复杂背景下基于图像融合的运动目标轮廓提取算法

合集下载

基于多模型融合的SAR图像目标轮廓提取方法

优良的输入信息。
关键词：合成孔径雷达；目标轮廓提取；活轮廓模型；多模型融合；ＧＯ分布
中图分类号：ＴＰ７５１．１文献标识码：Ａ文章编号：０２５８ — ７９９８ｆ２０１３）０９ — ００８５ — ０４
Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｍｅｔｈｏｄｏｆｔａｒｇｅｔｃｏｎｔｏｕｒｅｘｔｒａｃｔｉｏｎｂａｓｅｄｏｎａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌａｎｄｍｕｌｔｉ —ｍｏｄｅｌｆｕｓｉｏｎ．ＯｎｔｈｅｂａｓｉｓｏｆＢａｌｌｏｏｎｍｏｄｅｌ，ａｎｉｍｐｒｏｖｅｄａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌ，ｗｅｉｎｃｏｒｐｏｒａｔｅＧＯｓｔａｔｉｓｔｉｃａｌｄｉｓｔｉｂｒｕｔｉｏｎ，ｒｅｇｉｏｎａｌｓｔａｔｉｓｔｉｃｓｂａｓｅｄ
基于多模型融合的ＳＡＲ图像目标轮廓提取方法
王沛，周鑫，王从庆，叶永强（南京航空航天大学自动化学院，江苏南京２１００１６）
摘要：提出一种基于参数活动轮廓模型的多模型融合的合成孔径雷达ＳＡＲ（ＳｙｎｔｈｅｔｉｃＡｐｅｒｔｕｒｅＲａｄａｒ）图像目标轮廓提取方法，即在活动轮廓模型Ｂａｌｌｏｏｎ中引入新兴统计分布模型ＧＯ分布、基于区域的统计活动轮廓模型和多边缘检测算子模型，获得了一种新的目标轮廓提取方法。基于ＭＳＴＡＲ项目的真实ＳＡＲ图像的实验结果表明，本文所提出的方法能准确地获得ＳＡＲ图像目标轮廓，可用于执行实际的ＳＡＲ图像轮廓提取任务，为后续的ＳＡＲ图像自动识别和特征级图像融合等任务提供了较为

基于深度图与改进Canny算法的人体轮廓提取

收稿日期：２０２０－０６－２６修回日期：２０２０－１０－２８基金项目：陕西省科技成果转移与推广计划项目（２０１９ＣＧＸＮＧ－０１８）作者简介：李　科（１９９５－），男，硕士研究生，通信作者，研究方向为图片信息处理、人体测量；毋　涛，教授，硕导，博士，研究方向为智能信息处理。

基于深度图与改进Ｃａｎｎｙ算法的人体轮廓提取李　科，毋　涛，刘青青（西安工程大学计算机科学学院，陕西西安７１００４８）摘　要：在二维图像学人体尺寸测量中，人体轮廓提取是后续特征点划分和尺寸测量的基础，传统的二维图像人体轮廓提取都是通过彩色图像转灰、二值化然后结合边缘检测算子获取人体轮廓，这样的方法大多会出现边缘缺失、断点，无法克服复杂背景等缺陷。

针对这些问题，通过将ＲｅａｌＳｅｎｓｅ测距传感特点获取到的深度图像与边缘检测算法Ｃａｎｎｙ相结合，提出一种新的人体轮廓提取方法。

深度图像的像素值反映场景中物体到相机的距离可以有效区分目标物与背景以此克服复杂背景因素的影响并保证轮廓的完整性。

实验通过与传统的彩色图结合边缘检测算子的轮廓提取方法相比，验证了由该方法得出的人体轮廓图不仅可以克服复杂的背景，而且能够在保证边缘更完整、更清晰、细腻的同时对图片噪声起到了很好的抑制效果。

关键词：Ｃａｎｎｙ算法；深度图；图像处理；边缘检测；人体轮廓中图分类号：ＴＰ３１７．４文献标识码：Ａ文章编号：１６７３－６２９Ｘ（２０２１）０５－００６７－０６ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３－６２９Ｘ．２０２１．０５．０１２ＨｕｍａｎＣｏｎｔｏｕｒＥｘｔｒａｃｔｉｏｎＢａｓｅｄｏｎＤｅｐｔｈＭａｐａｎｄＩｍｐｒｏｖｅｄＣａｎｎｙＡｌｇｏｒｉｔｈｍＬＩＫｅ，ＷＵＴａｏ，ＬＩＵＱｉｎｇ－ｑｉｎｇ（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，Ｘｉ’ａｎＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１００４８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｈｕｍａｎｃｏｎｔｏｕｒｅｘｔｒａｃｔｉｏｎｉｓｔｈｅｂａｓｉｓｏｆｆｅａｔｕｒｅｐｏｉｎｔｄｉｖｉｓｉｏｎａｎｄｄｉｍｅｎｓｉｏｎｍｅａｓｕｒｅｍｅｎｔｉｎｔｗｏ－ｄｉｍｅｎｓｉｏｎａｌｉｍａｇｅｍｅａｓｕｒｅｍｅｎｔ．Ｔｒａｄｉｔｉｏｎａｌｔｗｏ－ｄｉｍｅｎｓｉｏｎａｌｉｍａｇｅｈｕｍａｎｃｏｎｔｏｕｒｅｘｔｒａｃｔｉｏｎｉｓｔｈｒｏｕｇｈｉｍａｇｅｇｒａｙ，ｂｉｎａｒｉｚａｔｉｏｎａｎｄｔｈｅｎｃｏｍｂｉｎｅｄｗｉｔｈｅｄｇｅｄｅｔｅｃｔｉｏｎｏｐｅｒａｔｏｒｔｏｏｂｔａｉｎｔｈｅｂｏｄｙｃｏｎｔｏｕｒ．Ｓｕｃｈｍｅｔｈｏｄｓｗｉｌｌｂｅｍｏｓｔｌｙｌａｃｋｏｆｅｄｇｅ，ｂｒｅａｋｐｏｉｎｔｓ，ａｎｄｕｎａｂｌｅｔｏｏｖｅｒｃｏｍｅｔｈｅｃｏｍｐｌｉｃａｔｅｄｂａｃｋｇｒｏｕｎｄ．Ｔｏｓｏｌｖｅｔｈｅｓｅｐｒｏｂｌｅｍｓ，ｗｅｐｒｏｐｏｓｅａｎｅｗｈｕｍａｎｃｏｎｔｏｕｒｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｂｙｃｏｍｂｉｎｉｎｇｔｈｅｄｅｐｔｈｉｍａｇｅｏｂｔａｉｎｅｄｆｒｏｍｔｈｅＲｅａｌｓｅｎｓｅｒａｎｇｅｓｅｎｓｉｎｇｆｅａｔｕｒｅｗｉｔｈｔｈｅｅｄｇｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍＣａｎｎｙ．Ｔｈｅｐｉｘｅｌｖａｌｕｅｏｆｄｅｐｔｈｉｍａｇｅｒｅｆｌｅｃｔｓｔｈｅｄｉｓｔａｎｃｅｂｅｔｗｅｅｎｏｂｊｅｃｔｓｉｎｔｈｅｓｃｅｎｅａｎｄｔｈｅｃａｍｅｒａ，ｗｈｉｃｈｃａｎｅｆｆｅｃｔｉｖｅｌｙｄｉｓｔｉｎｇｕｉｓｈｔｈｅｏｂｊｅｃｔｆｒｏｍｔｈｅｂａｃｋｇｒｏｕｎｄｔｏｏｖｅｒｃｏｍｅｔｈｅｉｎｆｌｕｅｎｃｅｏｆｃｏｍｐｌｅｘｂａｃｋｇｒｏｕｎｄｆａｃｔｏｒｓａｎｄｅｎｓｕｒｅｔｈｅｉｎｔｅｇｒｉｔｙｏｆｔｈｅｃｏｎｔｏｕｒ．Ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｔｒａｄｉｔｉｏｎａｌｃｏｎｔｏｕｒｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｏｆｃｏｌｏｒｍａｐｃｏｍｂｉｎｅｄｗｉｔｈｅｄｇｅｄｅｔｅｃｔｉｏｎｏｐｅｒａｔｏｒ，ｉｔｉｓｖｅｒｉｆｉｅｄｔｈａｔｔｈｅｈｕｍａｎｂｏｄｙｃｏｎｔｏｕｒｏｂｔａｉｎｅｄｂｙｔｈｉｓｍｅｔｈｏｄｃａｎｎｏｔｏｎｌｙｏｖｅｒｃｏｍｅｔｈｅｃｏｍｐｌｅｘｂａｃｋｇｒｏｕｎｄ，ｂｕｔａｌｓｏｐｌａｙａｎｉｄｅａｌｅｆｆｅｃｔｏｎｓｕｐｐｒｅｓｓｉｎｇｔｈｅｎｏｉｓｅｏｆｔｈｅｐｉｃｔｕｒｅｗｈｉｌｅｅｎｓｕｒｉｎｇｔｈｅｅｄｇｅｉｓｍｏｒｅｃｏｍｐｌｅｔｅ，ｃｌｅａｒａｎｄｅｘｑｕｉｓｉｔｅ．Ｋｅｙｗｏｒｄｓ：Ｃａｎｎｙａｌｇｏｒｉｔｈｍ；ｄｅｐｔｈｍａｐ；ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ；ｅｄｇｅｄｅｔｅｃｔｉｏｎ；ｈｕｍａｎｃｏｎｔｏｕｒ０　引　言根据二维图像获得人体轮廓及后续得出人体尺寸数据是服装生产业中一个值得研究的技术点，近几年很多大的服装企业都开拓了服装定制业务，通过调查９５％的定制业务都通过线下量体师手工测量获得数据来完成订单。

基于深度学习的跑道前视红外图像轮廓线提取

基于深度学习的跑道前视红外图像轮廓线提取袁雷;程岳;牛文生;罗午阳【摘要】针对前视红外图像中的机场跑道检测问题,提出了基于深度学习的端到端的实时检测算法.算法首先利用深度学习在物体特征表达上的优点,采用当前主流端到端的YOLO(You Only Look Once)V2检测算法提取候选目标,寻找跑道所在位置;然后在已经获取跑道所在边框的基础上,在神经网络最后一层采用多尺度线段检测器(Line Segment Detector,LSD)进行精确的线段检测;最后对所检测的线段进行融合,提取轮廓线.真实实验数据表明,该算法基本上能满足机场轮廓提取实时性好、提取精度高、抗干扰性强等要求.【期刊名称】《电讯技术》【年(卷),期】2019(059)002【总页数】6页(P179-184)【关键词】机场跑道检测;前视红外(FLIR)图像;轮廓提取;深度学习【作者】袁雷;程岳;牛文生;罗午阳【作者单位】航空工业西安航空计算技术研究所,西安710068;机载弹载计算机航空科技重点实验室,西安710068;航空工业西安航空计算技术研究所,西安710068;机载弹载计算机航空科技重点实验室,西安710068;航空工业西安航空计算技术研究所,西安710068;机载弹载计算机航空科技重点实验室,西安710068;航空工业西安航空计算技术研究所,西安710068;机载弹载计算机航空科技重点实验室,西安710068【正文语种】中文【中图分类】TN911.731 引言飞机航拍图像中的目标识别与检测是当前的热点问题之一，受到了较为广泛的关注[1]。

作为一类作用巨大的运输场地，机场的准确识别与检测无论在军用到民用方面都有较高的研究价值与意义。

机场跑道一般具有较为明显的直线特征与一定的纹理特征，因此主流的机场检测大多基于跑道。

当前主流的跑道检测方法可以分为3类。

一是基于线段检测。

文献[2] 针对可见光遥感图像中的机场跑道检测问题，提出了一种基于方向预判的局部Hough变换方法，该方法虽然对传统Hough线段检测精度上有了一定的改进，但是一张图片的检测需要接近3 s的时间，无法达到实时检测的目的。

复杂背景下_人体轮廓提取

复杂背景下人体轮廓提取
论文的主要内容、理论意义和应用价值:
利用高斯混合模型对背景进行建模，采用背景减法获得前景物体，达到对存在渐变光照、缓慢周期性运动物体（如随风摆动的树叶）等条件下的鲁棒性的人体轮廓提取。

提出、采用基于混合高斯模型与三帧差分的运动目标检测改进算法，使用背景差分法检测运动目标，考虑解决被检测运动目标及其阴影部分的区分。

应用OpenCV及Visual C++实现。

本设计可以应用于多种场合及设备，如相机自动对焦、监控设备识别人体等，可以大幅度减少人力支出及成本，具有实际的应用价值。

前期准备：
复习大二已学习过的C语言相关知识，利用寒假期间学习了周民刚学章推荐的《21天掌握C++》教材，对C++有了一定的了解掌握，熟悉Visual Studio C++编程环境，编写了一则图片调取的小程序，实际了解C++的编程结构与应用方法。

搜索相关论文材料，对前人完成过的论文、书籍进行阅读分析，把握本设计需要考虑的各项问题与解决方法，以便之后自己完成时有一个相对明确的思路。

列写论文提纲，对要解决的问题进行列举，同时构思大体写作思路，以下是提纲摘要：
1、论文摘要、关键词
2、译文
3、引言，包括在实现设计目标时可以采用的各种方法，并对其进行比较，确定一种具有良好操作性的方法，论证其可行性与实现方法。

4、参考相关书籍，对设计要求的高斯混合模型进行相关介绍，介绍实现人体轮廓提取时需要采用的方法。

5、介绍OPENCV相关知识，编写相关程序。

6、介绍需要采用的检测方法。

7、相关实验数据、结论。

8、参考资料。

论文写作计划
( 2012年 01月 19日至 2012年 05月 31日)。

基于视频图像序列的目标运动轨迹提取技术

摘要基于视频图像序列的目标运动轨迹提取技术是已经成为精确制导武器的关键技术之一，能够提高武器打击精度及力度；同时更能体现目标跟踪监控系统的智能化和自动化。

而在众多模式下的基于视频图像序列的轨迹提取技术中，基于固定参照物视场变动模式的轨迹测量技术不受相机视野限制，能够有效地扩大目标跟踪范围，更有着重要的研究意义和工程应用价值。

固定参照物视场变动模式的轨迹测量技术要求相邻两帧之间必须具有一定的重复。

由于运动目标瞬时空间位置坐标是通过相对前一时刻空间位置坐标的相对变化得到，因此存在轨迹计算的累积误差较大的问题，同时由于目标体运动过程中的姿态变化、参照环境的复杂性等因素，导致轨迹计算的精度很难得到保证。

本论文针对固定参照物视场变动模式下运动目标轨迹提取问题进行深入研究，设计开发了基于视频图像序列的目标运动轨迹提取系统，针对目标在运动过程中的姿态变化导致的相机坐标系变化问题，提出了成像系统外参实时校正方法，通过陀螺仪获取的数据和空间坐标系变换关系对相机姿态角参数实时校正；针对SIFT特征匹配算法中的欧式距离无法自适应调节问题，提出了多目标优化的SIFT特征匹配算法，建立了以相关系数和特征点之间的欧氏距离为目标函数，以置信度为约束条件的多目标优化模型，减少了特征点的误配率；最后通过车载CCD实验对系统功能和精度进行验证，数据表明该系统能够精确的实现运动目标的轨迹测量，并具有较强的适应性和可靠性。

1绪论1.1课题研究背景及意义基于视频图像序列的目标运动轨迹提取技术是动态视觉领域中一个具有重要意义和实际价值的研究课题。

目标运动轨迹是反映一段时间内目标的运动路线，它的精确提取能够实现测量和分析目标的运动参数、运动行为评估等。

在军事领域中，该技术已经成为精确制导武器的一项关键技术，它能够有效地提高武器的打击精度，强化武器的打击力度；同时在民用领域，以该技术为基础建立的人机交互系统，能够实现运动目标的智能跟踪、行为监管等，真正地体现运动目标监控系统的自动化和智能化。

《2024年基于OPENCV的运动目标检测与跟踪技术研究》范文

《基于OPENCV的运动目标检测与跟踪技术研究》篇一一、引言随着计算机视觉技术的不断发展，运动目标检测与跟踪技术在智能监控、智能交通、人机交互等领域得到了广泛应用。

OPENCV（Open Source Computer Vision Library）作为一种开源的计算机视觉库，为运动目标检测与跟踪提供了强大的技术支持。

本文旨在研究基于OPENCV的运动目标检测与跟踪技术，为相关领域的研究与应用提供参考。

二、OPENCV概述OPENCV是一个开源的计算机视觉和机器学习软件库，包含了大量计算机视觉领域的经典算法。

它具有跨平台、高效、灵活的特点，广泛应用于图像处理、视频分析、三维重建等领域。

在运动目标检测与跟踪方面，OPENCV提供了丰富的算法和工具，为相关研究提供了便利。

三、运动目标检测技术研究运动目标检测是计算机视觉领域的重要研究内容，其目的是从视频序列中提取出运动目标。

基于OPENCV的运动目标检测技术主要包括背景减除法、光流法、帧间差分法等。

1. 背景减除法背景减除法是一种常用的运动目标检测方法，其基本思想是将当前图像与背景图像进行差分，从而得到运动目标的轮廓。

在OPENCV中，可以使用背景减除器（BackgroundSubtractor）实现该方法。

通过设置合适的参数，可以有效地提取出运动目标。

2. 光流法光流法是一种基于光流场的运动目标检测方法。

它通过计算像素点的运动矢量来检测运动目标。

在OPENCV中，可以使用光流法（OpticalFlow）实现该功能。

光流法具有较高的准确性和鲁棒性，但计算量较大，适用于对实时性要求不高的场景。

3. 帧间差分法帧间差分法是一种简单的运动目标检测方法，其基本思想是计算相邻两帧图像的差异，从而得到运动目标的轮廓。

在OPENCV中，可以使用帧间差分法（InterFrameDifference）实现该功能。

该方法具有计算量小、实时性好的优点，但容易受到光照变化和噪声的影响。

目标轮廓提取方法研究

参考内容
内容摘要
轮廓提取是图像处理中的一个重要任务，它可以用于目标检测、识别和分割等任务。轮廓提取的基本原理是通过对图像的边缘进行检测，提取出目标的轮廓。在本次演示中，我们将介绍一些图像轮廓提取的基本方法和算法。
1、基于边缘检测的方法
ቤተ መጻሕፍቲ ባይዱ
1、基于边缘检测的方法
基于边缘检测的方法是图像处理中最常用的方法之一。它的基本思想是通过检测图像中的边缘来提取目标的轮廓。边缘是图像中像素值发生剧烈变化的位置，这些位置可以被检测出来并用于目标的分割和识别。
一、区域活动轮廓模型
一、区域活动轮廓模型
区域活动轮廓模型是一种有效的运动目标跟踪方法，它结合了区域和轮廓两种信息，能够更好地处理目标形变、遮挡等问题。该模型首先在视频序列中选取一个初始感兴趣区域，然后通过迭代的方式不断更新区域和轮廓信息，以实现运动目标的精确跟踪。
二、基于区域活动轮廓的运动目标跟踪方法
实验结果与分析
为了验证本次演示提出的方法，我们进行了大量实验，并采用准确率、召回率和F1值等评估指标对其性能进行评估。实验结果表明，该方法在目标轮廓提取方面具有较好的性能，相较于传统方法如Sobel、Canny等算子，我们的方法在各项评估指标上均取得了显著的提升。此外，我们还与其他基于深度学习的方法进行了比较，结果显示我们的方法在准确率、召回率和F1值等方面均具有较好的表现。
相关研究
相关研究
目标轮廓提取的相关研究主要涉及图像边缘检测、图像分割、形态学处理等领域。传统的目标轮廓提取方法有基于像素梯度、基于滤波、基于统计等几种。其中，基于像素梯度的方法利用图像中像素强度的变化来检测边缘，如Sobel、 Canny等算子；基于滤波的方法通过滤波器对图像进行处理，将边缘响应较大的区域作为目标轮廓；

复杂图象轮廓提取与识别技术研究

复杂图象轮廓提取与识别技术研究摘要：针对X线手指骨图象轮廓提取与识别问题，对基于乘性、加性噪声的图象进行了提取和识别。

这种问题一般都是先对图象轮廓提取和辨识参数进行描述；当轮线上的特征信息被识别时，需要对图象轮廓跟踪系统的设计和实现进行研究，并对轮线的视觉建模进行了深入的研究，并从视觉模型出发，给出了基于图象轮廓的抗干扰跟踪算法；首先进行了梯度转换，然后进行了粗线追踪，然后进行了精确度的跟踪。

在高精度轮廓跟踪中，采用多个初始点，克服了多个断点影响轮廓提取的难点。

该系统的试验效果良好，并在实际应用中得到了很好的应用。

关键词：识别技术；复杂图象；轮廓提取在很多场合，利用计算机进行图象的识别，必须先从中提取出复杂的图象，再进行图象的识别。

X线影像的各部位图象非常复杂。

它的轮廓提取和形态辨识不仅对骨骼年龄的诊断有着重要的作用，同时也对机器视觉有着重要的应用价值。

本文以微机骨龄诊断专家系统为例，探讨了手指骨图象的形态和骨龄的分类，介绍了手指骨图象的发育程度，并对其进行了生物医学描述。

其次是对各个模块的设计和实现进行了研究。

图像的特征和识别参数都是在图像的边缘处。

为此，必须对图象轮廓追踪系统进行设计，并对其进行参数抽取和图像识别。

并在计算机上进行了测试，经实际调试，取得了较好的效果，并应用于临床应用。

一、指骨图像的特点和发展程度的判别系统的设计指关节图像的发展水平一般可划分为1-8个级别，最困难的是4-8级。

如图1所示，是这些发展等级的指节骨X线成像。

图1利用计算机对不同发展水平的图像进行识别，必须对图像的识别特性和参数进行分析。

本文从指节骨发育程度的生物医学描述出发，提出了各个发展阶段的图像识别特点，并用微型计算机对其进行了识别，见图2。

该图还表示了具有明显识别特性和参数的指骨骨图谱，依据图2所示的特征和参数，指骨图象发育程度判别系统需要从图象中提取特征和参数，并对其进行分级识别。

识别程序的设计类似于图3。

计算机视觉测量技术的图像轮廓提取方法分析

计算机视觉测量技术的图像轮廓提取方法分析摘要：文章提出了一种图像轮廓的提取方法，这种方法具有更高的精度和抗干扰能力，并且对我国计算机视觉测量技术的发展前景作出了展望。

关键词：计算机技术；轮廓提取；视觉测量计算机视觉测量技术是一种综合技术，融合了光电子技术、计算机技术、图像处理技术等多种技术。

在对采集对象进行处理之后，就可以得到目标物体的几何特征参数。

想要得到准确的图像，就必须重视目标物体的轮廓提取参数。

在计算机视觉测量系统中，为了保障测量的精准度，选取合适的轮廓提取方法也是很重要的。

边缘检测法是轮廓提取方法中主要的内容，该方法借助于空域微分算子，使图像和模板完成卷积。

边缘检测方法中的局部算子法，具有实现简单、运算速度快等优点。

梯度算子、Sobel算子、Roberts算子、canny算子，都是经典局部算子法。

本文提出了基于灰度阈值法的原理，根据链码跟踪技术对轮廓信息进行存储，实现图像轮廓的提取。

这种方法具有准确度高、稳定性好等优势，在工程上的应用十分广泛。

1 轮廓提取的原理轮廓提取指的是从物体图像上得到物体外形，它能够有效保障测量的精确度。

由于计算机视觉测量图像只含有目标和背景2类区域，应该利用阈值分析法对图像进行分割。

为了确保二维图像中没有噪音，可以利用非线性的滤波能力消除噪音。

为了实现轮廓提取，将会掏空图像内部的点。

通过链码跟踪技术对轮廓的信息进行存储，使图像的轮廓处理工作量得以减轻。

轮廓提取的工作流程是：首先对原始图像进行预处理，消除噪音后可以得到平滑的图像。

然后，对图像进行阈值分割得到二维图像。

对二值图像进行轮廓提取，就可以得到图像的边界点。

最后，再根据跟踪算法将轮廓存储为链码序列的形式。

2 图像轮廓提取的关键技术轮廓提取技术是计算机视觉测量技术中的重要组成部分，轮廓提取技术主要包括图像预处理技术、阈值分割技术、轮廓提取技术和链码跟踪技术等内容。

本文将具体介绍几种关键的图像的轮廓提取技术。

数字图像处理实验六图像的轮廓提取

计算机科学与工程学院}}curBitmap = new Bitmap(bitmap);bitmap.Dispose();this.pictureBox_new.Image = curBitmap;}catch (Exception ex){MessageBox.Show(ex.Message, "错误提示", MessageBoxButtons.OK, MessageBoxIcon.Stop);}}示例图：图1-1 整体轮廓提取图1-2 外轮廓提取2.实现目标图像的特征提取原理：图像特征提取是计算机视觉和图像处理中的一个概念。

它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。

SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果。

SIFT特征不只具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，仍然能够得到好的检测效果。

整个算法分为以下几个部分：1.构建尺度空间；2.LoG近似DoG找到关键点<检测DOG尺度空间极值点>；3.除去不好的特征点；4.给特征点赋值一个128维方向参数；5.关键点描述子的生成；6.根据SIFT进行匹配。

图2-1 不同σ下图像尺度空间代码：private void ToolStripMenuItem_imgprocess_getfeature_Click(object sender, EventArgs e){try{//Load ImageMat c_src1 = imread("..\\Images\\3.jpg");Mat c_src2 = imread("..\\Images\\4.jpg");Mat src1 = imread("..\\Images\\3.jpg", CV_LOAD_IMAGE_GRAYSCALE);Mat src2 = imread("..\\Images\\4.jpg", CV_LOAD_IMAGE_GRAYSCALE);if (!src1.data || !src2.data){ std::cout << " --(!) Error reading images " << std::endl; return -1; }//sift feature detectSiftFeatureDetector detector;BFMatcher matcher(NORM_L2);vector<DMatch> matches;matcher.match(des1, des2, matches);Mat img_match;drawMatches(src1, kp1, src2, kp2, matches, img_match);//,Scalar::all(-1),Scalar::all(-1),vector<char>(),drawmode);cout << "number of matched points: " << matches.size() << endl;imshow("matches", img_match);cvWaitKey();cvDestroyAllWindows();}catch (Exception ex){MessageBox.Show(ex.Message, "错误提示", MessageBoxButtons.OK, Message BoxIcon.Stop);}}示例图：图2-2 提取特征处理附录基本概念及一些补充什么是局部特征？•局部特征从总体上说是图像或在视觉领域中一些有别于其周围的地方•局部特征通常是描述一块区域，使其能具有高可区分度•局部特征的好坏直接会决定着后面分类、识别是否会得到一个好的结果局部特征需具备的特性•重复性•可区分性•准确性•数量以及效率•不变性局部特征提取算法-sift•SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｐｒｒｎｃｆｅｔａｔｎｉｕｈｓｔａｉｎａｍｏｉｅｔｏａｅｎｔｅｐｎｉｌｆｆａｓｓｂｒｃｉｎｗａｒｓｎｅ．ｅｆｍａｅｏｘｒｃｉｎｓｃｉｔ，ｄｆｄｍｅｈｄｂｓｄｏｈｒｃｐｅｏｍｅｕｔｔｓｐｅｅｔｄｏｏｕｏｉｉｒａｏＦｒｔｒ — ｌｒｎｓｎｅｅｏａｌｖａｅｔｅＧａｓｏｓ．Ｓｃｎｌ，ａｍａｉｍａｉｎｅｒｔｈｅｈｌａｕｌｓｄｔｉｌｐｅｆｔｉｇｗａｅｄｄｔｅｉｔｕｓｎｉｓｙｉｅｌｈｅｅｏｄｙｘｍｕｖｒａｃａｉｔｒｓｏｄｖｅｗｆｕｅｏｏｌｓ
ＨＥＷｅ — ｕ，ＬｉｇｉｈａＩＰｎ，ＷＥｕｍｅ，ＹＥＢＮＹ — ｉｏ
（ｏｅｅｏｐｏｌｔｎｎｉｅｎ，Ｃｏｇｉｎｅｉ，Ｃｏｑｎ０００ｈｎ）ＣｌｇＯｔｅｃｏｉＥｇｎｒｇｈｎｑｇＵ＆ｍ￣ｈｎｉ４０３，Ｃｉｌｆｅｒｃｅｉｎｇｇａ
Ａｌｏｉｍｆｅｔａｔｇｍｏｉｇｏｊｃｉｏｅｔｇｒｔｏｘｒｃｉｖｎｂｅｔｓｈｕｔｈｎｌｅ
ｂａｅｎｒｍｅｆｉｎｕｄｅｏｐｅｃｇｏｄｓｄｏｆａｕｓｏｎｒｃｍｌｘｂａｋｒｕｎ
的。受背景复杂性的影响，当背景灰度和运动目标的灰度相近时，取的运动目标易产生空洞，提某些部位无法完全恢复。根据帧差法的基本原理，出了一种针对复杂背景的运动目标检测、廓提取方提轮
法。首先，图像进行滤波处理，对采用最大方差比闽值法消除了剩余部分噪声和背景，然后在三帧时
ｒｍｖｅｒｉｉｇｎｉｎａｋｒｕｄＴｅｏａｓｅｅｕｅｂｉｏｅｎｏａｏｂｕｅｍｖｇｏｊｃ，ｅｏｅｔｍａｎｏｅｄｂｃｇｏｎ．ｈｎｓｍｅｒｒｆｓｄｔｏｔｎｍｒｉｆｒｔｎａｏｔｈｏｉｂｔｈｅｎｓａｆｍｅｗｏａｍｉｔｎｅａｄａｅｒｅｒｎｅｗｓｅｎｄａｔａ＇ｍｅｆｒｃｎｉｇｔｅｏｇｎｇ，ｔｏｉｇｏｊｃｓｈｕｔＢｎｎａａｆｆｅｃａｆｅｔｈｓｎｔ．ＡｔａｎｒｉａｉｅｈｍｖｂｅｔｉｏｅｔＷＳｒｏｒｅｄｉｅｌｉｅｅｓｎｈｉｌｍａｅｎｌｅ
间差分法基础上，利用序列中多帧图像融合运动信息，并确定参考区域，通过对原图像进行回扫描。最终提取出完整的运动目标轮廓。实验结果验证了算法的稳健性和有效性。关键词：运动目标；杂背景；复帧差法；多帧图像融合；对比度低中图分类号：Ｐ９．１Ｔ３１４文献标识码：Ａ
Ｊｎ０６ａ．２０
复杂背景下基于图像融合的运动目标轮廓提取算法
何卫华，李平，文玉梅，叶波
（重庆大学光电工程学院，重庆４０３）０００
（ｅｅｕ２０＠ｓａｃｍ）ｈｗｉａ０４ｉ．ｏｈｎ
摘
要：运动目标轮廓的有效提取对于目标识别、跟踪和行为的理解等后期的处理是非常重要
ｒｃｖｒｄｅｏｅｅ．Ｅｘｅｍｅｔｅｕｔｐｏｅｔａｈｄｆｄｍｅｈｓｍｏｏｕｔｎｄｓｐｒｒｔｔｅａｉｏａｎｓｐｒｎｓｌｓｒｖｈｔｔｅｍｏｉｅｔｏｉｉｒｉｄｒｒｂｓ，ａｕｅｏｏｏｈｒｔｄｔｎｏｅ．ｅｉｒｉｌ
ｉｅｔｃｔｎｔｃｉｇｅａｉｒｃｍｐｅｅｓｏ，ａｄＳｎＩｏａｅ，ｅｐｃａｌｅｈｒｓｌｗｃｎｒｓｉｒｙｄｎｉａｉ，ｒｋｎ，ｂｈｖｏｏｒｈｎｉｎｉｆｏａｎＯｏ、ｎｓｍｅｃｓｓｓｅｉｙｗｈｎｔｅｅｉｏｏｔａｔｎｇａｌ
ＡｓａｔＥｅｔｅｅｔｃｏｆｈｏｉｇｏｊｃｓｈｕｔｓｎｉｒｈｕｓｑｅｔｒｃｓｉｇｎｌｄｎｒｅｂｔｃ：ｆｃｖｘｒｔｎｏｔｅｍｖｎｂｔｉｏｅｅｉｅｓｔｌｏｅｓｂｅｕｎｏｅｓ，ｉｃｉｔｇｔｒｉａｉｅｌｔｓｅａｆｔｐｎｕｇａ
ｂｔｅｎｔａｋｏｎｄｍｖｇｂｅｔｔｅｒｃｖｒｄｏｊｔｓｆｎｍａｅｕｆｏｓｎｉｏｔｄｐｒ．Ｔｐｏｅｈｅｅｅｂｃｇｕｄａｏｉｊｃ，ｈｏｅｅ—ｂｃｉｏｅｄｐｏｌｄｄｔｅａｓｏｍｒｖｅｗｈｒｎｎｏｅｅｔｈｅａｓｒｔｉｔ
维普资讯
第２６卷第１期
２００６年１月
文章编号：０１９８（０６０ —０２０１０ — ０１２０）１１３— ４
计ｕｅｐｉｔｓｃｏ
Ｖｏ．６Ｎｏ１１２．