海平面下小运动数学形态学检测
硕士论文专业性强，要求有独立进行科研的能力，对所研究的题目有新的独立见解，并展现出一定的深度和较好的科学价值。下面是yjbys小编为大家整理的关于海平面下小运动目标的论文范文，大家参考学习一下吧。
摘要:本文针对于海平面背景下运动的小目标进行了相关研究，在目标的检测过程中，提出了基于形态学滤波与边缘检测相结合的算法。首先对采集的图像进行灰度转换，然后进行Top-Hat变换，再对变换后的图像进行中值滤波，去除变换过程中的噪声，最后用边缘检测sobel算子对目标进行边缘的检测。两者结合起来，能够很好的检测出目标，并且对拖尾现象和噪声有一定的消除。
关键词：数学形态学;Top-Hat;sobel;目标检测
1引言
目标检测是运动分析的主要研究内容之一，指通过运动及图像特征分析(如灰度、边缘等)，将视频序列中存在与背景有相对运动的前景目标从原始图像序列中提取出来。随着计算机技术的发展和计算机视觉原理的广泛应用，利用计算机图像处理技术对目标进行实时跟踪研究越来越热门。运动目标的检测传统的检测方法主要有三种：帧差法、光流法和背景差分法。
帧差法不适用于背景同时发生运动的情况，通过相减方法，难以把背景和目标分离;光流法大多数计算方法比较复杂，对实时处理不适用。背景差分法能够较完整的提取目标点，但要预先知道背景，不适用于摄像头运动的情况。基于本文检测的对象是海平面上运动的小船只，提出了基于形态学的顶帽检测边缘检测相结合的算法，并对检测后的图像进行了相关的处理。
2 检测算法系统设计
本文检测的对象是海平面上运动的小船只，提出了基于形态学的顶帽检测边缘检测相结合的算法，目标检测的系统框图，将采集到的图像转为为灰度图像f(x,y)，并与灰度图像开运算后的图像g(x,y)相减，然后再进行中值滤波，最后对滤波后的图像进行边缘检测和拖尾处理。
3 形态学基础数学
形态学是一种应用于图像处理和模式识别领域的新的方法，是一门建立在严格的数学理论基础上的学科。基于数学形态学的边缘信息提取处理优于基于微分运算的边缘提取算法，不像微分算法对噪声那样敏感，提取的图像骨架也比较连续，断点少。
3.1 膨胀结构元素，f为输入图像，fD和bD分别是f和b的定义域。对灰度图像的膨胀处理方法可得到两种结果：
(1)如果所有的`结构元素都为正，则输出图像将趋向比输入图像亮;
(2)黑色细节减少或去除取决于在膨胀操作中结构元素相关的值和形状。
3.2 腐蚀式中fD和bD为f和b的定义域，通常对灰度图像的腐蚀处理可得到两种结果：
(1)如果所有的结构元素都为正，则输出图像将趋向比输入图像暗;
(2)在比结构元素还小的区域中的明亮细节经腐蚀处理后其效果将减弱。
3.3 开和闭运算结构元素b对图像f做开运算，定义为fb=(fΘb)⊕b，即先对图像腐蚀后膨胀，b对f的闭运算为fb=(f⊕b)Θb，即对图像先膨胀后腐蚀。
实际运用中，开运算处理可取出较小的亮点，保留灰度和较大的亮区特征不变;闭运算处理可去除图像中较小的暗点，同时保留原来较大的亮度特征。
3.4 顶帽变换定帽变换(Top-Hat)是指原图像减去开运算后的图像，其公式为TopHat(A)=AΟ(A,B)为输入图像，B为结构函数，O(A,B)为A与B的开运算，在形态学基础上的一种非线性滤波，顶帽变换后能够对背景有一定的抑制作用，提取出形状类似于结构元素的孤立目标和噪声。
4 检测算法
4.1 顶帽检测(Top-Hat)将采集到的图像进行格式转换，转化为灰度图像，然后选取大小合适的结构元素，然后对灰度图像进行开运算，最后用原灰度图像减去开运算后的图像。由于海浪和海平面的变化，顶帽变换后的图像可能会存在一些噪声，对变换后的图像进行了中值滤波。
对图像进行相关的顶帽变换及相关处理如下：原图像经过开运算后，如图3，背景及噪声得到了一定的抑制，原图像经Top-Hat变换后，检测出海上船只，最后对检测后的图像进行中值滤波。
原灰度图像开运算后图像Top-Hat变换后图像图5中值滤波后图像4.2边缘检测(Top-Hat)边缘检测是提取图像中不连续的部分的特征，由闭合的边缘确定区域。常见的边缘检测算子有Sobel，Prewitt，Canny算子等。本文采用Sobel检测算法，Sobel算子的优点是方法简单、可得到光滑、连续的边缘，处理速度较快。
sobel算子本文对中值滤波后的图像进行边缘检测，结果如图7所示，并对原灰度图像直接进行边缘检测后的图像如图8做了对比，图像经过基于形态学的定帽变换后，再进行边缘检测，能够很好的提取出运动目标，对目标的拖尾现象有一定的消除作用，基于Top-Hat变换的小目标检测算法对图像中的背景和噪声有很大的抑制。
4.2 拖尾处理海上船只在航行过程中，会在目标后面形成拖尾。本文借助对检测后的目标图像进行形心和边界定位.
标在上、下、左、右四个方向的边界来确定目标的最小外界矩形框，联合形心法来对目标进行形心和边界定位，在取得目标的最左、最右点和中心的纵坐标后，把两点中水平方向与中心最近的距离视为目标宽度的一半，重新确定目标的外接矩形框，对于之外的点一概去除。
5 结论
本文给出了基于形态学的顶帽检测边缘检测相结合的检测算法，经实验证明，两者结合起来，能够很好的检测出目标，并且对拖尾现象和噪声有一定的消除。
参考文献
[1]阮秋琦.数字图像处理学(第二版)[M].北京：电子工业出版社，2007.2.
[2]陆宗骐，梁诚用.sobel算子细化边缘.中国图像图形学报，2006，6：517-519.
[3]叶斌,彭嘉雄.基于形态学Top-hat算子的小目标检测方法[J].中国图象图形学报,2002,7(A)(7):638-642..
[4]许开宇，冯德瀛.海空背景下红外弱小目标检测方法.哈尔滨工程大学学报，9：997-999.
【海平面下小运动数学形态学检测】相关文章：