对光照、阴影和反光具有鲁棒性的变化检测算法及实现

变化检测算法研究就是要发展一种能实现目标自动检测的算法,实现对视频图像序列的初级分析,稳定可靠地识别目标区域,实现运动图像分割,它是实现目标的识别、跟踪和报警等高层次的自动视频监视应用的重要基础,也是计算机视觉研究的一个重要领域。文章在研究了目前的多种变化检测算法的基础上,提出了一种基于线性相关的变化检测的算法。该算法以每一象素及其邻域组成的集合作为图像矢量来描述图像,用局部线性相关检测器来判断背景图像和当前图像的对应图像矢量是否线性相关,从而确定是否有变化发生。室内外的试验结果表明,基于线性相关的变化检测新算法对真实环境中的光照、阴影和反光具有较强鲁棒性,对噪声也有较强的抑制作用。该算法可准确地检测语义目标及其内部,且边缘光滑,检测目标与原图像中的目标准确地吻合,可以提高变化检测的精度,极大地增强自动视频监视系统对环境光照变化的适应能力。

城区红外遥感云层检测技术

针对复杂地物背景下的城区红外遥感图像的云层干扰问题,提出了一种基于图像特征提取、区域投票表决和阈值分割的云层检测方法。对图像进行去噪和归一化拉伸处理,再进行多特征提取,并通过提取的特征向量对图像进行分区域云层投票表决,最后根据表决结果和分形特征度量矩阵进行阈值计算和阈值分割,并通过形态学处理得到精确的云层区域。统计检测结果显示算法对不同时刻的数据检测准确率在91%以上,证明了算法的适用性和有效性,为红外遥感图像的信息处理提供了有效的技术支持。

基于柯西分布的视频图像序列背景建模和运动目标检测

提出了一种用于视觉监视系统的基于柯西分布的发光模型的光照不变变化检测方法。假定视频图像序列中每个背景图像像素点灰度观测值的时序变化由白噪声引起,利用建立的初始化背景高斯统计模型对每帧图像进行归一化,得到了背景像灰度比值的分布符合标准柯西分布的结论,解决了柯西分布的模型参量估计问题。在变化检测的基础上,YCbCr颜色空间的亮度、色调和饱和度被用来识别和消除由阴影和反光等引起的变化区域。结果表明,提出的背景建模方法对场景中各种光线变化、小的背景扰动等噪声具有稳健性,可以较为可靠地检测前景目标,识别和去除阴影和反光。