企鹅的matlab点是啥,一种运动区域提取算法及Matlab实现

摘要：本文提出了一种基于累积差分和数学形态学处理的运动区域提取算法。在时域窗口内，首先对图象进行降级处理得到灰度带图象，对灰度带差分图象累积并进行数学形态学处理得到运动目标的轨迹模版，将轨迹模版与当前帧差分图象与运算得到当前帧运动目标象素，最后进行多级数学形态学处理得到当前帧运动区域。实验结果表明，该算法不仅能够对静止背景序列运动区域有较好的分割结果，而且在没有进行全局运动补偿的情况下，对部分运动背景序列也能成功的提取出运动区域。

关键词：累积差分 运动区域提取 视频对象分割 动态视觉注意模型

Algorithm of Motion region extraction based on accumulative difference and Morphological Processing

Abstract: This paper presents a motion region extraction algorithm based on accumulative difference and moraphological processing. Grey-band image is generated through reducing the grey levels of the original image,then track template for motion target is generated by accumulating the grey-band difference images and following moraphological processing.Motion pixes of the motion trarget in the current frame are detected by AND operator between the track template and the current frame difference image,and lastly motion region of the current frame is generated by multilevel morphological processing. Experimental results demonstrate that,the algorithm performs well not only in static background sequences,but also can extract motion region successfully in some dynamic background sequences without global motion compensation.

Key Words:accumulative difference ;motion region extraction; video object segmentation; dynamic visual attention model

1.  引言

运动目标提取是计算机视觉中的一个重要的研究课题，其在视频监控、新一代视频编码(如MPEG-4)、视频编辑、智能交通、模式识别等领域有着重要的应用。运动目标提取是视频对象分割的重要组成部分，同时，在新近逐步展开的动态视觉注意研究中，运动目标的提取也是其中的关键环节之一[1][2]。差分图象法是实现运动目标检测快速、简便的方法，大多数相关算法都是以差分图象法为基础的。差分图象法有连续帧差分[3]、隔帧差分[5]、累积差分[4]、减背景法[6]等形式。本文提出了一种新的基于累积差分和数学形态学处理的运动区域提取算法，在时域窗口内，先对图象进行降级处理得到灰度带图象，对灰度带差分图象累积并进行数学形态学处理得到运动目标的轨迹模版，将轨迹模版与当前帧差分图象与运算得到当前帧运动目标象素，最后进行多级数学形态学处理得到当前帧运动区域。算法框图见图1。

2．图象灰度带处理

在摄象机静止的条件下，视频序列图象由静止的背景与运动的前景目标构成，但由于成象系统噪声等影响，连续帧差图象中非零灰度值不都是由于目标运动造成的，还有很大一部分来自噪声的影响。噪声一般可以建模为高斯噪声，通过对视频序列的多帧分析可以得到相应模型的特征参数(均值μ，方差σ2 )，此种方法效果较好，但计算复杂，本文采用[1]中的一种简单而有效的去噪方法，其基本思想是将原始的256级灰度图象转换为低灰度级(通常为8级)图象，即把一定灰度范围内的灰度分布简化为同一灰度带，同时，当前帧图象的灰度带处理时考虑了当前帧与前一帧灰度带对应灰度值的变化，小于一定阈值的象素灰度带将不变化。由于帧差图象噪声通常可看作均值为0的高斯噪声，其变化通常较小，适当选取灰度带数可以有效的抑制噪声的影响。

设GL(x,y,t)为(x,y)处t时刻的灰度象素值，GLmax、GLmin分别为灰度图象最大、最小灰度值，n为灰度带数，S为灰度带发生变化的连续帧间变化阈值，GLB[x,y,t]、GLB[x,y,t-1]分别为t、t-1时刻的灰度带，则有(1)(2)[1]：

3.  运动象素提取

得到了原灰度图象的灰度带图象，直接取灰度带帧差图象中非零象素为运动象素。设Mov(x,y,t)为1表示(x,y)处象素为运动象素，为零为背景象素，则有(3)[1]：

4.  时域窗口累积更新与运动轨迹区域提取

连续两帧差分图象中运动象素多为孤立点，而且如果运动目标内部纹理不显著，由于前后帧前景对象的遮挡将导致部分运动运动区域被误检为背景区域，另外经过灰度带处理后通常还有部分噪声点的存在，这样只根据前后两帧的差分图象来提取运动区域有很大的局限性，一个可行的解决办法是多帧差分图象的叠加累积，累积的差分图象中运动目标的轨迹区域可以集中的表现出来，这实际上是运动目标的时域一致性和相关性在空域的反应，而噪声点通常是独立的，即使在差分图象累积过程中会聚了部分噪声点，其相对运动轨迹区域而言也很小，很容易滤除。

传统的累积差分法通常要先选定一参考帧，然后比较每帧图象与参考帧的差异，将差异灰度值累积起来，最后通过一定的阈值算法得到运动轨迹区域。本分则是对相邻两帧的灰度带二值差分图Mov(x,y,t)进行直接相加，对累积的结果MOVmem(x,y,t)图象非零值全标记MOVsign(x,y,t),为1，即运动轨迹区域象素，MOVmem(x,y,t)为0的保持不变，视为背景象素。

设w为需要累积的帧数(即时域窗口的大小)，pstart为第一帧灰度带差分图象的序号，则窗口更新方程为(4)：