１０００．９８２５／２００５／１６（０９）１５６８◎２００５ＪｏｕｒｎａｌｏｆＳｏｆｔｗａｒｅ软件学报Ｖ０１．１６，Ｎｏ．９
基于像素灰度归类的背景重构算法木
侯志强＋，韩崇昭
（西安交通大学电子与信息工程学院综合自动化研究所，陕西西安７１００４９）
ＡＢａｃｋｇｒｏｕｎｄＲｅｃｏｎｓｔｒｕｃｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＰｉｘｅｌＩｎｔｅｎｓｉｔｙＣｌａｓｓｉｆｉｃａｔｉｏｎ
ＨＯＵＺｈｉ－Ｑｉａｎｇ＋，ＨＡＮＣｈｏｎｇ－Ｚｈａｏ
（ＩｎｓｔｉｔｕｔｅｏｆＡｕｔｏｍａｔｉｏｎ，ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’蚰ＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｌｌ７１００４９，Ｃｈｉｎａ）
＋Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ：Ｐｈｍ＋８６—２９—８２２１２３３８，Ｅ－ｍａｉｌ：ｈｏｕ－ｚｈｑ＠ｓｏｈｕ．ｔｏｍ
Ｒｅｃｅｉｖｅｄ２００４—－０４－－２０；Ａｃｃｅｐｔｅｄ２００４?－１１－０３
ＨｏｕＺＱ，ＨａｎＣＺ．ＡｂａｃｋｇｒｏｕｎｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｐｉｘｅｌｉｎｔｅｎｓｉｔｙｃｌａｓｓｉｆｉｃａｔｉｏｎＪｏｕｒｎａｌｏｆＳｏｆｔｗａｒｅ，２００５，１６（９）：１５６８－１５７６．ＤＯＩ：１０．１３６０／ｊｏｓｌ６１５６８
Ａｂｓｔｒａｃｔ：１１１ｅｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎｉｓａｎｉｍｐｏｒｔａｎｔｍｅｔｈｏｄｔｏｄｅｔｅｃｔｔｈｅｍｏｖｉｎｇｏｂｊｅｃｔｓ．ａｎｄｉｔｓｄｉｆｆｉｃｕｌｔｙｉｓｔｈｅｂａｃｋｇｒｏｕｎｄｕｐｄａｔｅ．Ｓｏａｂａｃｋｇｒｏｕｎｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｐｉｘｅｌｉｎｔｅｎｓｉｔｙｃｌａｓｓｉｆｉｃａｔｉｏｎｉｓｐｒｅｓｅｎｔｅｄｉｎｔｈｉｓｐａｐｅｒ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｈｙｐｏｔｈｅｓｉｓｔｈａｔｔｈｅｂａｃｋｇｒｏｕｎｄｐｉｘｅｌｉｎｔｅｎｓｉｔｙａｐｐｅａｒｓｉｎｉｍａｇｅｓｅｑｕｅｎｃｅｗｉｔｈｍａｘｉｍｕｍｐｒｏｂａｂｉｌｉｔｙ，ｔｈｅｐｉｘｅｌｉｎｔｅｎｓｉｔｙｄｉｆｆｅｒｅｎｃｅｓｂｅｔｗｅｅｎｓｅｑｕｅｎｔｉａｌｔｗｏｆｒａｍｅｓａｒｅｃａｌｃｕｌａｔｅｄ，ａｎｄｔｈｅｉｎｔｅｎｓｉｔｙｖａｌｕｅｓａｔｔｈｅｐｉｘｅｌｓａｒｅｃｌａｓｓｉｆｉｅｄｂｙｍｅａｎｓｏｆｔｈｅｓｅｄｉｆｆｅｒｅｎｃｅｓ．Ｆｏｒｔｈｅｎｅｗａｌｇｏｒｉｔｈｍ，ｎｅｉｔｈｅｒｔｈｅｐｒｅ－ｔｒａｉｎｉｎｇｏｆｔｈｅｂａｃｋｇｒｏｕｎｄｗｉｔｈｏｕｔａｎｙｍｏｖｉｎｇｔａｒｇｅｔ，ｎｏｒｔｈｅｍｏｄｅｌｓｏｆｂａｃｋｇｒｏｕｎｄａｎｄｔａｒｇｅｔｓａｒｅｎｅｅｄｅｄ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｂａｃｋｇｒｏｕｎｄｃａｎｂｅｒｅｃｏｎｓｔｒｕｃｔｅｄｃｏｒｒｅｃｔｌｙｂｙｕｓｉｎｇｔｈｅｎｅｗａｌｇｏｒｉｔｈｍ，ＳＯｔｈｅｔａｒｇｅｔＣａｎｂｅｅｘｔｒａｃｔｅｄｐｅｒｆｅｃｔｌｙａｎｄｔｒａｃｋｅｄｓｕｃｃｅｓｓｆｕｌｌｙ．
Ｋｅｙｗｏｒｄｓ：ｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎ；ｂａｃｋｇｒｏｕｎｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎ；ｍｏｔｉｏｎｄｅｔｅｃｔｉｏｎ；ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ；ｔｒａｃｋｉｎｇ；
ｖｉｓｕａｌｓｕｒｖｅｉｌｌａｎｃｅ
摘要：背景差法是一种重要的运动检测方法，其难点在于如何进行背景更新．针对该问题，提出一种基于像素灰度归类的背景重构算法，即在假设背景像素灰度以最大概率出现在图像序列的前提下，利用灰度差对相应像素点灰度进行归类，选择频率最高的灰度值作为该点的背景像素值．在背景缓慢变化和突变时，分别利用该算法进行定时和实时背景重构具有明显的优点．仿真结果表明，即使场景中存在运动前景，该算法也能够准确地重构背景，并有效地避免混合现象，从而实现对运动目标的完整提取，以便进一步识别或跟踪．
关键词：背景差；背景重构；运动检测；图像分割；跟踪：视频监视
中图法分类号：ＴＰ３９１文献标识码：Ａ
在计算机视觉系统中，运动目标的检测与分割是～个非常重要的问题，应用于视频监视、交通监测、图像
Ｎｏ．２００１ＣＢ３０９４０３（国家重点基础研?ＳｕｐｐｏＳｅｄｂｙｔｈｅＮａｔｉｏｎａｌＧｒａｎｄＦｕｎｄａｍｅｎｔａｌＲｅｓｅａｒｃｈ９７３ＰｒｏｇｒａｍｏｆＣｈｉｎａｕｎｄｅｒＧｒａｎｔ
究发展规划（９７３））
作者简介：侯志强（１９７３－），男，陕西眉县人，博士，副教授，主要研究领域为图像处理，计算机视觉，信息融合；韩崇１稻（１９４３－－），男，教授，博士生导师，主要研究领域为随机与自适应控制，非线性系统，多源信息融合．
万方数据
第20卷第6期重庆邮电大学学报(自然科学版)Vo.l 20 No .6 2008年12月Journal of Chongq i ng Un i versity of Posts and Te leco mm un i cations(Natu ral Sc ience E d iti on)D ec .2008 基于背景重构的运动目标检测算法 收稿日期:2008-05-05 修订日期:2008-10-23 基金项目:重庆市重点自然基金项目(CS TC,2008BA1008) 董文明1 ,吴乐华1 ,姜德雷 2 (1.重庆通信学院信号与信息处理实验室,重庆400035;2.重庆通信学院图像通信实验室,重庆400035) 摘 要:针对背景差分算法中的参考帧提取问题,引入动态时间弯折(DTW )算法,给出了一种新的基于块的背景重构方法。该算法根据相邻两帧图像所对应的背景区域灰度变化不大的特点,利用DTW 算法从帧中提取出背景区域所对应的块,再确定出背景帧。仿真结果表明,即使是在图像存在几何畸变和部分像素点缺省的情况下该算法仍能准确地重构背景,实现对运动目标的提取。关键词:运动物体检测;背景差;背景重构;DTW 算法中图分类号:TP391 文献标识码:A 文章编号:1673-825X (2008)06-0754-04 M ovi ng object detection algorith m based on background reconstructi on DONG W en -m ing 1 ,WU Le -hua 1 ,JI A NG D e -lei 2 (1.S i gnal and Infor m ati on Proces s i ng Lab ,Chongq i ng C o mm un i cati on Insti tute ,Chongqi ng 400035,P .R .Ch i na ; 2.I m age Comm un i cati on Lab,Chongqi ng Comm un i cati on In stitute ,Ch ongq i ng 400035P .R .C h i na) Abstrac t :A i m ed at the proble m o f obta i n i ng backg round fra m e i n backg round subtracti on a l gor ith m,a new m ethod based on backg round reconstructi on is presented by us i ng t he dyna m i c ti m e w arp i ng (DTW )algorith m.Based on the feature t hat the va l ues o f background a re a l m ost the sa m e ,and usi ng the DTW algor i th m to get t he b l ock o f background fro m the fra m e ,the background frame w as bu ilt .S i m ulati on results show tha t the background can be reconstructed even the p i cture i s t w is -ted or som e pi x el is N a N,and t he ta rget can be ex trac ted . K ey word s :mov i ng object detecti on ;background subtrac ti on ;backg round reconstructi on ;DTW algor it h m 0 引 言 从视频序列中检测出运动物体是计算机视觉和图像编码等应用领域的一个重要研究内容,目前已 成为热点研究问题[1] 。准确地将运动物体从视频图像中分割出来是许多智能视频监视系统(视频监视,交通自动监控)、人体检测与跟踪等后续处理的基础。目前,常见的运动目标检测算法有3类:光流法 [2] 、相邻帧差法 [3] 、背景差法 [4] 。 近年来,人们对如何实现背景图像的重构和更新问题进行了大量的研究,主要的方法分为2类:第 1类是通过建立背景模型的方法实现[5] ;第2类是从过去的参考图像中按照一定的假设选择像素灰度构成当前的背景图像 [6] 。基于块的背景重构方法 是将整帧图像分成M @N 大小的子块,对每一子块进行判别,可以在较短时间内逐块地恢复背景。文献[5]中介绍了一种利用高阶累计量理论、图像能量以及块处理技术进行背景重构的方法。这种基于块处理技术的背景重构算法所需帧数较小,重构结果比较理想。但是,算法中作为约束条件之一的四阶累计量的计算相对比较复杂,并且四阶累积量的实验门限值与理想门限值相差很大,实际情况下不好确定。鉴于此,在背景提取阶段,本文中我们给出一种新的基于块的背景重构算法,该算法通过迭代实现,不涉及阈值选取问题。 1 运动目标检测过程 1.1 基于块的背景重构算法 在进行运动物体检测时,一种常见的情况是摄像机处于静止状态,并且镜头焦距是固定的,此时,
盲目图像复原算法研究背景意义现状及趋势 1图像复原算法的研究意义和背景 (1) 2盲目图像复原方法研究现状 (2) 3盲目图像复原方法发展趋势 (3) 1图像复原算法的研究意义和背景 数字图像处理这门学科的形成也是和社会生产力发展的需要分不开的。早期的图像处理是由于通讯方面的要求而发展起来的，这就是本世纪20年代传真技术的发明和发展。其后，由于宇宙探索方面的要求，需要处理大量在宇宙探测器上拍摄下来的不清楚的其他天体(如月球、火星等)以及地球本身的照片，这些需求大大的促进了数字图像处理技术的发展。到现在，图像处理技术的发展，己经远远突破了这两个领域，被广泛地应用到科学研究、工农业生产、军事技术、政府部门、医疗卫生等许多领域。图像复原算法的研究是数字图像处理中非常重要的一个领域，它的研究成果也被广泛地应用到各个研究和生产领域。在图像成像的过程中，图像系统中存在着许多退化源。一些退化因素只影响一幅图像中某些个别像素点的灰度；而另外一些退化因素则可以使一幅图像中的一个空间区域变得模糊起来。前者称为点退化，后者称为空间退化。此外还有数字化器、显示器、时间、彩色，以及化学作用引起的退化。总之，使图像发生退化的原因很多，如果我们把退化模型简化成真实图像与一个卷积算子卷积的结果，那么图像的复原过程就可以看成是一个反卷积的问题。反卷积属于数学物理问题中的一类“反问题”，反问题的一个共同的重要属性是其病态，即其方程的解不是连续地依赖于观测数据，换句话说，观测数据的微小变动就可能导致解的很大变动。因此，由于采集图像受噪声的影响，最后对于图像的复原结果可能偏离真实图像非常远。由于以上的这些特性，盲图像复原的过程无论是理论分析或是数值计算都有特定的困难。但由于盲图像复原技术在许多领域的广泛应用，因而己经成为迅速兴起的研究热点。随着多媒体技术的发展，计算机网络技术的广泛应用和宽带信息网络的建立，信息在人们的工作、学习和生活中发挥越来越重要的作用，其中最直接最主要的信息是图像信息，在各类图像系统中，由于图像的传送和转换，如成像、复制扫描、传输、显示等，总要造成图像的降质，典型的表现为图像模糊、失真、有噪声等，而在众多的应用领域中，又需要清晰的、高质量的图像。因此，改善图像质量，恢复图像具有非常重要的意义。
背景减除算法之K 2017/12/16 446 Python版本：3.5.2，Opencv版本：3.2.0，网上安装教程很多，在此不再赘述MOG2算法，即高斯混合模型分离算法，是MOG的改进算法。它基于Z.Zivkovic发布的两篇论文，即2004年发布的“Improved adaptive Gausian mixture model for background subtraction”和2006年发布的“Efficient Adaptive Density Estimation per Image Pixel for the Task of Background Subtraction”中提出。KNN算法，即K-nearest neigbours - based Background/Foreground Segmentation Algorithm。2006年，由Zoran Zivkovic 和Ferdinand van der Heijden在论文”Efficient adaptive density estimation per image pixel for the task of background subtraction.”中提出。下面介绍两种算法的具体实现，实验中所用到的视频为CASIA步态数据库，用以上两种算法分别提取步态轮廓图像步态视频已上传到百度云，步态视频，提取密码：9mt0 ?（一）MOG2算法实现import numpy as npimport cv2cap=cv2.VideoCapture(‘D:\gait-vedio\gait.avi’)#混合高斯，对每一帧的环境进行学习，常用来对不同帧进行比较，并存储以前的帧，可按时间推移的方法提高运动分析的结果。fgbg=cv2.createBackgroundSubtractorMOG2() while(1): #默认第一帧为背景图片ret,frame=cap.read() fgmask=fgbg.apply(frame) cv2.imshow(‘frame’,fgmask) k=cv2.waitKey(30) 0xff#按’q’键退出循环if k== ord(‘q’): breakcap.release()cv2.destroyAllWindows() 实验结果，（一）KNN算法实现采用KNN实现视频图像的背景分割算法，并且保存每一帧图像（与视频文件在相同的文件夹） ?import cv2#视频文件路径datapath = “D:/test1gait/”bs = cv2.createBackgroundSubtractorKNN(detectShadows = False)#背景减除器，设置阴影检测#训练帧数history=20 bs.setHistory(history)frames=0camera = cv2.VideoCapture(datapath + “gait2.avi”)count = 0#对原始帧进行膨胀去噪，#前景区域二值化，将非白色（0-244）的非前景区域（包含背景以及阴影）均设为0，前景
华中科技大学硕士学位论文 目录 摘要 ....................................................................................................................I Abstract ................................................................................................................. II 目录 ................................................................................................................. I V 1 绪论 .. (1) 1.1 课题来源 (1) 1.2 研究背景与意义 (1) 1.3 国内外研究现状 (3) 1.4 本文主要研究内容与章节安排 (7) 2 TFT-LCD缺陷检测系统设计 (9) 2.1 TFT-LCD检测需求分析 (9) 2.2 视觉系统设计与硬件选型 (10) 2.3 硬件设备工作流程 (15) 2.4 本章小结 (16) 3 基于Gabor滤波的TFT-LCD图像纹理去除 (17) 3.1 Gabor变换 (17) 3.2 基于Gabor滤波的TFT-LCD图像纹理去除 (20) 3.3 纹理去除实验 (21) 3.4 本章小结 (22) 4 基于缺陷区域预判的背景图像重构算法研究 (23)
１０００．９８２５／２００５／１６（０９）１５６８◎２００５ＪｏｕｒｎａｌｏｆＳｏｆｔｗａｒｅ软件学报Ｖ０１．１６，Ｎｏ．９ 基于像素灰度归类的背景重构算法木 侯志强＋，韩崇昭 （西安交通大学电子与信息工程学院综合自动化研究所，陕西西安７１００４９） ＡＢａｃｋｇｒｏｕｎｄＲｅｃｏｎｓｔｒｕｃｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＰｉｘｅｌＩｎｔｅｎｓｉｔｙＣｌａｓｓｉｆｉｃａｔｉｏｎ ＨＯＵＺｈｉ－Ｑｉａｎｇ＋，ＨＡＮＣｈｏｎｇ－Ｚｈａｏ （ＩｎｓｔｉｔｕｔｅｏｆＡｕｔｏｍａｔｉｏｎ，ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’蚰ＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｌｌ７１００４９，Ｃｈｉｎａ） ＋Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ：Ｐｈｍ＋８６—２９—８２２１２３３８，Ｅ－ｍａｉｌ：ｈｏｕ－ｚｈｑ＠ｓｏｈｕ．ｔｏｍ Ｒｅｃｅｉｖｅｄ２００４—－０４－－２０；Ａｃｃｅｐｔｅｄ２００４?－１１－０３ ＨｏｕＺＱ，ＨａｎＣＺ．ＡｂａｃｋｇｒｏｕｎｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｐｉｘｅｌｉｎｔｅｎｓｉｔｙｃｌａｓｓｉｆｉｃａｔｉｏｎＪｏｕｒｎａｌｏｆＳｏｆｔｗａｒｅ，２００５，１６（９）：１５６８－１５７６．ＤＯＩ：１０．１３６０／ｊｏｓｌ６１５６８ Ａｂｓｔｒａｃｔ：１１１ｅｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎｉｓａｎｉｍｐｏｒｔａｎｔｍｅｔｈｏｄｔｏｄｅｔｅｃｔｔｈｅｍｏｖｉｎｇｏｂｊｅｃｔｓ．ａｎｄｉｔｓｄｉｆｆｉｃｕｌｔｙｉｓｔｈｅｂａｃｋｇｒｏｕｎｄｕｐｄａｔｅ．Ｓｏａｂａｃｋｇｒｏｕｎｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｐｉｘｅｌｉｎｔｅｎｓｉｔｙｃｌａｓｓｉｆｉｃａｔｉｏｎｉｓｐｒｅｓｅｎｔｅｄｉｎｔｈｉｓｐａｐｅｒ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｈｙｐｏｔｈｅｓｉｓｔｈａｔｔｈｅｂａｃｋｇｒｏｕｎｄｐｉｘｅｌｉｎｔｅｎｓｉｔｙａｐｐｅａｒｓｉｎｉｍａｇｅｓｅｑｕｅｎｃｅｗｉｔｈｍａｘｉｍｕｍｐｒｏｂａｂｉｌｉｔｙ，ｔｈｅｐｉｘｅｌｉｎｔｅｎｓｉｔｙｄｉｆｆｅｒｅｎｃｅｓｂｅｔｗｅｅｎｓｅｑｕｅｎｔｉａｌｔｗｏｆｒａｍｅｓａｒｅｃａｌｃｕｌａｔｅｄ，ａｎｄｔｈｅｉｎｔｅｎｓｉｔｙｖａｌｕｅｓａｔｔｈｅｐｉｘｅｌｓａｒｅｃｌａｓｓｉｆｉｅｄｂｙｍｅａｎｓｏｆｔｈｅｓｅｄｉｆｆｅｒｅｎｃｅｓ．Ｆｏｒｔｈｅｎｅｗａｌｇｏｒｉｔｈｍ，ｎｅｉｔｈｅｒｔｈｅｐｒｅ－ｔｒａｉｎｉｎｇｏｆｔｈｅｂａｃｋｇｒｏｕｎｄｗｉｔｈｏｕｔａｎｙｍｏｖｉｎｇｔａｒｇｅｔ，ｎｏｒｔｈｅｍｏｄｅｌｓｏｆｂａｃｋｇｒｏｕｎｄａｎｄｔａｒｇｅｔｓａｒｅｎｅｅｄｅｄ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｂａｃｋｇｒｏｕｎｄｃａｎｂｅｒｅｃｏｎｓｔｒｕｃｔｅｄｃｏｒｒｅｃｔｌｙｂｙｕｓｉｎｇｔｈｅｎｅｗａｌｇｏｒｉｔｈｍ，ＳＯｔｈｅｔａｒｇｅｔＣａｎｂｅｅｘｔｒａｃｔｅｄｐｅｒｆｅｃｔｌｙａｎｄｔｒａｃｋｅｄｓｕｃｃｅｓｓｆｕｌｌｙ． Ｋｅｙｗｏｒｄｓ：ｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎ；ｂａｃｋｇｒｏｕｎｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎ；ｍｏｔｉｏｎｄｅｔｅｃｔｉｏｎ；ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ；ｔｒａｃｋｉｎｇ； ｖｉｓｕａｌｓｕｒｖｅｉｌｌａｎｃｅ 摘要：背景差法是一种重要的运动检测方法，其难点在于如何进行背景更新．针对该问题，提出一种基于像素灰度归类的背景重构算法，即在假设背景像素灰度以最大概率出现在图像序列的前提下，利用灰度差对相应像素点灰度进行归类，选择频率最高的灰度值作为该点的背景像素值．在背景缓慢变化和突变时，分别利用该算法进行定时和实时背景重构具有明显的优点．仿真结果表明，即使场景中存在运动前景，该算法也能够准确地重构背景，并有效地避免混合现象，从而实现对运动目标的完整提取，以便进一步识别或跟踪． 关键词：背景差；背景重构；运动检测；图像分割；跟踪：视频监视 中图法分类号：ＴＰ３９１文献标识码：Ａ 在计算机视觉系统中，运动目标的检测与分割是～个非常重要的问题，应用于视频监视、交通监测、图像 Ｎｏ．２００１ＣＢ３０９４０３（国家重点基础研?ＳｕｐｐｏＳｅｄｂｙｔｈｅＮａｔｉｏｎａｌＧｒａｎｄＦｕｎｄａｍｅｎｔａｌＲｅｓｅａｒｃｈ９７３ＰｒｏｇｒａｍｏｆＣｈｉｎａｕｎｄｅｒＧｒａｎｔ 究发展规划（９７３）） 作者简介：侯志强（１９７３－），男，陕西眉县人，博士，副教授，主要研究领域为图像处理，计算机视觉，信息融合；韩崇１稻（１９４３－－），男，教授，博士生导师，主要研究领域为随机与自适应控制，非线性系统，多源信息融合． 万方数据
第24卷第2期通化师范学院学报V ol.24№2 2003年3月JOURNA L OF T ONG H UA TE ACHERSπC O LLEGE Mar.2003 曲面重构算法的发展现状述析Ξ 葛金辉 (通化师范学院数学系,吉林通化134002) 摘 要:在参阅和分析有关文献的基础上,对现有的曲面重构算法进行总结、比较和分类. 关键词:Delaunay法;Shepard方法;Multiquadric方法;有限元方法;层次B一样条方法 中图分类号:O242.21 文献标识码:A 文章编号:1008-7974(2003)02-0033-04 1 曲面重构在工程的重要作用 随着计算机技术的发展,以曲面重构为代表的逆向工程方法,无论在理论上还是在应用上取得了巨大的成功,成为发现和理解科学计算过程中各种现象的有力工具. 近几年来,随着计算机辅助设计与图形学的发展,曲面重构技术得到了更广泛的研究和应用,几乎涉及自然科学与工程技术的一切领域,如汽车、飞机、轮船等工业领域,基于地震勘探数据或测井数据的地质勘探领域,依据大量数据计算和计算结果分析的气象领域、分子模型构造领域,需要实现形体的网格划分及结果数据的显示、优化的有限元分析,根据测量数据建立人体以及骨骼和器官的计算机模型在医学、定制生产等许多方面都有重要意义和实用价值. 同时,随着科学技术的迅猛发展,来自各种科学计算、工程计算、测量等方面的数据日益增大,所要求的精度日益精确,待处理问题规模越来越大,因而,研究大规模散乱数据的曲面重构日益成为迫切需要解决的问题. 2 曲面重构的含义 曲面重构又称为逆向工程(Reverse engineering),是根据已有曲面去构造反映其形状的数学模型. 曲面重构要为已存在的曲面建立模型.曲面重构的目的是确定一个曲面逼近未知曲面.它有两方面的含义.第一意味着已有的曲面是曲面重构的根据;第二意味着已有的曲面是衡量重构所得曲面模型质量好坏的标准,要求建立的模型能忠实地恢复已有曲面的原状. 3 曲面重构的要求 曲面重构的基本要求是准确易行. 准确:要求建立起来的数学模型比较准确地反映原来曲面的形状,或者说较好地逼近原来的曲Ξ收稿日期:2002-05-15 作者简介:葛金辉(1968-),女,通化师范学院数学系讲师,硕士.
适于路面破损图像处理的边缘检测方法 李莉，孙立军，陈长 （同济大学道路与交通工程教育部重点实验室，上海201804） 摘要：根据路面图像存在的背景不均、损坏比例低和损坏方向不规则的问题，提出了适于路面损坏图像处理的边缘检测方法。在传统边缘检测方法的基础上引入了预处理和边缘增强，其中预处理包括背景校正、高斯平滑、灰度直方图变换，并首次提出“有效灰度区间”的概念；边缘增强则采用了数学形态学的膨胀运算和中值滤波。针对路面损坏图像实例，采用8方向Sobel算子和最大类间方差分割算法，按照上述流程进行边缘检测，结果表明该方法能有效降低噪声对路面图像处理的影响并最大限度地保留图像中的损坏特征，而背景校正和基于“有效灰度区间”的灰度直方图变换则是该方法的关键。另外，对经过预处理的边缘图像，最大类间方差法可取得理想的分割效果。 关键词：路面损坏；图像处理；边缘检测；预处理；有效灰度区间 中图分类号：TP 391.41 文献标识码：A An Edge Detection Method Designed for Pavement Distress Images LI Li, SUN Lijun, CHEN Zhang （Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University, Shanghai 201804, China ） Abstract: An edge detection method designed for pavement images was presented in this study to overcome the difficulties in traditional methods of edge detection for pavement images such as nonuniform background illumination, low proportion of distress pixels and irregular directions of distress. The method offered in this study brought image preprocessing and edge enhancement to traditional edge detection methods. The image preprocessing was composed of background correction, Gaussian smoothing and histogram transformation based on the conception of effective range of gray levels which was proposed by this study for the first time, while the edge enhancement included the morphological dilation and median filtering operation. A pavement distress image was tested by Sobel detector of eight directions and Ostu method following the procedure above. The result showed that the procedure presented in this study can dramatically dampen the impact of noise on edge detection, and the background corrections as well as the histogram transformation based on effective range of gray levels are the key components of the method. Besides, Ostu method can provide good segmented edge maps if the images have been preprocessed. Key words: pavement distress; image processing; edge detection;preprocessing;effective range of gray levels 数字图像中的边缘代表像素灰度的阶跃，是图像的基本特征之一[1]。路面的开裂、坑槽等破损类病害反映在图像中都可以用边缘来描述，因此可以用边缘检测来分割路面破损图像，为路面病害识别奠定 收稿日期：2010-6-13 第一作者：李莉（1983—），女，博士生，主要研究方向为道路设施管理系统。E-mail：tjulili@https://www.doczj.com/doc/c98796237.html, 通讯作者：孙立军（1963—），男，教授，博士生导师，工学教授，主要研究方向为道路设施管理系统、路面结构与路面材料、交通信息系统与交通战略管理。E-mail：ljsun@ https://www.doczj.com/doc/c98796237.html,