·64 智能系统学报 第7卷 「m m2 则轮廓的运动目标图像，在该图像中仍可能残留一 M= ms m6 些孤立的噪声点，利用形态学滤波处理技术对差分 图像进行后处理，通过形态学开、闭运算弥补断裂的 设p=(x1,y)和q=(名2y2)是匹配的兴趣点对，则有 轮廓线和填补空洞，并滤除残留的噪声点，以检测出 2 运动目标区域。 m m3 2.4基于Mean shift的图像分割与精确检测 ms ms Y2 由于差分运算会把运动目标区域扩大，经过上 1 mo- 述差分求积二值化检测得到的包含运动目标区域的 由于最近距离比次近距离匹配方法得到的匹配 图像，很容易出现将背景当做运动目标区域的误检 点对中，还可能有误匹配，因此本文结合RANSAC 情况.此外形态学开运算容易将连接纤细的运动目 算法和最小二乘法计算得到图像间的透视变换关 系[ 标区域割裂开来，造成多检情况的发生.为此，采用 结合Mean shift图像分割方法来精确提取运动目标 2.2.4视频帧配准 轮廓。 在完成透视变换模型参数的求解之后，就要利 基于Mean shi近的图像分割与图像平滑非常类 用得到的透视变换矩阵M把待配准视频帧中的每 似，只需要把收敛到同一点的起始点归为一类，然后 一点映射到参考图像的坐标系中，对待配准的视频 帧进行插值重采样，就可以得到同一坐标系下的配 把这一类的标号赋给这些起始点.在图像分割中有 时还需要把包含像素点太少的区域去掉.该分割方 准结果.常用的插值方法有最近邻法、双线性法、双 法能有效得到图像中物体的轮廓[0 三次卷积法等，本文采用双线性插值的方法 2.5运动目标检测实现算法 2.3差分求积二值化与形态学滤波 综合上述内容，给出SURF特征与Mean shift图 2.3.1差分求积二值化运动目标区域检测 确定了相邻帧之间的透视变换关系后，将后一 像分割相结合的运动目标检测实现算法， 帧按此变换关系与前一帧图像配准，再进行差分运 算法：动态成像条件下基于SURF和Mean shi近 算，以减掉背景图像.理论上对于差分图像来说，只 的运动目标检测， 有运动重叠部分对应的像素值非零，但由于噪声的 输人：连续4帧视频图像Ic1、Ig la、Ic4 影响，差分图像中存在很多虚假的运动目标.为解决 输出：运动目标检测结果R. 这一问题，考虑差分图像之间必然存在运动重叠区 1)基于SURF特征的视频帧配准.先将连续4 域，采用多帧差分求积二值化的方法使差分图像中 帧的原始视频图像Ic1、I2、Lca、I4转化成灰度图像 运动边缘的相关峰更加尖锐，这样就能有效排除噪 Iclc2、lale4 声，正确检测出运动目标区域.因此，采用相邻4帧 a)对连续4帧图像Ic1、Ia、Ica、I4分别进行 差分求积二值化的方法，算式如式(1)： SURF兴趣点检测和描述； F'(x,y）=lf(x,y）-f3(x,y）I× b)将Ic和I3、Ic2和Ic4中的兴趣点分别进行匹 1f(x,y)-f4(x,y)1. (1) 配，得到匹配的兴趣点对； 式中：f(x,y)为第1帧图像f2(x,y)为第2帧图像， c)根据Ic1和Ia、I2和Ic4之间匹配的兴趣点 (x,y)为第3帧配准到第1帧得到的图像f(x,y) 对，进行透视变换模型参数的最小二乘估计； 为第4帧配准到第2帧得到的图像，F(x,y)为差分 d)利用双线性插值方法，将Is配准到Ic图像 求积图像.如果图像中没有运动物体，则2幅图像灰 坐标系下、I4配准到I2图像坐标系下，配准结果分 度差为零，只有运动重叠区域会在差分图像中产生 别为Ica1、Ic2 高的相关峰，按阈值α分割得到二值图像F(x,y), 2)差分求积二值化分割与形态学滤波处理 检测出运动目标 a)将配准后的图像Ica1、I42分别与原始图像 F(x,y）=l,F'(,J)≥a; Ic1、Ic2做差分运算，得到差分后的图像Ics、I6; L0,F'(x,y)a. b)将Is、Is相乘，并按阈值a分割得到二值图 与其他方法相比，该方法具有计算简单、精度高 像Ica; 和抗噪性强的优势， c)对Ic进行形态学滤波处理，结果为Ics: 2.3.2形态学滤波后处理 3)基于Mean shift的图像分割与边缘检测.分 经过差分求积二值化处理后，得到了包含不规 别用x:和：（i=1,2,…,n)表示1I4和Ic4分割后图