視頻序列中運動目標(biāo)輪廓提取的并行算法研究.pdf

1、視頻是當(dāng)今信息時代不可或缺的信息載體，而計算機視覺近年來一直是國內(nèi)外研究的熱點，運動目標(biāo)輪廓提取作為其中的一個重要分支，廣泛應(yīng)用于圖像分割、目標(biāo)識別等領(lǐng)域。在視頻處理中實時性也是研究者追求的目標(biāo)，而提取視頻序列中的運動目標(biāo)輪廓往往計算量龐大，難以滿足視頻處理實時性的要求。隨著異構(gòu)計算的高速發(fā)展，在圖像處理算法中采用異構(gòu)計算進行并行加速是有效解決實時性問題的一種方法。
　　本文首先研究了運動目標(biāo)輪廓提取算法的相關(guān)理論，包括常見的目標(biāo)

2、檢測方法和常見的目標(biāo)輪廓提取技術(shù)，詳細(xì)分析了算法各自的特點。
　　然后，本文提出了的一種改進的基于邊緣檢測的運動目標(biāo)輪廓提取算法。由于采用高斯混合模型和Canny邊緣算子實現(xiàn)的經(jīng)典的基于邊緣檢測的運動目標(biāo)輪廓提取算法受噪聲干擾大，難以獲得完整清晰目標(biāo)輪廓。故本文采用形態(tài)學(xué)閉運算消除由高斯混合建模得到的前景圖中的孔洞，然后通過中值濾波消除前景圖中的椒鹽噪聲，再通過Canny算子對原視頻幀圖像進行邊緣檢測，最后將邊緣檢測結(jié)果圖與處理后

3、的前景圖做“與”運算，二值化后得到最終的運動目標(biāo)輪廓結(jié)果。實驗結(jié)果證明，本文提出的算法很大地提高了運動目標(biāo)輪廓的精度，能夠提取到更完整、清晰的目標(biāo)輪廓。
　　為了解決視頻處理實時性的問題，本文采用OpenCL并行實現(xiàn)了本文提出的運動目標(biāo)輪廓提取算法。首先，本文介紹了常用的異構(gòu)計算框架OpenCL，比較了OpenCL與CUDA的特點，分析本文選用OpenCL并行實現(xiàn)運動目標(biāo)輪廓提取算法的原因。然后，本文根據(jù)算法特點劃分了OpenCL