视频监控系统开发平台的研制 第14页
第5章游泳池监控救生系统的算法实现
(a)原始图像 (b)拌有椒盐噪声的图像
(c梆域平均滤波后的图像 (d)中值滤波后的图像
图5．4邻域平均滤波与中值滤波的比较
Fig．5．4 Comparison between Averaging Filter and Median Filter
图5．4给出了含有椒盐噪声的图像，以及分别采用邻域平均滤波和中值滤波方
法处理后的图像。
图像的预处理是图像处理模块中一个基本而又重要的部分，其处理效果的优
劣直接关系到对后续图像的分析和理解。以上依次介绍了本系统所用到的图像的
灰度化、直方图均衡化、空间域图像平滑这三种图像预处理算法。图像的灰度化
可以减少数据的存储量，降低算法处理的复杂度，提高计算速度；直方图均衡化
能够调节图像灰度的均值和方差，达到灰度统一的目的：空间域图像平滑目的在
于保护图像边缘的同时去除噪声。实践表明，通过视频图像的预处理可以提高图
像质量，降低后续处理过程中的负面影响，还可以有效地降低系统的存储空『白J需
求。
5．2目标识别算法
目标识别是近年来发展起来的一门高新科技，它以研究某些对象或过程的分
类与描述为主要内容，是目前模式识别中一个重要的研究领域。目标识别不是一
视频监控系统开发平台的研制 第14页
个孤立的问题，而是模式识别领域中大多数课题都会遇到的基本问题，并且在不
同的课题中，由于具体的条件不同，解决的方法也不尽相同，因而目标识别的研
究仍具有理论和实践意义10制。
目标识别所研究的领域十分广泛，它可以是机械加工中零部件的识别、分类；
可以是从遥感图片中辨识农作物、森林、湖泊和军事设施，以及判断农作物的长
势，预测收获量等；可以是根据气象观测数据，或气象卫星照片准确预报天气；
邮政系统中自动分拣信函；交通管制、识别违章行驶的汽车及司机；机场上空中
交通管理；银行现金识别、身份证识别等等。
一个目标识别系统可分为四个主要部分I均J，其框图如图5．5所示：
被识图像
图5．5目标识别系统框图
Fig．5．5 Framework of Target Recognition System
果输出
第一部分是图像信息的获取，相当于对被研究对象的调查和了解，从中得到
数据和材料，对目标识别来说就是把图片等信息经系统输入设备数字化后输入计
算机以备后续处理。第二部分是图像预处理，其目的是去除干扰、噪声及差异，
将原始图像变成适合于计算机进行特征提取的形式。第三部分是图像特征提取，
其作用在于把调查了解到的数据材料进行加工、整理、分析、归纳以去伪存真，
去粗取精，抽出能反映事物本质的特征。第四部分是分类判决，即根据提取的特
征参数，采用某种分类判别函数和判别规则，对图像信息进行分类和辨识，得到
识别的结果。
目前，目标识别的方法比较多，大体上可以归纳为如下五种方法：
(1)统计方法。主要是利用目标特性的统计分布，依靠目标识别系统的大量
训练和特征匹配分类技术，可在较窄的场景定义域内获得比较有效的识别，但难
以解决姿态变化、目标模糊、目标部分被遮挡等问题。
第5章游泳池监控救生系统的算法实现
(2)基于知识的目标识别方法。即将人工智能专家系统应用于目标识别，在
一定程度上克服了经典统计识别方法的局限性，但目前存在的主要问题是可供利
用的知识源的辨识和知识的验证很困难，同时难以在新场景中有效地组织知识【矧。
(3)基于多传感器信息融合的目标识别方法。该方法克服了单一传感器系统
的缺陷，利用每个传感器将数据导入各自的信号处理机，先分别进行目标检测，
得出有无目标的判决以及目标的位置信息或运动轨迹，然后将这些信息送入数据
融合单元，对目标位置或运动轨迹进行关联后再作进一步的判决【矧。
(4)基于模型的目标识别方法。将复杂的目标识别样本空间模型化，以提供
一种描述样本空间各种重要变化特性的简便途径。
(5)基于人工神经网络的目标识别方法。以神经元连接结构为基础，模拟人
脑神经网络的结构和功能，使机器具有人脑那样的感知、学习和推理功能，能够
解决许多传统的识别方法所不能克服的困难，而且具有分布式存储信息的特点，
对信息的处理具有自组织、自学习和并行处理的特点。
5．3图像特征提取
图像目标识别是图像处理和模式识别相结合的新的研究领域。对于图像目标
识别而言，抽取有效的图像特征是完成识别的首要任务【271。在图像识别中，对获得
的图像直接进行分类是不现实的。图像数据占用很大的存储空间，直接进行识别
费时费力，其计算量无法接受，而且图像中含有许多与识别无关的信息，因此必
须进行特征的提取，才能对被识别的图像数据进行大量压缩，有利于图像识别。
提取能够充分体现目标和属性的特征，是图像识别的关键问题之一，特征若提取
得不恰当，分类就不能很精确，甚至无法分类【24】。
特征提取的要求是：同一类目标的特征相似性大，不同类目标的特征差异性
大。特征提取的总原则是：尽可能减少整个识别系统的处理时间和错误识别概率，
当两者无法兼得时，需要做出相应的平衡。或者缩小错误识别的概率，以提高识
别精度，但会增加系统运行时间；或者提高整个系统速度以适应实时需要，但会
增加错误识别的概率。良好的特征应具有四个特点：
视频监控系统开发平台的研制 第14页
(1)可区别性。对于属于不同类别的图像，它们的特征值应具有明显的差异。
(2)可靠性。对于同类的图像，它们的特征值应比较相近。
(3)独立性。所使用的各特征之间应彼此不相关。
(4)数量少。图像识别系统的复杂度随着特征的个数迅速增长，尤为重要的
是用来训练分类器和测试结果的样本数量随特征的数量呈指数关系增长。
图像特征包括描述物体表面灰度变化的纹理特征、描述物体外形的形状特征、
基于彩色信息的颜色特征等等。纹理主要是指三文或二文的客观场景映射成的平
面结构图案，图5．6所示为几种不同的纹理图像，纹理分析与处理是人眼一种固有
的视觉功能。纹理分析与处理是数字视觉研究领域的热点之一【2引。
图5．6儿。种不同的纹理图
Fig．5．6 Several di~rent‘Textu~Image
图像的纹理特征是一种不依赖于颜色或亮度而反映图像中同质现象的视觉特
<< 上一页 [11] [12] [13] [14] [15] [16] [17] [18] 下一页
视频监控系统开发平台的研制 第14页下载如图片无法显示或论文不完整，请联系qq752018766
