法 .“空域”一詞指圖像平面本身,是以對圖像的像素直接處理為基礎(chǔ)的. 本文研究空域法. 傳統(tǒng)的空域法,如直方圖均衡和線性對比度增強(qiáng)方法,在提高有用信息對比度的同時,也增強(qiáng)了無用信息的對比度 . 如在車輛識別

58、中,車輛受光照、高大建筑物、樹木等形成的陰影噪聲影響,在提高車輛對比度的同時也提高了光照和陰影等噪聲的對比度,因此增加了計算機(jī)視覺方法如目標(biāo)定位與跟蹤的難度. 光照和陰影等噪聲的存在給這些物體的特征提取和識別帶來了極大的困難. 因此有必要研究可靠的方法對原始彩色圖像進(jìn)行補(bǔ)償或消除,減少噪聲干擾,提高機(jī)器識別率. 基于此考慮,Land于20世紀(jì)60年代末提出了基于人類視覺 感知的Retinex理論。</p><p&g

59、t;　　下面為多尺度Retinex算法的實驗結(jié)果：</p><p><b>　　霧天</b></p><p><b>　　沙塵天 </b></p><p><b>　　霾天</b></p><p><b>　　水中</b></p><p

60、><b>　　昏暗天氣 </b></p><p>　　圖3-3多尺度Retinex灰度圖像增強(qiáng)算法各種天氣下增強(qiáng)效果圖</p><p><b>　　四．區(qū)域處理</b></p><p>　　區(qū)域處理的主要任務(wù)是選取圖像中用戶感興趣的特定區(qū)域，并對其進(jìn)行濾波等操作，以達(dá)到改善局部圖像的目的。對于監(jiān)控圖像進(jìn)行區(qū)域處理

61、尤其重要，當(dāng)ROI區(qū)域視覺效果不太明顯時，往往通過區(qū)域處理的方法來改善。</p><p>　　下面是區(qū)域處理的實例和效果圖</p><p>　　原圖 模板 </p><p><b>　　處理圖 </b></p><p>　　圖3-3 區(qū)域處理效果圖

62、 </p><p>　　第四章 監(jiān)控圖像壓縮技術(shù)</p><p>　　4.1 離散小波變換和DCT變換及其應(yīng)用</p><p>　　一．小波變換及其應(yīng)用</p><p>　　1

63、984年法國的年輕的地球物理學(xué)家Jean Morlet在進(jìn)行石油勘探的地震數(shù)據(jù)處理分析時與法國理論物理學(xué)家A.Grossman一起提出了小波變換(wavelet transform, WT)的概念并定義了小波函數(shù)的伸縮平移系：</p><p><b>　　，</b></p><p>　　但并沒有受到學(xué)術(shù)界的重視。直到1986年法國大數(shù)學(xué)家Yves Meyer構(gòu)造出平方

64、可積空間L2的規(guī)范正交基——二進(jìn)制伸縮平移系：</p><p>　　小波才得到數(shù)學(xué)界的認(rèn)可。</p><p>　　1987年正在讀碩士的Stephane Mallat將自己熟悉的圖像處理的塔式算法引入小波分析，提出多分辨分析的概念和構(gòu)造正交小波的快速算法——Mallat算法。1988年法國女科學(xué)家Inrid Daubechies構(gòu)造出具有緊支集的正交小波基——Daubechies小波。19

65、90年美籍華裔數(shù)學(xué)家崔錦泰和武漢大學(xué)的數(shù)學(xué)教授王建忠又構(gòu)造出基于樣條函數(shù)的單正交小波函數(shù)——樣條小波。1992年Daubechies在美國費城舉行的CBMS-NFN應(yīng)用數(shù)學(xué)大會上作了著名的《小波十講Ten Lectures on Wavelets》報告，掀起了學(xué)習(xí)與應(yīng)用小波的高潮。1994年Wim Swelden提出了一種不依賴于Fourier變換的新的小波構(gòu)造方法——提升模式(lifting scheme)，也叫第二代小波或整數(shù)小波變

66、換。</p><p>　　連續(xù)小波變換(CWT = Continuous wavelet transform)的定義為：</p><p>　　其中，a為縮放因子（對應(yīng)于頻率信息），b為平移因子（對應(yīng)于時空信息），為小波函數(shù)（又叫基本小波或母小波），表示的復(fù)共軛。</p><p><b>　　小波變換的特點有：</b></p>&l

67、t;p>　　1.時頻局域性、多分辨分析、數(shù)學(xué)顯微鏡</p><p>　　2.自適應(yīng)窗口濾波：低頻寬、高頻窄</p><p>　　3.適用于去噪、濾波、邊緣檢測等</p><p>　　如同三角函數(shù)sin x和cos x及e-jx可以縮放構(gòu)成函數(shù)空間的基底{sin nx, cos nx}及{ e-jwx }一樣，母小波也可以縮放和平移而構(gòu)成函數(shù)空間的基底：<

68、/p><p><b>　　及</b></p><p>　　與傅立葉變換不同，小波變換的結(jié)果有兩個參數(shù)，多了一個可以表示時空位置信息的平移因子，所以其圖示為一個二維曲面。</p><p>　　將連續(xù)小波變換的縮放因子a離散化，得到二進(jìn)小波變換；再將其平移因子b也離散化，就得到離散小波變換。</p><p>　　以下為小波變換的

69、圖像實驗結(jié)果：</p><p>　　圖4-1 用小波變換實現(xiàn)的圖像壓縮效果圖（分別為對比度較低和較高的情況）</p><p>　　圖4-2 小波變換用于圖像融合</p><p>　　圖4-3 小波變換用于圖像增強(qiáng)</p><p>　　二．DCT變換及其應(yīng)用</p><p>　　在傅里葉級數(shù)式中，如果被展開的函數(shù)是實偶函

70、數(shù)，那么，其傅里葉技術(shù)中只包含余弦項，在將其離散化由此可導(dǎo)出余弦變換，或稱之為離散余弦變換(DCT，Discrete Cosine Transform)。</p><p>　　二維離散余弦正變換公式為數(shù)展開</p><p><b>　　式中，。</b></p><p>　　二維離散余弦逆變換公式為</p><p><

71、;b>　　式中，。 </b></p><p>　　JPEG采用的是8×8大小的子塊的二維離散余弦變換。在編碼器的輸入端，把原始圖像順序地分割成一系列8×8的子塊，子塊的數(shù)值在-128到127之間。采用余弦變換獲得64個變換系數(shù)。變換公式如下：</p><p><b>　　式中，。</b></p><p>　

72、　對于一個8*8的矩陣，經(jīng)過DCT變換后的8*8系數(shù)矩陣的左上部分為直流部分，右下部分為高頻部分。壓縮應(yīng)該在最合理的近似原始圖像的情況下使用最少的系數(shù)，使用系數(shù)的多少也決定了壓縮比的大小。</p><p>　　下面為DCT變換的實驗結(jié)果：</p><p>　　圖4-4 不同圖像DCT變換的結(jié)果</p><p>　　圖4-5 實驗給出的8*8DCT系數(shù)的權(quán)重</

73、p><p>　　圖4-6 DCT壓縮重建圖像與采用的系數(shù)數(shù)目關(guān)系演示圖</p><p>　　圖4-7 壓縮采用的系數(shù)數(shù)量與信噪比間的關(guān)系圖</p><p>　　4.2 監(jiān)控圖像DCT壓縮的GUI可視化編程實現(xiàn)</p><p>　　實現(xiàn)平臺：matlab v6.5</p><p>　　主程序文件名稱：ddct.m</p

74、><p><b>　　附屬m文件：</b></p><p>　　pinp:顯示Saturn圖像DCT變換后的頻譜分布</p><p>　　zhifang:顯示Saturn圖像DCT變換后的直方圖</p><p>　　本程序使用的與離散余弦變換有關(guān)的指令：</p><p>　　dct:離散余弦變換

75、 idct:離散余弦變換的反變換</p><p>　　dct2:計算二維離散余弦變換 idct2：計算二維離散余弦變換的逆變換</p><p>　　dctmtx：計算離散余弦變換矩陣實 dctmtx2：計算二維離散余弦變換矩陣</p><p>　　dctdemo:二維離散余弦變換圖像壓縮演示</p>

76、<p><b>　　相關(guān)函數(shù)：</b></p><p>　　MakeDCT():計算當(dāng)前圖像的8*8DCT矩陣</p><p>　　ApplyDCT():調(diào)用函數(shù)MakeDCT()，對原始圖像應(yīng)用DCT系數(shù)</p><p>　　SliderUpdate():用于更新重建圖像的矩陣模板</p><p><b

77、>　　使用的圖像：</b></p><p>　　Saturn.tif</p><p><b>　　Pout.tif</b></p><p><b>　　Trees.tif</b></p><p>　　Quarter.tif</p><p>　　Circuit

78、.tif</p><p>　　程序使用說明：滑塊用來選擇DCT系數(shù)集，選中的系數(shù)集用滑塊上方的圖形窗口中的白色空格表示出來。一旦滑塊的位置確定下來后，再按“應(yīng)用”按鈕就產(chǎn)生對應(yīng)于該系數(shù)集的重建的圖像以及原始圖像與重建圖像的差圖像。按下“DCT變換”鍵可看到以Saturn圖像為例的dct變換實例。下面的文字顯示重構(gòu)圖像的均方誤差。</p><p>　　下面為實驗結(jié)果的幾個截圖:</p&

79、gt;<p>　　圖4-8 對Pout圖像分別以64,32,1個系數(shù)復(fù)原圖像的效果對比圖</p><p>　　圖4-9 對Saturn圖像的復(fù)原圖和單獨分析圖</p><p><b>　　參考文獻(xiàn)</b></p><p>　　章毓晉。圖像工程上冊:圖象處理和分析。北京：清華大學(xué)出版社。1999.10。</p><

80、;p>　　章毓晉。圖像分割。北京：科學(xué)出版社。2001。</p><p>　　原島博。圖像信息壓縮。薛培鼎譯。北京：科學(xué)出版社。2004.3。</p><p>　　張春田，蘇育挺，張靜。數(shù)字圖像壓縮編碼。北京：清華大學(xué)出版社。2006。</p><p>　　姚慶棟，畢厚杰，王兆華，徐孟俠。圖像編碼基礎(chǔ)。杭州：浙江大學(xué)出版社。1992。</p>&

81、lt;p>　　荊其誠，焦書蘭，紀(jì)桂萍。人類的視覺。北京：科學(xué)出版社。1997。</p><p>　　高文。多媒體數(shù)據(jù)壓縮技術(shù)。北京：電子工業(yè)出版社。2002。</p><p>　　肖自美。圖像信息理論與壓縮編碼技術(shù)。廣州：中山大學(xué)出版社。</p><p>　　精英科技。視頻壓縮與音頻編碼技術(shù)。北京：中國電力出版社。</p><p>　　

82、張旭東，盧國棟，馮建。圖像編碼基礎(chǔ)和小波變換技術(shù)——原理，算法和標(biāo)準(zhǔn)。北京：清華大學(xué)出版社。2004。</p><p>　　張靜，張春田。JPEG2000基本系統(tǒng)的功能擴(kuò)展。計算機(jī)工程與應(yīng)用學(xué)報。2003年39期。</p><p>　　張宏基，陳尚勤，華達(dá)芬等。數(shù)字通信數(shù)學(xué)基礎(chǔ)。北京：人民郵電出版社。1982。</p><p>　　趙榮椿。數(shù)字圖像處理導(dǎo)論。西安：西

83、北工業(yè)大學(xué)出版社。1995。</p><p>　　程正興。小波分析算法與應(yīng)用。西安：西安交通大學(xué)出版社。1998。</p><p>　　劉紅梅?；谛〔ㄗ儞Q的視頻編碼和數(shù)字圖像/視頻水印關(guān)鍵技術(shù)的研究。中山大學(xué)博士論文。2001。</p><p>　　王東生，曹磊?；煦?，分形及其應(yīng)用。合肥：中國科學(xué)技術(shù)大學(xué)出版社。1995。</p><p>

84、　　朱秀昌，劉峰，胡棟。數(shù)字圖像處理與圖像通信。北京：北京郵電大學(xué)出版社。2002。</p><p>　　沈亞蓀等。視頻編碼與低速率傳輸。北京：電子工業(yè)出版社。2001。</p><p>　　鐘玉琢等。基于對象的多媒體數(shù)據(jù)壓縮編碼標(biāo)準(zhǔn)——MPEG-4及其校驗?zāi)Ｐ?。北京：科學(xué)出版社。2000。</p><p>　　潘文杰。傅里葉分析及其應(yīng)用。北京：北京大學(xué)出版社。20

85、00。</p><p>　　日下秀夫。彩色圖像工程。朱虹譯。北京：科學(xué)出版社。2004.</p><p>　　小野定康，鈴木純司。JPEG/MPEG技術(shù)。葉明譯。北京：科學(xué)出版社。2004。</p><p>　　小野定康，鈴木純司。JPEG2000技術(shù)。強(qiáng)增譯。北京：科學(xué)出版社。2004。</p><p>　　鄒謀炎。反卷積與信號復(fù)原。北京：

86、國防工業(yè)出版社。2001。</p><p>　　馬頌德，張正友。計算機(jī)視覺。北京：科學(xué)出版社。1998。</p><p>　　張志涌。精通matlab 6.5。北京：北京航天航空大學(xué)出版社。2003。</p><p>　　張兆禮?，F(xiàn)代圖像處理技術(shù)及Matlab實現(xiàn)。北京：人民郵電出版社。2001。</p><p>　　陳懷琛。MATLAB及其

87、在理工課程中的應(yīng)用指南。西安：西安電子科技大學(xué)出版社。</p><p>　　宋凱，沈紅。多尺度Retinex灰度圖像增強(qiáng)算法。沈陽：遼寧大學(xué)學(xué)報自然科學(xué)版第35卷第1期。2008</p><p>　　鄭勇，劉大成?；谝暰W(wǎng)膜中央凹視覺的監(jiān)控圖像處理方法。北京：清華大學(xué)學(xué)報自然科學(xué)版第45卷第2期。2005。</p><p>　　李學(xué)明。基于Retinex理論的圖像增

88、強(qiáng)算法。北京：北京郵電大學(xué)學(xué)報2005年第二期。2005。</p><p>　　沙莎，羅三定，周尤明。數(shù)字視頻監(jiān)控圖像壓縮方法研究。廣州：中山大學(xué)信息學(xué)院。2007。</p><p>　　全洪淵，劉愛君。一種應(yīng)用于隧道視頻監(jiān)控的圖像識別系統(tǒng)。重慶：重慶大學(xué)自動化學(xué)院。2007。</p><p>　　禮水根，吳紀(jì)桃。分形與小波。北京：科學(xué)出版社。2002。</p

89、><p>　　程正興。小波分析算法與應(yīng)用。西安：西安交通大學(xué)出版社。1998。</p><p>　　秦前清，楊宗凱。實用小波分析。西安：西安電子科技大學(xué)出版社。1995。</p><p>　　崔錦泰著。程正興譯。小波分析導(dǎo)論。西安：西安交通大學(xué)出版社。1995。</p><p>　　劉紅梅。基于小波變換的視頻編碼和數(shù)字圖像關(guān)鍵技術(shù)的研究。廣州：中

90、山大學(xué)博士論文。2001。</p><p>　　39.Blake A, Zisserman A. Visual reconstruction. Cambridge, MA: MIT Press.1987.</p><p>　　Bovik A. a Handbook of Image and Video Processing. New York: Elsevier.2005.</p&g

91、t;<p>　　Kline M. Mathematical thought from ancient to modern times. Oxford: Oxford University Press.1972.</p><p>　　Barnsley M F et al. A better way to compress images. Byte: 215-223.1998.</p>&

92、lt;p>　　Banham M R, Katsaggelos A K. Digital image restoration. IEEE Signal Processing Magazine:24-41.1997</p><p>　　Green M. Statistics of images, the TV algorithm of Rudin-Osher-Fatemi for image denoising

93、 and an improved denoising algorithm. CAM Report 02-55,UCLA, October.</p><p>　　ISO/IEC IS 14496-1: Information technology——coding of audio-visual objects-Part1: Systems.1999.</p><p>　　ISO/IEC IS

94、 14496-2: Information technology——coding of audio-visual objects-Part2: Visual.1999.</p><p>　　ISO/IEC IS 14496-3: Information technology——coding of audio-visual objects-Part2: Audio.2000.</p><p>

95、;　　ISO/IEC IS 14496-6: Information technology——coding of audio-visual objects-Part6: Delivery multimedia integration framework.2000.</p><p>　　Koenderink J. The structure of images. Biol. Cybern,50.363-370.19