学位论文 > 优秀研究生学位论文题录展示

基于OPENCV的图像分割与目标跟踪算法的设计与实现

作　者: 闫靖波
导　师: 柳玉辉; 杨金柱
学　校: 东北大学
专　业: 计算机软件与理论
关键词: 蚁群算法卡尔曼滤波 OpenCV 图像分割模糊聚类
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 30次
引　用: 0次
阅　读: 论文下载

内容摘要

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。

全文目录

摘要  5-6
Abstract  6-7
目录  7-10
第1章绪论  10-16
  1.1 课题背景和意义  10
  1.2 国内外研究现状及难点  10-11
  1.3 OpenCV综述  11-14
  1.4 研究内容和论文结构  14-16
    1.4.1 研究内容  14
    1.4.2 论文结构  14-16
第2章图像预处理  16-28
  2.1 图像噪声  16-17
  2.2 图像去噪  17-22
    2.2.1 均值滤波  17-18
    2.2.2 加权平均法  18-19
    2.2.3 中值滤波  19-21
    2.2.4 中值平均滤波算法  21-22
  2.3 直方图均衡  22-24
  2.4 数学形态学滤波  24-27
    2.4.1 膨胀和腐蚀  24-26
    2.4.2 开运算和闭运算  26-27
  2.5 本章小结  27-28
第3章图像分割相关技术  28-40
  3.1 图像分割概述  28
  3.2 图像分割的原理  28-29
  3.3 图像分割方法分类  29-39
    3.3.1 基于阈值的分割法  30-32
    3.3.2 基于边缘的分割算法  32-35
    3.3.3 基于区域的分割方法  35-36
    3.3.4 结合特定理论的图像分割技术  36-39
  3.4 本章小结  39-40
第4章基于蚁群算法模糊聚类的图像分割算法  40-56
  4.1 蚁群算法  40-48
    4.1.1 蚁群算法起源  40-42
    4.1.2 基本蚁群算法模型  42-43
    4.1.3 TSP问题  43-47
      4.1.3.1 TSP问题分析  43-46
      4.1.3.2 TSP算法流程  46-47
    4.1.4 基本蚁群算法的不足  47-48
  4.2 基于蚁群模糊聚类的图像分割算法的设计与实现  48-55
    4.2.1 算法设计  48-54
      4.2.1.1 初始聚类中心设置  49-50
      4.2.1.2 引导函数设置  50
      4.2.1.3 算法流程  50-54
    4.2.2 实验结果与分析  54-55
  4.3 本章小结  55-56
第5章基于KALMAN滤波与特征匹配的目标跟踪算法  56-72
  5.1 目标跟踪综述  56-61
    5.1.1 基于Marr视觉理论的跟踪框架  56
    5.1.2 基于贝叶斯理论的跟踪框架  56-61
  5.2 Kalman滤波原理  61-64
  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  64-71
    5.3.1 算法设计  64-65
    5.3.2 算法流程  65-69
    5.3.3 实验结果及分析  69-71
  5.4 本章小结  71-72
第6章结论与展望  72-74
  6.1 本文总结  72-73
  6.2 今后工作展望  73-74
参考文献  74-78
致谢  78

相似论文

基于微型无人平台导航多传感器信息融合算法研究,V249.32
SINS/GPS组合导航系统算法研究,V249.328
机载导弹的传递对准研究,V249.322
偏振光/地磁/GPS/SINS组合导航算法研究,V249.328
多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
基于蚁群算法的电梯群优化控制研究,TU857
带径向速度观测的跟踪算法研究,TN953
森林防火系统中图像识别算法的研究,TP391.41
动态环境下移动对象导航系统相关技术的研究,TP301.6
移动机器人视觉检测和跟踪研究,TP242.62
数字图像处理在集装箱检测中的应用研究,TP274.4
基于改进蚁群算法的机器人路径规划研究,TP242
个性化人工膝关节设计及其生物力学特性研究,R318.1
基于图像处理技术的烟叶病害自动识别研究,S435.72
土壤环境功能区划研究,X321
红外图像目标识别及跟踪技术研究,TP391.41
细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
绕线式异步电动机直接转矩控制,TM343
分布式光纤传感定位系统中时间延迟估计研究,TN95
实用车载GPS/DR组合导航系统研究,TN967.2
基于蚁群和人工鱼群混合群智能算法在物流配送路径优化问题中的应用研究,F253.9