基于OPENCV的图像分割与目标跟踪算法的设计与实现

论文摘要

计算机视觉的目的是赋予机器视觉系统人类的视觉感知功能,并根据感知到的图像对实际物体和场景做出有意义的判断。OpenCV作为一种开源、强大的图像处理和计算机视觉的函数库,可以保证代码的稳定性和实用性。运动目标检测和跟踪是计算机视觉、模式识别、视频编码、智能视频监控等研究领域的重点与难点,经过数十年的不断深入研究上述技术取得长足进步,但实践表明运动目标的检测、跟踪与识别技术远未成熟。本文利用OpenCV的运动目标检测和跟踪的数据结构、函数和基本框架,建立了一个运动目标检测与跟踪系统,主要包括：图像预处理、运动目标的检测模块、车辆跟踪模块。首先本文分析了图像噪声的原理和产生原因,在图像预处理模块中,结合均值滤波和中值滤波提出了中值平均滤波方法,并涉及到直方图均衡和形态学滤波预处理方法。其次本文对常见的图像分割算法进行了较为深入的介绍和探讨,在检测模块部分,将蚁群算法用于图像分割中,设计实现了一种基于蚁群模糊聚类的图像分割算法,对像素进行分类,减少搜索时间,可较为准确的检测出目标。最后在跟踪模块,本文提出了一种基于卡尔曼滤波的特征匹配跟踪算法,以目标质心和面积为特征,缩小搜索范围,实现了对目标的准确跟踪。实验结果表明本文基于OpenCV的运动目标检测与跟踪相关算法具有良好的鲁棒性,能够准确的对运动目标进行准确的检测和跟踪。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 课题背景和意义
• 1.2 国内外研究现状及难点
• 1.3 OpenCV综述
• 1.4 研究内容和论文结构
• 1.4.1 研究内容
• 1.4.2 论文结构
• 第2章 图像预处理
• 2.1 图像噪声
• 2.2 图像去噪
• 2.2.1 均值滤波
• 2.2.2 加权平均法
• 2.2.3 中值滤波
• 2.2.4 中值平均滤波算法
• 2.3 直方图均衡
• 2.4 数学形态学滤波
• 2.4.1 膨胀和腐蚀
• 2.4.2 开运算和闭运算
• 2.5 本章小结
• 第3章 图像分割相关技术
• 3.1 图像分割概述
• 3.2 图像分割的原理
• 3.3 图像分割方法分类
• 3.3.1 基于阈值的分割法
• 3.3.2 基于边缘的分割算法
• 3.3.3 基于区域的分割方法
• 3.3.4 结合特定理论的图像分割技术
• 3.4 本章小结
• 第4章 基于蚁群算法模糊聚类的图像分割算法
• 4.1 蚁群算法
• 4.1.1 蚁群算法起源
• 4.1.2 基本蚁群算法模型
• 4.1.3 TSP问题
• 4.1.3.1 TSP问题分析
• 4.1.3.2 TSP算法流程
• 4.1.4 基本蚁群算法的不足
• 4.2 基于蚁群模糊聚类的图像分割算法的设计与实现
• 4.2.1 算法设计
• 4.2.1.1 初始聚类中心设置
• 4.2.1.2 引导函数设置
• 4.2.1.3 算法流程
• 4.2.2 实验结果与分析
• 4.3 本章小结
• 第5章 基于KALMAN滤波与特征匹配的目标跟踪算法
• 5.1 目标跟踪综述
• 5.1.1 基于Marr视觉理论的跟踪框架
• 5.1.2 基于贝叶斯理论的跟踪框架
• 5.2 Kalman滤波原理
• 5.3 基于Kalman滤波与特征匹配的目标跟踪算法的设计与实现
• 5.3.1 算法设计
• 5.3.2 算法流程
• 5.3.3 实验结果及分析
• 5.4 本章小结
• 第6章 结论与展望
• 6.1 本文总结
• 6.2 今后工作展望
• 参考文献
• 致谢