用于视频交通分析的目标分割算法设计毕业设计论文

《用于视频交通分析的目标分割算法设计毕业设计论文》由会员分享，可在线阅读，更多相关《用于视频交通分析的目标分割算法设计毕业设计论文（48页珍藏版）》请在装配图网上搜索。

1、毕业论文任务书课题名称 用于视频交通分析的目标分割算法设计一、设计内容（论文阐述的问题）1.描述视频交通分析的目标分割的技术、方法和设备，并综述基于视频图像的目标分割技术的最新发展状况；2.设计出视频交通分析的目标分割系统的用户界面，具有*.raw交通视频裸数据的播放功能、视频背景提取功能、视频分割功能；3.设计视频交通分析的目标分割系统中视频图像的平滑滤波、静态背景估计、图像二值化处理的算法和程序；4.进行现场数据试验，并给出对实验数据的分析结果。二、设计原始资料（实验、研究方案）1交通信息检测实验系统；2交通信息检测实验系统实验数据；3. Citilog视频检测系统用户手册。三、设计完成后

2、提交的文件和图表（论文完成后提交的文件）1. 计算说明书部分：1）视频交通分析的目标分割系统的图像静态背景估计、二值化处理等算法的软件原理说明；*.raw裸数据的视频播放算法、视频背景提取算法、视频分割算法的软件原理说明； 2）视频交通分析的目标分割系统中的图像静态背景估计，二值化处理等算法的软件源代码；*.raw裸数据的视频播放算法、视频背景提取算法、视频分割算法的软件源代码；2、图纸部分：视频交通分析的目标分割系统的软件流程图四、毕业设计（论文）进程安排序号 论文各阶段名称 日期（教学周）1 收集、查阅有关交通信息采集、视频交通信息处理和图像采集硬件的有关资料，完成开题报告 1-22 熟悉

3、开发环境完成英文翻译 3-43. 设计视频交通分析的目标分割系统用户界面，实现*.raw视频裸数据播放功能、视频分割功能 5-74. 设计视频图像的背景提取、二值化算法，并进行现场数实 8-125. 整理资料，撰写毕业设计报告 13-156. 评审答辩 16五、主要参考资料1.孙即祥.图像分析M.北京：科学出版社.2.章毓晋.图像工程（上册）M.北京：清华大学出版社.3.周长发. Visual C+ 图像处理编程M.北京：电子工业出版社.4.求是科技. Visual C+ 数字图像识别技术典型案例M.北京：人民邮电出版社.5.Gupte S, Masoud O, Martin R, et al

4、 Detection and classification of vehiclesJ Intelligent Transportation Systems, IEEE Trans, 2002, 3(1)6.武莹，彭文明.Visual C+开发实用编程200例M.北京：中国铁道出版社.7.四维科技，胡小锋，赵辉. Visual C+/MATLAB图像处理与识别实用案例精选M.北京：人民邮电出版社.2长安大学毕业设计（论文）开题报告表课题名称用于视频交通分析的目标分割算法设计课题来源自选项目课题类型工程设计指导教师学生姓名学 号专 业电子信息工程 一、 课题意义：Led照明，又称固态照明，因led

5、（既发光二极管）是一种半导体固体发光器件，利用这种器件作为光源制作出来的照明器具我们称之位led照明。led照明工艺精良，科学含量高，因不存在普通灯泡容易产生灯丝发光易烧、热沉积、光衰等情况，寿命长久，亦被称为长寿灯，寿命是传统白炽灯的十倍以上。它色彩丰富，节电并环保，是照明界最时尚的绿色照明产品。二、 国内外发展状况：随着时代的发展，LED灯具应用越来越广泛，大街小巷都是美丽的灯光风景，真是“另有一番滋味在心中”。LED灯的普遍性使人们认识到这个行业的广阔发展前景，所以都抽身积极融入于这个抢手的“香饽饽”之中。发展至2010年，中国生产照明用功率LED的厂家有上百家之多，生产的大功率LED品

6、质也各不相同，国内目前以国星光电、九洲光电、瑞丰光电、量子光电、山西光宇、中宙光电等厂家生产的照明用LED代表国产器件的较高水平。 据有关研究机构统计数据显示，国星光电、九洲光电、瑞丰光电位居2009年LED照明市场占有率前三位，其中瑞丰光电在深圳市场位居首位。国星光电首创了国际上基于PCB的大功率LED器件结构，在基板材料、生产工艺等方面实现了创新。 目前国外厂家主要以Cree和PhilipsLumileds代表着市场上最高品质的大功率LED,基本上占据了全球大功率LED高端市场的90%以上。 Cree的产品由于种类众多，各种规格的大功率LED比较齐全，产量大且供货较稳定成为大功率LED的主

7、流。而中国台湾生产的大功率LED占了中端市场大部分，其生产的大功率LED性价比较高。企业照明用LED路灯产量占据了国产市场的60%以上，产品平均毛利率在30%左右。目前这些国内企业在封装技术上可与全球一线大厂比肩，所以相比进口器件，国内封装的照明用功率LED器件具有很大的比较优势，价格也与台湾产品看齐。 企业之间的竞争是推动行业发展的重要因素之一，LED灯具的发展必定会更加迅速，更加广阔。三、 设计内容、方法：内容：1.描述视频交通分析的目标分割的技术、方法和设备，并综述基于视频图像的目标分割技术的最新发展状况；2.设计出视频交通分析的目标分割系统的用户界面，具有*.raw交通视频裸数据的播放

8、功能、视频背景提取功能、视频分割功能；3.设计视频交通分析的目标分割系统中视频图像的平滑滤波、静态背景估计、图像二值化处理的算法和程序；4.进行现场数据试验，并给出对实验数据的分析结果方法： 在了解图像处理相关知识和熟悉VC+6.0开发环境的基础上，先在VC+6.0开发环境中完成*.raw交通视频裸数据的播放功能，然后设计背景提取算法（平均法、直方图统计法和一种两者结合的方法）提取背景，再利用背景差法确定阈值并进行二值化。四、 预期结果：设计出静态背景提取和图像二制化算法和程序，并在VC+6.0 环境中完成*.raw交通视频裸数据的播放功能、视频背景提取功能、视频分割功能。五、进度安排序号 论

9、文各阶段名称 日期（教学周）2 收集、查阅有关交通信息采集、视频交通信息处理和图像采集硬件的有关资料，完成开题报告 1-22 熟悉开发环境完成英文翻译 3-43. 设计视频交通分析的目标分割系统用户界面，实现*.raw视频裸数据播放功能、视频分割功能 5-74. 设计视频图像的背景提取、二值化算法，并进行现场数实 8-125. 整理资料，撰写毕业设计报告 13-156. 评审答辩 16六、完成任务所具备的条件因素：1、老师及学长的悉心指导和帮助；2、PC机和vc+6.0运行环境，图书馆资料文献；3、对本课题的浓厚的兴趣；指导教师意见及建议：指导教师签名： 2009 年 03 月 02 日注：1

10、、课题来源分为：国家重点、省部级重点、学校科研、校外协作、实验室建设和自选项目；课题类型分为：工程设计、专题研究、文献综述、综合实验。 2、此表由学生填写，交指导教师签署意见后方可开题。3装订线摘 要图像分割是一种重要的图像处理技术，也是计算机视觉领域低层次视觉中的主要问题，同时它又是一个经典难题。本文提出一种用于视频交通分析的目标分割算法，其目的是在交通视频中提取出相对背景运动的目标。算法的思路是：首先提取不包含运动目标的背景全景图，然后用各帧图像与所获得的背景图像做差分提取出运动目标，得到较为精确的分割结果。本文采用了多帧图像平均法、直方图统计法和一种前两种方法相结合的优化算法提取不包含运

11、动目标的背景全景图。由于前两种方法都有各自的局限性，本文提出了一种由前两个方法相结合的优化方法。摄像机所获取的每一帧图像都同时包含了背景和运动目标的信息，可以认为是背景和运动目标的叠加，本文运用背景差分法提取运动目标。由于噪声等的影响，获得的区域并非运动目标的精确形状和区域，可以采用阈值法提高精度。运动目标分割是要把运动目标所在的区域从背景中分割出来，就需要在每一帧图像中实现分割，其中运动目标就是这样一些一致性区域的集合。实验证明该方法可以得到较为理想的分割结果。关键词：背景提取，多帧图像平均法，直方图统计法，视频分割ABSTRACTImage segmentation as a classi

12、c problem, takes an important role in the image processing, and also is a main issue in the low-level computer vision.An object segmentation algorithm is proposed in this paper for traffic video analyzing, aiming at extracting target which moving relative to the background. The essentials of the alg

13、orithm is as follows: firstly, extract the background panorama excluding moving targets; secondly, extract moving targets using the differences of frames and background to get an exact segmentation result。Extraction of static background panorama: This paper adopts multi-frame image analysis, histogr

14、am statistics and bonding of the above two to extract background panorama. Because of the limitations of multi-frame image analysis and histogram statistics, the author puts up with a new method of the combination of the two.Extraction of moving targets: Every frame captured by camera includes infor

15、mation of both background and moving targets, which can also be considered as superposition of them. This paper get moving targets using the differences of frames and background. Because of noises, the region extracted is not exact shape and region of the moving target, and now we can use threshold

16、method to improve accuracy. The purpose of the moving targets segmentation is to extract region that moving targets lie in from background, so the segmentation should be performed in each frame, in which moving targets are considered as a set of consistent region .It is proved that ideal segmentatio

17、n can be achieved by this method.Key words: background extraction, multi-frame image analysis, histogram statistics, video segmentation目 录第一章 绪论11.1 课题背景11.2 图像分割技术的发展及研究现状21.3 本论文的内容安排3第二章 基于交通视频的目标分割算法42.1 概述42.2 基于交通视频的目标分割系统设计42.2.1 基于交通视频的目标分割系统的总体设计42.2.2 基于交通视频的目标分割系统各模块功能42.2.3 基于交通视频的目标分割算法

18、主体流程图52.3 程序开发环境62.3.1 系统开发环境62.3.2 基于交通视频的目标分割系统的用户界面设计6第三章 *.raw数据的读取83.1 数字图像的相关知识83.1.1 图片文件格式83.1.2 BMP图像格式83.2 视频图像的灰度化处理算法设计113.2.1 YUV彩色空间概述113.2.2 算法思路113.2.3 灰度化图像实验结果123.3 视频图像的去噪处理133.3.1 概述133.3.2 均值滤波原理133.3.2 均值滤波试验结果143.4 结果比较14第四章 背景提取164.1 概述164.2 统计直方图法提取背景164.2.1 统计直方图法基本思路164.2.

19、2 软件测试结果及分析174.3 多帧图像平均法提取背景184.3.1 多帧图像平均法基本思路184.3.2 软件测试结果及分析184.4 背景提取的优化算法204.4.1 优化算法的基本思想及步骤204.4.2 优化算法流程图214.4.3 软件测试结果及分析214.4.4 此优化算法的优势22第五章 目标分割235.1 概述235.2 背景差分法分割目标235.2.1 算法思路235.2.2 分割运动目标的流程图245.2.3 分割中阈值选取245.2.4 目标分割算法255.3 软件测试结果及分析26第六章 总结及展望27致 谢28参考文献29附录一 系统软件处理流程图30附录二 系统软

20、件处理源代码31 II第一章 绪论1.1 课题背景图像分割是一种重要的图像技术，也是计算机视觉领域低层次视觉中的主要问题，同时它又是一个经典难题。早在50年代中期，计算机视觉理论形成以前，人们就开始了图像分割的研究。但到目前为止还不存在一个通用的分割方法对所有类型的图像都适用。随着对景物成像原理研究的深入，人们逐渐意识到一些影响成像的因素，这些因素包括:在将三维景物投影为二维图像的过程中，丢失了深度和不可见部分的信息，并且任一物体在不同的视角下形成的图像会有很大的不同，再加上复杂场景中物体间的相互遮挡而丢失了部分信息:此外，对成像过程有影响的诸多因素(如光源、物体表面几何形状和物理特性)、成像

21、设备与物体之间的空间特性、成像过程中或多或少地引入的一些畸变和噪声等。所有这些因素都导致了图像分割问题是一种信息不足的不适定性问题，从而不可能存在一种通用的对任何图像都适用的、统一的图像分割方法。但是可以根据有关图像的一些先验知识设计适用于具体分割目的的图像分割方法。图像分割在实际中已得到广泛的应用，例如在工业自动化、在线产品检验、生产程控、文件图像处理、遥感和生物医学图像分析、保安监视、以及军事、体育、农业工程等方面。概括来说，在各种图像应用中，只要需对图像目标进行提取、测量等都离不开图像分割。如在遥感应用中，合成孔径雷达图像中目标的分割与遥感云图中不同云系和背景分布的分割;在医学应用中，脑

22、部MR 图像分割成灰质(GM)、白质(WM)、脑脊髓(CSF)等脑组织和其它非脑组织区域(NB)等;在交通图像分析中，把车辆目标从背景中分割出来等;在面向对象的图像压缩和基于内容的图像数据库查询中，将图像分割成不同的对象区域。近年来，图像分割在对图像的编码中也起到越来越重要的作用，例如国际标准MPEG-IV中的模型基/目标基编码等都需要基于分割的结果。因此，图像分割具有广阔的应用前景。本文主要研究的是交通图像分析中的图像分割。目前最常用也最有效的运动目标分割方法是背景差分算法，其中背景提取是背景差分算法的关键一环，背景提取的好坏直接影响到运动目标检测的准确度，关系到进一步分析视频图像信息的可靠

23、性。道路运动目标的背景提取是智能交通系统中的基础工作，也是重要的一个环节。将运动目标提取出来是ITS的一个基础性问题，如果能找到一个方便快捷的方法把运动目标精确而迅速的提取出来，必将对高层次的视频处理带来极大的方便。1.2 图像分割技术的发展及研究现状图像分割是图像处理中的重要问题,也是计算机视觉研究中的一个经典难题。计算机视觉中的图像理解包括目标检测、特征提取和目标识别等,都依赖于图像分割的质量。尽管研究人员提出了许多分割方法,但是到目前为止还不存在一种通用的方法,也不存在一个判断分割是否成功的客观标准,因此被认为是计算机视觉中的一个瓶颈。早在50年代中期，计算机视觉理论体系形成以前，人们就

24、开始了图像分割的研究。根据利用图像信息的不同，分割方法主要分为:(l)基于阈值的分割方法。利用图像灰度统计信息，如灰度直方图;(2)基于区域的分割方法。包括区域分裂-合并法、区域生长法、纹理分割、多光谱图像分割等。利用图像空间区域信息和光谱信息;(3)边缘检测方法。利用图像中灰度变化最强烈的区域信息边缘。这一方法检测图像的边缘，通常的算法只能将图像分成边缘和非边缘两部分。在图像分割最初发展的二十年里，基于上述三种方法的研究大多只是将图像分割成目标和背景两部分，丢失了许多图像信息。进入八十年代以后，人们以上述三种方法为基础，进一步研究了多区域分割，将图像分成由多个目标和背景组成的多个区域。而且越

25、来越多地将图像分割技术与许多其它学科和领域，例如数学、物理、心理学、电子学、计算机科学等学科联系起来。近年来，随着各学科许多新理论和方法的提出，人们也提出了许多结合一些特定理论、方法和工具的分割技术。每当有新的数学工具或方法提出来，人们就试着将其用于图像分割，因而提出了不少特殊的算法，例如基于马尔可夫随机场、数学形态学、遗传算法、小波变换等理论的分割算法.多年来，对图像分割的研究一直是图像技术研究中的热点和焦点，很多研究人员为之付出了巨大的努力，人们对其的关注和投入也不断提高。从兴起到现在，图像分割算法得到了不断的改进和创新，在不同的领域也取得了相当的进展与成就。至今己提出了上千种各种类型的分

26、割算法，而且近年来每年都有大量研究报道发表。由于图像中象素的灰度值不能完全代表实际场景中的诸多因素，如光源、物体表面几何、物理特性及成像设备与物体之间的空间特性等造成了信息丢失;在成像过程中引入了一些畸变和噪声等这些问题使得图像分割本身具有一定的难度和复杂性，其面向的领域具有特殊性，很难用一个精确的数学公式来表征，使图像分割成为一种信息不足的不适定问题。因此，尽管分割的方法很多，但到目前为止，还不存在一个对任何图像都适用的通用的分割方法，也不存在一个判断分割是否成功的客观标准，对于给定的实际图像分析问题要选择合用的分割算法也还没有标准的方法。一般来说，对图像分割方法的选择都要针对具体的问题进行

27、具体分析，依据图像信息的性质来确定，有时还要用到先验知识。能否找到一个统一的方法来用于所有图像的分割，是现在许多学者研究的方向。对于寻找一种能够普遍适用于各种复杂情况的准确率很高的分割算法，还有很大的探索空间。对图像分割的深入研究不仅会不断完善对自身问题的解决，而且必将推动模式识别、计算机视觉、人工智能等计算机科学分支的发展。1.3 本论文的内容安排按照论文各章的次序，本文的研究内容包括：第一章提出了课题的研究背景，说明在复杂背景下进行运动目标分割现实性和重要性；然后综述了与本课题相关技术的研究现状。第二章给出介绍了基于交通视频的目标分割系统的总体设计，并给出了运动目标分割主体流程图。第三章介

28、绍了视频处理方面的一些相关知识，给出了读取*.RAW文件的算法思路，给出软件测试结果，并对视频结果做了平滑滤波处理。第四章介绍了统计直方图法和多帧图像平均法两种传统的提取背景算法，在次基础上给出了一种新的优化算法，并给出了所有算法的软件测试结果。第五章用背景差分法对运动目标进行分割，并给出最终的软件测试结果。第六章对本论文的主要研究成果做了总结，总结了课题的创新之处和不足之处，指出了今后进一步开展的工作。 共 41 页 第 38 页第二章 基于交通视频的目标分割算法2.1 概述图像分割是计算机视觉领域中极为重要的内容之一,是实现自动图像分析和模式识别的首要问题,也是图像处理的经典难题之一。图像

29、分割的质量的优劣、区域界限定位的精度直接影响后续的区域描述以及图像的分析和理解,是图像处理、分析、理解中一个举足轻重的技术环节。本课题所处理的是YUV422格式的raw数据，单帧大小为1440*576；所运用的开发环境为VC+6.0。2.2 基于交通视频的目标分割系统设计2.2.1 基于交通视频的目标分割系统的总体设计本课题是先以视频形式读取出*.RAW数据，然后根据所提出的方法提取出交通视频的背景图像，最后根据背景差分法分割出运动目标。基于交通视频的目标分割系统的总体设计框图如下：基于交通视频的目标分割系统的总体设计框图如下：原始的*.RAW数 据视频读取 模块背景提取 模块图像分割 模块2

30、.2.2 基于交通视频的目标分割系统各模块功能视频读取模块的功能是根据所给出的*.RAW数据的格式将数据以视频形式播放；背景提取模块的功能是设计合适的算法提取出符合本课题要求的背景图像；图像分割模块的功能是用背景差分法将背景图像与运动目标分割开来，以获得较为精确的运动目标。其中在背景分割模块中，本文最终应用的是一种由多帧图像平均法和统计直方图法相结合的优化算法；在目标分割模块中应用的是背景差分法，再对差值用阈值法进行二值化处理。2.2.3 基于交通视频的目标分割算法主体流程图f阈值k？赋平均像素值赋给出现次数最多的像素值计算出各像素点平均像素值与出现次数最多的像素值之差f根据多帧图像平均求法求

31、出各像素点平均值，根据统计直方图法求出跟像素点出现次数最多的像素值开 始读取*.raw文件提取出背景图像差分法、二值化分割出目标完 毕 是 否 图 2.1 基于交通视频的目标分割算法主体流程图2.3 程序开发环境2.3.1 系统开发环境本程序是在VC+6.0开发平台下，用基于对话框模式的框架开发而成。硬件环境: PC机一台( Genuine Intel(R) CPU，1.5G内存，80G硬盘)操作系统: Windows XP编译工具: Microsoft Visual C+6.02.3.2 基于交通视频的目标分割系统的用户界面设计在VC+6.0中设计的用户界面如下图所示：图2.2 基于交通视频

32、的目标分割系统的用户界面上图用户界面中的两个区域的功能：视频区是用来显示所读取出的*.RAW 数据的视频的；背景/运动目标去是用来显示所提取出来的背景图和最后目标分割结果的。上图用户界面中各按钮的功能：打开按钮：将电脑硬盘中*.RAW 数据输入到系统软件，并显示其路径；播放按钮： 以视频形式播放*.RAW数据；背景提取按钮：提取出所读出视频的背景图像；图像分割按钮：将运动目标与背景图像分割开来；上一帧按钮：显示正在播放帧的上一帧图像；下一帧按钮：显示正在播放帧的下一帧图像；暂停按钮：暂停正在播放的视频；停止按钮：停止正在播放的视频；右下角的显示框是用来显示正在播放的帧数的。第三章 *.raw数

33、据的读取3.1 数字图像的相关知识3.1.1 图片文件格式图像格式即图像文件存放的格式，通常有JPEG、TIFF、RAW、BMP、GIF、PNG等。由于数码相机拍下的图像文件很大，储存容量却有限，因此图像通常都会经过压缩再储存。本课题主要运用的是BMP图像格式和RAW图像格RAW图像格式。RAW图像格式：扩展名是RAW。RAW是一种无损压缩格式，它的数据是没有经过相机处理的原文件，因此它的大小要比TIFF格式略小。所以，当上传到电脑之后，要用图像软件的Twain界面直接导入成TIFF格式才能处理。BMP图像格式：BMP是英文Bitmap（位图）的简写，它是Windows操作系统中的标准图像文件

34、格式，能够被多种Windows应用程序所支持。随着Windows操作系统的流行与丰富的Windows应用程序的开发，BMP位图格式理所当然地被广泛应用。这种格式的特点是包含的图像信息较丰富，几乎不进行压缩，但由此导致了它与生俱生来的缺点-占用磁盘空间过大。所以，目前BMP在单机上比较流行。3.1.2 BMP图像格式BMP是一种与硬件设备无关的图像文件格式，使用非常广。它采用位映射存储格式，除了图像深度可选以外，不采用其他任何压缩，因此，BMP文件所占用的空间很大。BMP文件的图像深度可选lbit、4bit、8bit及24bit。BMP文件存储数据时，图像的扫描方式是按从左到右、从下到上的顺序。

35、 由于BMP文件格式是Windows环境中交换与图有关的数据的一种标准，因此在Windows环境中运行的图形图像软件都支持BMP图像格式。 文件结构：典型的BMP图像文件由四部分组成：1：位图文件头数据结构（14字节），它包含BMP图像文件的类型、文件的大小、显示内容等信息；2：位图信息头数据结构（40字节），它包含有BMP图像的宽、高、压缩方法，以及定义颜色等信息；3：颜色表，这个部分是可选的，有些位图需要颜色表，有些位图，比如真彩色图（24位的BMP）就不需要调色板。颜色表（简称色表）一般是针对16位一下的图像而设置的，对于16位和16位以上的图像，由于其位图像素数据中直接对对应像素的RG

36、B(A)颜色进行描述，因而省去了调色板。而对于16位以下的位图，由于其位图像素数据中记录的只是调色板索引值，因而需要根据这个索引到调色板中去取得相应的RGB(A)颜色。颜色表的作用就是创建调色板。对于显卡来说，如果它不能一次显示超过256中颜色，读取和显示BMP文件的程序就能够把这些RGB值转换到显示卡的调色板来产生准确的颜色。4：位图数据，BMP文件的位图数据格式依赖于编码每个像素颜色所用的位数。在24位图中没有调色板，图像数据中每三个字节表示一个像素，每个字节表示一个RGB分量，因此直接使用RGB；而其他的小于24位的使用调色板中颜色索引值。对应的数据结构：1：BMP文件组成 BMP文件由

37、文件头、位图信息头、颜色信息和图形数据四部分组成。 2：BMP文件头( 14字节)BMP文件头数据结构含有BMP文件的类型、文件大小和位图起始位置等信息。 其结构定义如下: typedef struct tagBITMAPFILEHEADERWORDbf Type; / 位图文件的类型，必须为BMP ( 0-1字节)DWORD bfSize; / 位图文件的大小，以字节为单位( 2-5字节)WORD bfReserved1; / 位图文件保留字，必须为0 ( 6-7字节)WORD bfReserved2; / 位图文件保留字，必须为0 ( 8-9字节)DWORD bfOffBits; / 位图

38、数据的起始位置，以相对于位图(10-13字节)/ 文件头的偏移量表示，以字节为单位 BITMAPFILEHEADER;3：BMP位图信息头(40字节)BMP位图信息头数据用于说明位图的尺寸等信息。typedef struct tagBITMAPINFOHEADERDWORD biSize; / 本结构所占用字节数(14-17字节)LONG biWidth; / 位图的宽度，以像素为单位(18-21字节)LONG biHeight; / 位图的高度，以像素为单位(22-25字节)WORD biPlanes; / 目标设备的级别，必须为1(26-27字节)WORD biBitCount;/ 每个像

39、素所需的位数，必须是1(双色)，(28-29字节) / 4(16色)，8(256色)或24(真彩色)之一DWORD biCompression; / 位图压缩类型，必须是 0(不压缩)，(30-33字节) / 1(BI_RLE8压缩类型)或2(BI_RLE4压缩类型)之一DWORD biSizeImage; / 位图的大小，以字节为单位(34-37字节)LONG biXPelsPerMeter; / 位图水平分辨率，每米像素数(38-41字节)LONG biYPelsPerMeter; / 位图垂直分辨率，每米像素数(42-45字节)DWORD biClrUsed;/ 位图实际使用的颜色表中的

40、颜色数(46-49字节)DWORD biClrImportant;/ 位图显示过程中重要的颜色数(50-53字节) BITMAPINFOHEADER;4：BMP颜色表 颜色表用于说明位图中的颜色，它有若干个表项，每一个表项是一个RGBQUAD类型的结构，定义一种颜色。RGBQUAD结构的定义如下: typedef struct tagRGBQUAD BYTE rgbBlue;/ 蓝色的亮度(值范围为0-255)BYTE rgbGreen; / 绿色的亮度(值范围为0-255)BYTE rgbRed; / 红色的亮度(值范围为0-255)BYTE rgbReserved;/ 保留，必须为0 RG

41、BQUAD;颜色表中RGBQUAD结构数据的个数有biBitCount来确定:当biBitCount = 1，4，8时，分别有2，16，256个表项;当biBitCount = 24时，没有颜色表项。位图信息头和颜色表组成位图信息，BITMAPINFO结构定义如下:typedef struct tagBITMAPINFO BITMAPINFOHEADER bmiHeader; / 位图信息头RGBQUAD bmiColors1; / 颜色表 BITMAPINFO;5：位图数据 位图数据记录了位图的每一个像素值，记录顺序是在扫描行内是从左到右，扫描行之间是从下到上。位图的一个像素值所占的字节数:

42、 当biBitCount = 1时，8个像素占1个字节;当biBitCount = 4时，2个像素占1个字节;当biBitCount = 8时，1个像素占1个字节;当biBitCount = 24时，1个像素占3个字节;Windows规定一个扫描行所占的字节数必须是4的倍数(即以long为单位)，不足的以0填充，其大小为:biSizeImage = (bi.biWidth * bi.biBitCount) + 3) /4*4) * bi.biHeight;因此，24位真彩色图像的大小为:BiSizeImage = (bi.biWidth *3) + 3) /4*4) * bi.biHeight

43、;3.2 视频图像的灰度化处理算法设计在项目中，一般不用彩色图像而是用灰度图像，因为灰度图像已经满足后续处理对图像的所有要求，而且处理灰度图像需要的时间更少，速度更快，因此现在在实际的项目开发中，都是要把彩色图像转化为灰度图像。在灰度图像中，纯白，代表了该色光在此处为最高亮度，亮度级别是255。纯黑，代表了该色光在此处完全不发光，亮度级别是0。介于纯黑纯白之间的灰度，代表了不同的发光程度，亮度级别介于1至254之间。灰度中越偏白的部分，表示色光亮度值越高，越偏黑的部分则表示亮度值越低。3.2.1 YUV彩色空间概述YUV是被欧洲电视系统所采用的一种颜色编码方法（属于PAL），是PAL和SECA

44、M模拟彩色电视制式采用的颜色空间。其中的Y,U,V几个字母不是英文单词的组合词，Y代表亮度，UV代表色差，U和V是构成彩色的两个分量。在现代彩色电视系统中，通常采用三管彩色摄影机或彩色CCD摄影机进行取像，然后把取得的彩色图像信号经分色、分别放大校正后得到RGB，再经过矩阵变换电路得到亮度信号Y和两个色差信号RY（即U）、BY（即V），最后发送端将亮度和色差三个信号分别进行编码，用同一信道发送出去。这种色彩的表示方法就是所谓的YUV色彩空间表示。3.2.2 算法思路我们所读取的数据源并不直接是R、G、B分量表示的彩色图，而是以Y、U、V格式存放的*.RAW数据，存储格式为YUV422格式，即以

45、YUYV格式存放的数据，其中“Y”表示明亮度（Luminance），也就是灰阶值；而“U”和“V” 表示的则是色度（Chrominance），作用是描述影像色彩及饱和度，用于指定像素的颜色。数据每个像素是用YUV表示的，采用YUV色彩空间的重要性是它的亮度信号Y和色度信号U、V是分离的。如果只有 Y信号分量而没有U、V信号分量，那么这样表示的图像就是黑白灰度图像。所以我们只要忽略UV 分量，取出Y 分量 ，就可以得到像素的亮度值，从而把彩色图像转换为灰度图像。如果是我们直接读取的R、G、B值那就要进行转换即转换公式。YUV与RGB相互转换的公式如下（RGB取值范围均为0-255）： Y = 0

46、.299R + 0.587G + 0.114B U = -0.147R - 0.289G + 0.436B V = 0.615R - 0.515G - 0.100B R = Y + 1.14V G = Y - 0.39U - 0.58V B = Y + 2.03U但是我们这里采集到的图像数据是Y、U、V值所以不需要转化，直接读取Y值使用即可。Y 代表亮度信息，U 代表蓝色色差信息（就是蓝色信号与亮度信号之间的差值），V 代表红色色差信息（就是红色信号与亮度信号之间的差值）。用YUV422方式描述，则对于每2个像素，Y 用2个字节，U 取相同的值，用一个字节，V 取相同的值，用一个字节，平均每个

47、像素2个字节。或者每个像素 Y 用一个字节，U 用半个字节，V 用半个字节，共2个字节。这种格式每个色差信道的抽样率是亮度信道的一半，所以水平方向的色度抽样率只是4:4:4的一半。对非压缩的8比特量化的图像来说，每个由两个水平方向相邻的像素组成的宏像素需要占用4字节内存。下面的四个像素为：Y0 U0 V0 Y1 U1 V1 Y2 U2 V2 Y3 U3 V3 存放的码流为：Y0 U0 Y1 V1 Y2 U2 Y3 V3映射出像素点为：Y0 U0 V1 Y1 U0 V1 Y2 U2 V3 Y3 U2 V3我们只需取出的亮度分量Y，根据YUV422格式因此只需读取数据中4的倍数部分。根据RGB三基

48、色原理，R=Y、B=Y、G=Y 的时候合成的就是一个亮度为Y 的灰色像素。极限的情况，当R=255、G=255、B=255 时表示白的像素， 当R=0 、G=0 、B=0 时表示黑的像素。这种方法的优点是抗干扰能力强。由于亮度信号是单独表示的，所以如果色差信号受到干扰，不会影响到亮度，主观感觉噪声不会明显增加 。本文所要处理的图像的总大小为1782810KB，单帧大小为1440*576B，所以其总帧数 N=17828810000/(1440*576)=2149。3.2.3 灰度化图像实验结果图3.1 播放视频中第100帧视频图像3.3 视频图像的去噪处理3.3.1 概述图像信号在产生、传输和记

49、录过程中,经常会受到各种噪声的干扰,一般来说,现实中的图像都是带噪图像。通常在图像处理工作中,在边缘检测、图像分割、特征提取、模式识别等高层次处理之前,选用适当的方法尽量地去除噪声干扰是一个非常重要的预处理步骤。因此,图像去噪算法研究是一切图像处理的前提,具有重要的意义。噪声在图像处理中是一个非常重要的问题,它对图像的输入、采集、处理的各个环节以及最终的输出结果都会产生一定的影响。特别是在图像的输入、采集过程中,噪声是个十分关键的问题,若输入伴有较大噪声,必然影响之后的处理以及最终的处理效果。因此,任何一个良好的图像处理系统,无论是模拟处理还是计算机处理无不把减少最前一级的噪声作为主攻目标。去

50、噪处理已成为图像处理中极其重要的步骤。本文采用均值滤波去除图像的噪声。3.3.2 均值滤波原理每幅图像是由理想图像和噪声图像组成的集合, 由于有噪声存在,导致图像的质量下降。图像的形式可以表示为:f ( x , y) = M ( x , y) + N ( x , y)式中: M ( x , y) 为理想图像, N ( x , y) 为噪声图像。均值滤波也称为线性滤波,其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值替代原图像中的各个像素值,即对待处理的当前像素点( x , y) ,选择一个模板,该模板由其近邻的若干像素组成,求模板中所有像素的均值,再把该均值赋予当前像素点( x , y

51、) ,作为处理后图像在该点上的灰度g ( x , y) 。即其中, s 为3 3的均值滤波模板,M 为该模板中包含当前像素在内的像素总个数。111111111 1/9 3.3.2 均值滤波试验结果图3.2 均值滤波后第100帧视频图像3.4 结果比较（a）播放视频中第100帧视频图像(b) 均值滤波后第100帧视频图像从上图可以看出，图像平滑处理后的图像比原图像柔和一些，其他地方很难看出差别。采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。邻域平均法有效地抑制了噪声,但是在求均值的计算过程中,景物的边缘点也进行均值处理,这样就使得景物的清晰度降低,画面变得模糊。第四章

52、背景提取4.1 概述交通视频检测等系统需在序列图像中实时的发现和提取车辆，并不断跟踪他们。这就涉及到背景图像。背景图像是指视道路上没有运行的车辆的图像，即使道路上有车辆运行，背景算法也通过技术处理除去车辆而获得没有车辆运行的背景图像。本章介绍和分析了多帧图像平均法和直方图统计法两种背景提取算法，并在此基础上提出了一种新的背景提取算法:多帧图像平均法和直方图统计法相结合的背景新算法。实验测试表明:该算法取得的背景效果良好，具有较强的实用性和参考价值。由于本项目所研究的视频本身因外界光照、天气的变化、移动目标的存在等不确定因素的影响很小，前面优化算法所提取的背景已达到项目的要求，背景更新的必要性不

53、大。所以本文没有做背景更新的算法研究。4.2 统计直方图法提取背景4.2.1 统计直方图法基本思路基于像素的直方图分析背景提取法通常是基于这样的统计事实，在某一时间段内，视频序列特定像素位置处出现频率最高的像素值是背景像素值传统直方图分析方法通过存储视频中每一像素位置在序列的时间轴方向上的直方图信息(即在某一时间段内统计该像素位置处每一种可能的像素值所出现的次数)，取该像素位置的直方图峰值所对应的像素值作为背景像素值，即直方图中最大值就是背景本身的亮度值。该方法在在直方图分析时统计图像中的单个像素点，是一种较为有效的背景估计方法。由于其抗噪声干扰性较好，在通常情况下该方法提取出的背景较时域平均

54、方法(time averaging)好，但运算量大、提取背景速度慢是该方法的主要缺陷。考虑到路面上同一点被相同亮度的车辆长时间覆盖的可能性很小，所形成的亮度不一样的可能性就越大，从而可统计一段时间内各个像素点上不同亮度出现的次数，其中出现次数最多的，即直方图中最大值就是路面本身的亮度值。统计直方图可以表示为:P( x, y, k ) = P+1 if imagei x ,y ,m=k i =1 , 2 , NP if imagei x ,y ,mk Background( x ,y ) = max P(x ,y ,k) k = 1, 2, , 255表达式中:P(x，y，k)表示像素点(x，y

55、)处亮度值k出现的次数，imagei (x，y，m)表示某一帧图像像素点(x，y)处亮度值为m。4.2.2 软件测试结果及分析 (a) N=20时提取的背景图像 (b) N=50时提取的背景图像 (c) N=100时提取的背景图像 (d) N=200时提取的背景图像 (e) N=300时提取的背景图像 (f) N=400时提取的背景图像图4.1 帧数不同时统计法提取背景图像从以上几幅当统计帧数N增加时得到的背景图像效果并没有得到改善。主要是因为当运动目标通过的时候，对于图像中的近景，因为运动目标快速通过，背景显现的时间比较长，因此得到的背景图像较好；而对于图像远景，一些运动目标相连，运动目标相

56、对于近景移动的较慢，目标显现的时间较长，因此会误把运动目标当成背景统计出来，得到的背景图像失真。4.3 多帧图像平均法提取背景4.3.1 多帧图像平均法基本思路多帧图像平均法是对一段时间内的视频图像用累加求平均法来获得背景图像。这种方法的思想是把运动物体作为噪声，累加求平均的方法去除噪声，以获得背景。这种方法的特点是模型简单，计算方便，但是得到的背景受车流量大小的影响而变化。考虑到道路上车辆的多样性，有的车辆亮度值比路面亮度值高，有的亮度值比路面亮度底，有的亮度与路面相当，所以从统计学角度看，对某一长时段的视频交通信息做平均后，由于车辆的经过而引起的路面像素灰度值的变化在这段时间内可以忽略。多

57、帧图像平均法是将运动的车辆看作为噪声用累加平均的方法消除噪声，利用车辆运行一段时间的序列达式为:式中:Background(x，y)表示背景图像，imagei(x，y)表示第i帧序列图像在象素点(x，y )的亮度值，N表示平均帧数。这种方法的的特点是模型简单、计算方便，但是也有缺陷，即：得到的背景受车流量大小的影响而变化。4.3.2 软件测试结果及分析（a）N=20时提取的背景图像 (b) N=50时提取的背景图像 （c）N=100时提取的背景图像 (d) N=200时提取的背景图像 (e) N=300时提取的背景图像 (f) N=400时提取的背景图像图4.2 帧数不同时多帧图像平均法提取背

58、景图像从以上几幅当帧数N增加时得到的背景图像效果有所改善。主要是因为在实际生活中，一段时间内路面某点不可能既有亮度高又有亮度低的车辆，而是某些地方有亮度高或者是亮度低的车辆，通过平均法得到的背景会就出现亮暗分布不均匀的状态。该算法得到背景图像受车流量的影响比较大，随着平均帧数的增加，噪声消除有所改善，但是车流辆比较大的路面的背景和真实路面还是有区别的。4.4 背景提取的优化算法从上面的分析中我们可以看出，单纯的每种算法都有它的局限性，对场景的适应性不够强，得出的效果并不令人满意这就要求我们找到一种新的方法来实现图像背景的提取。针对以上2种算法的不足，本文在传统的平均法和直方图统计法基础上，提出了一个新算法来提取背景图像，以满足我们实际提取背景的要求。4.4.1 优化算法的基本思想及步骤由于道路上车辆的多样性，有的车辆亮度值比路面亮度值高，有的亮度值比路面亮度底，有的亮度与路面相当。当运动目标速度过快的时候，对于图像中的近景，因为运动目标快速通过，背景显现的时间比较长，因此得到的背景图像较好；而对于图像远景，一些运动目标相连，运动目标相对于近景移动的较慢，目标显现的时间较长，因此会误把运动目标当成背景统计出来，得到的背景图像失真。针对上述情况我们将图像分段进行处理：如果哪个像素点平均值于出现