图像阴影消除算法研究与实现
班级030711
学号03071005
本科毕业设计论文
题目图像阴影消除算法研究与实现
学院计算机学院
专业计算机科学与技术
学生姓名范永翔
导师姓名牛海军
毕业设计（论文）诚信声明书
本人声明：本人所提交的毕业论文《图像阴影消除算法研究与实现》是本人在指导教师指导下独立研究、写作的成果，论文中所引用他人的无论以何种方式发布的文字、研究成果，均在论文中加以说明；有关教师、同学和其他人员对本文的写作、修订提出过并为我在论文中加以采纳的意见、建议，均已在我的致谢辞中加以说明并深致谢意。
本论文和资料若有不实之处，本人承担一切相关责任。
论文作者：（签字）时间：年月日指导教师已阅：（签字）时间：年月日
西安电子科技大学
毕业设计（论文）任务书
学生姓名范永翔学号03071005指导教师牛海军职称教授学院计算机学院专业计算机科学与技术题目名称图像阴影消除算法研究与实现
任务与要求
任务：对阴影区域进行统计分析，建立高斯阴影模型，以此消除阴影。
研究内容：首先对图像进行预处理，转换色域空间，在HSV 颜色空间下,对多个视频中的阴影区域进行直方图统计分析,获得阴影在H、S、V 通道下的颜色特征,根据此特征于相应通道上使用阴影样本训练模型参数建立高斯阴影模型，在所提阴影模型的基础上给出阴影消除算法,通过计算前景像素点与阴影模型的匹配程度对阴影进行判定和消除。
开始日期2011.1.10 完成日期2011.6.20
院长（签字）年月日
注：本任务书一式两份，一份交学院，一份学生自己保存。
西安电子科技大学
毕业设计（论文）工作计划
学生姓名范永翔学号03071005
指导教师牛海军职称教授
学院计算机学院专业计算机科学与技术题目名称图像阴影消除算法研究与实现
一、毕业设计（论文）进度
起止时间工作内容
1.10～3.15 查阅资料，掌握课题研究方向。
3.16～
4.15 学习图像预处理方法，建立高斯
阴影模型。
4.16～
5.31 编程实现阴影消除算法。
6.1～6.10 撰写论文。
6.11～6.20 修改论文，答辩。
二、主要参考书目（资料）
1, 章毓晋. 图像处理，清华大学出版社，2006.3
2,管业鹏顾伟康. 二维场景阴影区域的自动鲁棒分割,电子学报,2006 34(4) :624-627
3, 朱碧婷郑世宝基于高斯混合模型的空间域背景分离法及阴影消除，中国图象图形学报，2008,13(10):1907-1909
4, Prati, A. and Mikic, I. and Trivedi, M.M. and Cucchiara, R. Detecting moving shadows: Algorithms and evaluation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25(7): 918-923
5, 陈柏生HSV彩色空间的室内外运动人检测与阴影消除华侨大学学报(自然科学版)，2007，28(1):30-33
三、主要仪器设备及材料
计算机
四、教师的指导安排情况（场地安排、指导方式等）
每周安排一次见面指导，地点新校区教师休息室。
平时有问题随时联系。
五、对计划的说明
毕设开始后，按此计划执行，若遇特殊情况，可适当调整。
注：本计划一式两份，一份交学院，一份学生自己保存（计划书双面打印）
西安电子科技大学毕业设计（论文）中期检查表
的一部分；此表装订入毕业设计（论文）中。
西安电子科技大学
毕业设计（论文）成绩登记表
摘要
摘要
由于阴影的存在，严重影响了运动目标的检测效果，对学者的研究造成了许多影响，所以对阴影进行检测并且消除已经成为运动目标检测中的关键问题之一。传统阴影消除方法对阴影消除有一些局限性，针对目标检测中的阴影问题，本文提出了一种新方法.
在本文中，提出了在HSV颜色空间下，对多个视频的阴影区域进行直方图统计分析，分别获得阴影在H、S、V通道下的各自的颜色特征，再根据以上得出的特征在相应的三个通道上使用阴影样本训练模型参数建立高斯阴影模型，在此基础上给出一种新的阴影消除算法。在前景检测的部分中，通过高斯混合模型得出前景图像，通过计算前景像素点与阴影模型的匹配程度对阴影进行判定和消除。
通过实验过程，与同类算法的对比分析表明：本算法对不同场景下的阴影消除是准确且实时的，与以往的阴影检测算法在阴影检测率和阴影区分率上均有提升。
关键词: HSV颜色空间阴影特征高斯模型阴影消除
ABSTRACT
Abstract
The existence of the shadow seriously impacts the result of foreground object detection,it has a bad influence on our research, so detecting and eliminating the shadow is the key problem for the moving target detection. There are some limitations in the traditional shadow elimination methods,aiming to the shadow problem during the detection of the object,we think of a new histogram to statistic and analysis the color feature of the shadow under the HSV color space.
In this paper, under the HSV color space, got the shadow feature of the H, S, V channel by histogram analysising the shadow area of a series of video. And then, we establish the Gaussian shadow model on each channel according to the statistic information, to obtain the model parameters through training the shadow sample. Finally, we propose a novel algorithm to eliminate the shadow based on the model we built . In the part of the foreground detection , we can get the foreground image by using the Gaussian mixture model,through computing how the pixel matched to the model to determine and eliminate the shadow.
As a result of the experiment, comparing with the similar algorithms, the results show that the proposed algorithm can eliminate the shadow correctly in real-time under different scenarios, and it performs better on the metrics of shadow detection rate and the shadow discrimination rate compared to the existing algorithms.
Key words: HSV color space shadow feature Gaussian model Shadow Eliminate
目录i
目录
第一章绪论 (1)
1.1 研究背景 (1)
1.1.1 阴影的存在及形成原因 (1)
1.1.2 阴影的检测与消除 (2)
1.1.3 阴影消除与图像处理的研究目的和意义 (2)
1.2阴影消除方法发展与现状 (4)
1.2.1阴影消除发展历史 (4)
1.2.2 阴影消除发展现状 (5)
1.3 本文的主要研究内容及安排 (5)
1.3.1 研究内容 (5)
1.3.2 内容安排 (6)
第二章基于统计特征的阴影建模 (7)
2.1阴影特征分析 (7)
2.1.1RGB 颜色空间 (7)
2.1.2 HSV 颜色空间 (8)
2.1.3RGB、HSV颜色空间的转换 (9)
2.1.4 阴影统计数据提取 (11)
2.2 阴影建模 (14)
2.2.1 高斯分布与高斯模型 (14)
2.2.2 K-maens聚类算法 (16)
2.2.3 高斯阴影建模 (17)
2.3 本章小结 (18)
第三章基于统计模型的前景阴影消除 (19)
3.1 前景检测算法 (19)
3.1.1 图像分割 (19)
3.1.2 前景提取 (20)
3.1.3 高斯混合模型 (22)
ii 目录
3.1.4 高斯混合模型实现前景提取 (22)
3.2 基于模型的阴影消除算法 (24)
3.3 本章小结 (26)
第四章仿真实验 (27)
4.1视频测试 (27)
第五章结论 (29)
5.1研究的结论 (29)
5.2 本文的创新与不足 (29)
5.2.1本文的创新 (29)
5.2.2本文的不足 (30)
致谢 (31)
参考文献 (33)
第一章绪论1
第一章绪论
1.1研究背景
1.1.1阴影的存在及形成原因
阴影在自然界中是普遍存在的一种物理现象，阴影在图像中同样普遍存在，在图像中阴影的存在会对目标追踪、物体识别、图像分割和图像匹配等与计算机视觉的相关问题造成不利的影响，它严重影响图像处理的后期工作，因此对图像中阴影的检测和去除算法的研究是十分必要的。阴影的种类繁多，有基于几何特性的，有基于阴影灰度性质（如阴影边缘灰度渐变，突变，阴影分布是否均匀）的，还有基于阴影形成原因的但目前没有一种通用的阴影去除方法能对所有的阴影由理想的处理效果，因此必须根据不同的情况对不同类型的阴影采用不同的处理方法。
在运动目标检测过程中，阴影的检测和消除是一个不可避免的关键问题。而阴影自身的特点决定了阴影消除问题的复杂性。首先，阴影和运动物体一样都显著区别于背景。其次，阴影和投射它们的运动物体具有相同的运动规律。阴影和运动物体可能粘合也可能分离，如果阴影和运动物体融合在一起，会使目标的几何形状发生变形，导致形状检测算法失效；如果阴影独立于运动物体存在，则很容易被误认为是一个单独的运动目标。这些问题都对高层的运动目标分类、跟踪以及行为分析等都造成很大的影响，因此对于运动前景进行阴影消除具有重要的意义，已成为当前一个很活跃的研究领域[1]。
当光线被物体遮挡住时，便会产生阴影。阴影可分为自阴影和投射阴影。前者是由于物体自身不能被光照射而形成的，后者是由在光源方向上的物体投影所致。投射阴影又可分为本影和半影，前者是由于光源发出的光线被物体完全挡住所形成的，而后者是由于光线部分被遮挡。阴影和环境光的强度，物体的透明程度以及地面的质地有关。环境光的强弱影响阴影的强度，在相同的情况下，阴影的强度和环境光的强度成正比。通常情况下，阴影会导致对应区域的强度发生变
2图像阴影消除算法研究与实现
化，而色度的变化不大[2][3]。
1.1.2阴影的检测与消除
在图像处理领域中，运动物体的检测与分割是应用视觉研究领域的一个重要课题。因为运动目标的阴影和运动目标具有相同的运动特征，所以在运动目标的检测中无法消除，但是阴影中的投影部分将改变检测到的运动目标的形状和大小，并引起运动目标的错误分类或动作识别，对研究工作造成不利影响。所以为了能够正确地描述运动目标，就要对阴影进行检测和消除。
目前，阴影的检测方法主要有两种，基于模型或者基于特征。其中基于模型的方法利用场景、照明和目标的几何特征构建模型，当目标的形状、视角、光照方向已知的时候，基于模型的方法可以得到精确的阴影信息，但是此类方法局限性大、适用性较差。另一方面，基于特征的方法，利用阴影和背景的光谱特征进行阴影检测，此类方法也具有一定的局限性，比如当阴影的颜色比较深的时候，利用色度不变性就无法检测出阴影，而由于一些颜色的对应灰度值是相同的，致使单纯利用灰度值进行阴影检测的算法失效。
1.1.3阴影消除与图像处理的研究目的和意义
阴影消除属于图像处理的一个内容。图像处理尤其是数字图像处理是交叉学科。是未来技术向智能化发展的最富有前景，也是最富有挑战的领域。其研究的领域和应用领域十分广泛。图像处理，即使用计算机对图像进行一定的分析并使之达到希望的结果的技术。图像处理一般也指数字图像处理。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。数字图像为使用数字摄像机、照相机、扫描仪等设备经过采样和数字化后得到的一个庞大的二维数组，该数组的元素称作像素，它的值为一个整数，亦称灰度值。图像处理的主要内容包括图像的压缩，增强和复原，匹配、描述和识别三个部分。常见的处理有图像数字化、图像编码、
滤波图像降噪算法研究报告
研究生课程论 文 基于滤波的图像降噪算法的研究 课程名称专业文献阅读与综述 姓名张志化 学号1200214006 专业模式识别与智能系统 任课教师钟必能 开课时间2018.9——2018.11 教师评阅意见： 论文成绩评阅日期 课程论文提交时间：2018 年11月11日
基于滤波的图像降噪算法的研究 摘要：图像在获取和传输过程中，往往受到噪声的干扰，而降噪的目的是尽可能保持原始信号主要特征的同时除去信号中的噪声。目前的图像去噪方法可以将图像的高频成分滤除，虽然能够达到降低噪声的效果，但同时破坏了图像细节。边缘特性是图像最为有用的细节信息，本文对邻域平均法、中值滤波法及维纳滤波法的图像去噪算法进行了研究分析和讨论。 关键词：滤波；图像噪声；图像降噪算法；评价方法； 1 引言 数字图像处理，就是利用数字计算机或其他数字硬件，对图像信息转换而来的电信号进行某种数字运算，以提高图像的实用性，进而达到人们所要求的某种预期效果[1]。数字图像处理已经广泛应用于遥感、工业检测、医学、气象、侦查、通信、智能机器人等众多学科与工程领域中。 数字图像处理技术的优点主要有：<1)再现性好。数字图像处理不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的真实再现。 <2)处理精度高。按目前的技术，几乎可以将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16 位甚至更高，意味着图像的数字化精度可以满足应用需求。 (3>适用面宽。图像可以来自多种信息源。从图像反映的客观实体尺度看，可以小到电了显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像组合而成，均可用计算机来处理。 (4>灵活性高。由于图像的光学处理从原理上讲只能进行线性运算，极大地限制了光学图像处理能实现的目标；而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数字公式或逻辑关系来表达的一切运算均可用数字图像处理实现。 (5＞信息压缩的潜力大。数字图像中各个像素是不独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。就电视画面而言，同一
图像分割算法研究与实现
中北大学 课程设计说明书 学生姓名：梁一才学号：10050644X30 学院：信息商务学院 专业：电子信息工程 题目：信息处理综合实践: 图像分割算法研究与实现 指导教师：陈平职称: 副教授 2013 年 12 月 15 日
中北大学 课程设计任务书 13/14 学年第一学期 学院：信息商务学院 专业：电子信息工程 学生姓名：焦晶晶学号：10050644X07 学生姓名：郑晓峰学号：10050644X22 学生姓名：梁一才学号：10050644X30 课程设计题目：信息处理综合实践: 图像分割算法研究与实现 起迄日期：2013年12月16日～2013年12月27日课程设计地点：电子信息科学与技术专业实验室指导教师：陈平 系主任：王浩全 下达任务书日期: 2013 年12月15 日
课程设计任务书 1．设计目的： 1、通过本课程设计的学习，学生将复习所学的专业知识，使课堂学习的理论知识应用于实践，通过本课程设计的实践使学生具有一定的实践操作能力； 2、掌握Matlab使用方法，能熟练运用该软件设计并完成相应的信息处理； 3、通过图像处理实践的课程设计，掌握设计图像处理软件系统的思维方法和基本开发过程。 2．设计内容和要求（包括原始数据、技术参数、条件、设计要求等）： (1)编程实现分水岭算法的图像分割； (2)编程实现区域分裂合并法； (3)对比分析两种分割算法的分割效果； (4)要求每位学生进行查阅相关资料，并写出自己的报告。注意每个学生的报告要有所侧重，写出自己所做的内容。 3．设计工作任务及工作量的要求〔包括课程设计计算说明书(论文)、图纸、实物样品等〕： 每个同学独立完成自己的任务，每人写一份设计报告，在课程设计论文中写明自己设计的部分，给出设计结果。
彩色图像分割介绍
第一章绪论 计算机图像处理在医学领域的应用越来越广泛，白细胞图像的自动判断就是其中的代表之一。它能有效地减少主观干扰，提高工作效率，减轻医生负担。近些年来，计算机硬件技术和光谱成像技术的飞速发展，使得成功研制开发出小型实用的基于多光谱的白细胞图像自动分类识别系统成为可能。 本文研究的主要目的在于对白细胞多光谱图像分割进行初步的探索研究，为系统中其后的白细胞能够准确地分类识别奠定基础。 本章简要阐述了基于多光谱的白细胞图像分割的应用背景和研究意义，回顾了国内外细胞图像分割和多光谱遥感图像分类的研究发展状况，并简要介绍了本论文的主要工作。 §1.1 概述 §1.1.1 白细胞检验 白细胞的光学显微镜检查是医院临床检验项目之一，特别是对各种血液病的诊断占有极其重要的地位。它的任务是观察或测定血液中的各种白细胞的总数、相对比值、形态等，用于判断有无疾病、疾病种类以及严重程度等，特别是对类似白血病这类血液病诊断具有更加重要的意义。 白细胞分类计数的传统方法是将血液制成涂片，染色后，临床医生在显微镜下用肉眼按照有关标准，如核的形状、细胞浆的量和颜色，细胞浆颗粒的大小和颜色，整个细胞形状、稀薄与细胞间的接触等，来观察和检查这样的细胞标本[1]。然而这项工作十分繁重，工作效率低，容易误判，且人工识别误差随检查人员而异。同时通过观察的细胞数目较少，从统计的角度看，因样本集较小而影响诊断结果的可靠性。 计算机图像处理与分析技术伴随着信息技术的不断进步在最近20年间得到了飞速的发展，已经迅速渗透到人类生活和社会发展的各个方面，这为智能化细胞分析仪代替人工方法提供了基础。因此，借助于现代计算机技术结合临床医生的实践经验，采用图像处理技术对图像进行处理，从而对细胞进行识别，对于医学科研与实践，以及临床诊断方面有着现实意义和非常广阔的前景。 目前已经制成的自动白细胞分析仪主要有两种类型： 一类是用组织化学染色法，通过连续流动的系统，以光电效应的方式分别数出单一细胞，并可同时报告白细胞总数、各类细胞的百分率和绝对值。因为该法不是由细胞形态学特点识别各类白细胞，所以不能目视观察白细胞形态，亦不能保留样本，对感染中毒细胞无法识别。 另一类是原型认定型，其工作原理模仿人“脑眼系统”[2]的智能识别过程，运用计算机图像处理和模式识别技术，将从显微镜与相机或摄像机得到的数字化图像进行自动处理分析和分类。与前一种类型的白细胞分类仪器相比，其主要优
小波变换图像去噪的算法研究自设阈值
基于小波的图像去噪 一、小波变换简介 在数学上，小波定义卫队给定函数局部化的新领域，小波可由一个定义在有限区域的函数()x ψ来构造，()x ψ称为母小波，（mother wavelet ）或者叫做基本小波。一组小波基函数，()}{,x b a ψ，可以通过缩放和平移基本小波 来生成： ())(1 ,a b x a x b a -ψ=ψ （1） 其中，a 为进行缩放的缩放参数，反映特定基函数的宽度，b 为进行平移的平移参数，指定沿x 轴平移的位置。当a=2j 和b=ia 的情况下，一维小波基函数序列定义为： ()() 1222,-ψ=ψ--x x j j j i （2） 其中，i 为平移参数，j 为缩放因子，函数f （x ）以小波()x ψ为基的连续小波变换定义为函数f （x ）和()x b a ,ψ的内积： () dx a b x a x f f x W b a b a )(1)(,,,-ψ=ψ=?+∞ ∞- （3） 与时域函数对应，在频域上则有：
())(,ωωa e a x j b a ψ=ψ- （3） 可以看出，当|a|减小时，时域宽度减小，而频域宽度增大，而且()x b a ,ψ的窗口中心向|ω|增大方向移动。这说明连续小波的局部是变化的，在高频时分辨率高，在低频时分辨率低，这便是它优于经典傅里叶变换的地方。总体说来，小波变换具有更好的时频窗口特性。 二、图像去噪描述 所谓噪声，就是指妨碍人的视觉或相关传感器对图像信息进行理解或分析的各种因素。通常噪声是不可预测的随机信号。由于噪声影响图像的输入、采集、处理以及输出的各个环节，尤其是图像输入、采集中的噪声必然影响图像处理全过程乃至最终结果，因此抑制噪声已成为图像处理中极其重要的一个步骤。 依据噪声对图像的影响，可将噪声分为加性噪声和乘性噪声两大类。由于乘性噪声可以通过变换当加性噪声来处理，因此我们一般重点研究加性噪声。设f(x,y)力为理想图像，n(x,y)力为噪声，实际输入图像为为g(x,y)，则加性噪声可表示为: g(x,y)= f(x,y)+ n(x,y)， （4） 其中，n(x,y)和图像光强大小无关。 图像去噪的目的就是从所得到的降质图像以g(x,y)中尽可能地去除噪声n(x,y)，从而还原理想图像f(x,y)。图像去噪就是为了尽量减少图像的均方误差，提高图像的信噪比，从而尽可能多地保留图像的特征信息。 图像去噪分为时域去噪和频域去噪两种。传统图像去噪方法如维纳滤波、中值滤波等都属于时域去噪方法。而采用傅里叶变换去噪则属于频域去噪。这些方法去噪的依据是一致的，即噪声和有用信号在频域的不同分布。我们知道，有用信号主要分布于图像的低频区域，噪声主要分布在图像的高频区域，但图像的细节信息也分布在高频区域。这样在去除高频区域噪声的同时，难免使图像的一些细节也变得模糊，这就是图像去噪的一个两难问题。因此如何构造一种既能降低图像噪声，又能保留图像细节特征的去噪方法成为图像去噪研究的一个重大课题。
仪表显示的图像识别算法研究
仪表显示的图像识别算法研究 摘要：随着社会的逐渐发展，人类的生活越来越趋于智能化。本文根据当今社会对于图像识别研究的发展现状，针对目前人们生活中人工读表的弊端，提出了通过采集仪表显示的图像并进行图像识别算法处理来达到智能自动读表的方法。 为了能快速获得采集数据，减少人们生活中繁复的人工作业。本文通过多样的图像处理来代替人眼识别图像。只需要得到采集到的图像，就可以利用计算机来进行计算和识别，得出最后的数字。本文采用了一系列的图像处理方法，包括图像的去噪，二值化分割，边缘检测和基于数学形态学的膨胀腐蚀操作等。同时通过多种尝试和比较各种方法的优缺点得到了一套简易而又完善，快速的图像识别算法。 在进行多次测试试验后，本文采用数码相机来进行图像的采集，同时经过图像预处理、图像分割、图像识别等一系列流程得出了较为完善的图像采集和识别系统，为未来信息传递智能化提供了基础，对于促进工业发展或是改善生活水平都有重要的意义。 关键词：图像预处理、二值化、边缘检测、形态学、去噪、图像分割、图像匹配 The research of image recognition displayed by the instrument Abstract: With the continuous development of society, people's lives become more and more intelligent. Based on the current development in today's society for the study of image recognition, according to the present disadvantages of manual meter reading in peop le’s lives, this page proposed the way by collecting the instruments display image and then deals it with image recognizing algorithms to achieve intelligent automatic meter. In order to quickly gather data, reducing manual work in people’s lives complicated. The page uses a series of image processing to replace human eye image recognition. Just need the collected images, we can use a computer to calculate and identify, then we will arrive at a final figure. We used a variety of image processing methods, including image denoising, thresholding segmentation, expansion of edge-detection based on mathematical morphology and corrosion and so on. And
图像去噪去噪算法研究 开题报告
图像去噪去噪算法研究论文开题报告 （1）选题的目的、意义 目的： 由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、传输记录过程中往往会受到多种噪声的污染，影响了图像的视觉效果，甚至妨碍了人们正常识别。另外，在图像处理的某些环节当输入的对象并不如预想时也会在结果图像中引入噪声。这些噪声在图像上常表现为—引起较强视觉效果的孤立象素点或象素块[1]。一般，噪声信号与要研究的对象不相关它以无用的信息形式出现，扰乱图像的可观测信息。要构造一种有效抑制噪声的滤波必须考虑两个基本问题能有效地去除目标和背景中的噪声；同时，也要能很好的保护图像目标的形状、大小及特定的几何和拓扑结构特征。 意义： 噪声的污染直接影响着对图像边缘检测、特征提取、图像分割、模式识别等处理，使人们不得不从各种角度进行探索以提高图像的质量[2] [3]。所以采用适当的方法尽量消除噪声是图像处理中一个非常重要的预处理步骤。现在图像处理技术已深入到科学研究、军事技术、工农业生产、医学、气象及天文学等领域。科学家利用人造卫星可以获得地球资源照片、气象情况；医生可以通过X射线或CT对人体各部位的断层图像进行分析。但在许多情况下图像信息会受到各种各样噪声的影响，严重时会影响图像中的有用信息，所以对图像的噪声处理就显得十分重要[4] [5]。图像去噪作为图像处理的一个重要环节，可以帮助人们更加准确地获得我们所需的图像特征，使其应用到各个研究领域，帮助解决医学、物理、航天、文字等具体问题。如何改进图像去噪算法，以有效地降低噪声对原始图像的干扰程度，并且增强视觉效果，提高图像质量，使图像更逼真，仍存在继续研究的重要意义。 （2）国内外对本课题涉及问题的研究现状 针对图像去噪的经典算法，科学工作者通过努力，提出了一些的改进算法，比如模拟退火法[6]。但是模拟退火法存在的问题是计算过程复杂，计算量大，即使使用计算机代替人工计算也会耗用大量时间。后来在众多研究者的努力下，产生了很多其他不同的方法。而现今已卓有成效的非线性滤波方法有正则化方法、最小能量泛函方法、各向异性扩散法[7] [8]。 目前常用的降噪方法有在空间域进行的，也有将图像数据经过傅里叶等变换以后转到频域中进行的[9]。其中频域里的滤波需要涉及复杂的域转换运算，相对而言硬件实现起来会耗费更多的资源和时间。在空间域进行的方法有均值或加权后均值滤波、中值或加权中值滤波、最小均方差值滤波和均值或中值的多次迭代等。实践证明，这些方法虽有一定的降噪效果，但都有其局限性。比如加权均值在细节损失上非常明显；而中值仅对脉冲干扰有效，对高斯噪声却无能为力[10] [11] [12] [13]。实上，图像噪声总是和有效数据交织在一起，若处理不当，就会使边界轮廓、线条等变得模糊不清，反而降低了图像质量。 对于去除椒盐噪声，主要使用中值滤波算法。中值滤波是在1970年由Tukey提出的一种一维滤波器。它主要是指用实心邻域范围内的所有值的中值代替所作用的点值，但是必须注意的是邻域内的点的个数是正奇数，这是为了保证取中值的便利性，若是偶数，则中值就会产生两个[14] [15]。中值滤波以一种简单的非线性平滑技术。它是以排序统计理论作为基础，有效抑制噪声的非线性处理数字信号技术。中值滤波对消除椒盐噪声非常有效。在图像处理中，常用中值滤波保护图像边缘信息，它是一种经典的去除图像噪声算法[16]。但是它在去除图像噪声过程中，往往会将图像的细节比如细线、棱角的地方破坏掉。后来
彩色图像快速分割方法研究【开题报告】
毕业论文开题报告 电子信息工程 彩色图像快速分割方法研究 一、课题研究意义及现状 图像分割是一种重要的图像技术，不论是在理论研究还是实际应用中都得到了人们的广泛重视。图像分割是我们进行图像理解的基础，是图像处理中的难点之一，也是计算机视觉领域的一个重要研究内容。把图像划分为若干个有意义的区域的技术就是图像分割技术，被划分开的这些区域相互不相交，而且每个区域也必须满足特定区域的一致性条件。 彩色图像反映了物体的颜色信息，比灰度图像提供的信息更多，因此，彩色图像的分割得到了越来越多人的关注，彩色图像分割方法的研究具有很大的价值。彩色图像分割一直是彩色图像处理中一个很重要的问题，它可以看作是灰度图像分割技术在各种颜色空间上的应用。 目前，图像分割的主要方法有：基于区域生长的分割方法、基于边缘检测的分割方法、基于统计学理论的分割方法、基于小波变换法、基于模糊集合理论的方法等多种方法。其中，JSEG算法是一种基于区域生长的图像分割方法，它同时考虑了图像的颜色和纹理信息，分割结果较为准确，受到了广泛的关注。但是JSEG算法要在多个尺度下反复进行局部J值计算和区域生长，同时还要进行基于颜色直方图的区域合并，这样，该算法就显得更为繁琐、复杂。针对这些不足之处，有学者提出了一种结合分水岭与JSEG的图像分割新算法。这种新算法在计算得到图像J后，通过引入分水岭算法直接对J图进行空域分割，然后通过形态后处理完成分割。与原JSEG算法比较，新算法能够得到良好的分割效果，有效的降低了JSEG算法的复杂度。 国内外也有很多学者对彩色图像的分割方法进行研究，也提出了许多有价值的彩色图像分割算法及改进的彩色图像分割算法，而多种分割算法的结合使用也改进了单一算法的不足之处，使得彩色图像的分割结果更加理想。但是从目前对彩色图像的研究来看，由于应用领域的不同、图像质量的好与坏以及图像色彩的分布和结果等一些客观因素引起的差异，我们还没有找到一种能够完全适用于所有彩色图像分割的通用的算法。因此，彩色图像的分割方法仍是一个尚未解决的难题，还需要图像处理领域的研究人员进一步的研究探索。 本研究是对基于JSEG的改进彩色图像分割算法的研究，该算法能够有效降低原JSEG算法的复杂度，提高图像分割效率，在图像分割领域有很重要的意义。该算法是在原JSEG算法的基础上，引入了分水岭算法，降低了原算法的计算量，降低了图像分割时间。 二、课题研究的主要内容和预期目标 主要内容：
车辆牌照图像识别算法研究与实现本科毕设论文
Q260046902 专业做论文 西南科技大学 毕业设计（论文）题目名称：车辆牌照图像识别算法研究与实现
车辆牌照图像识别算法研究与实现 摘要：近年来随着国民经济的蓬勃发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高。因此，汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义。本文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究。对车牌定位，本文采用投影法对车牌进行定位；在字符分割方面，本文使用阈值规则进行字符分割；针对车牌图像中数字字符识别的问题，本文采用了基于BP神经网络的识别方法。在学习并掌握了数字图像处理和模式识别的一些基本原理后，使用VC++6.0软件利用以上原理针对车牌识别任务进行编程。实现了对车牌的定位和车牌中数字字符的识别。 关键词：车牌定位；字符分割；BP神经网络；车牌识别；VC++
Research and Realization of License Plate Recognition Algorithm Abstract:In recent years, with the vigorous development of the national economy，there are more and more construct in the domestic expressway, urban road, and parking area. The requisition on the traffic control, safety management improves day by day. Therefore, license plate recognition technology has the particularly important practical application value in the public security and the traffic control. In the paper, a preliminary research was made on the license location, characters segment and characters recognition of the license plate recognition. On the license location，the projection was used to locate the license plate; On the characters segmentation, the liminal rule was used to divide the characters; In order to solve the problem of the digital characters recognition in the plate, BP nerve network was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition was programmed with VC++ 6.0 using above principles. The license location and the digital characters recognition in the license plate were implemented. Keywords: license location, characters segmentation, BP nerve network, license plate recognition, VC++
运动目标检测中阴影去除算法的研究与实现
JIANGSU UNIVERSITY 本科生毕业论文 运动目标检测中阴影去除算法的研究与实现Research and realization of the shadow removing algorithm for Moving object detection 学院名称：计算机科学与通信工程学院 专业班级：通信工程0602班 学生姓名：汪雅洁 指导教师姓名：宋雪桦 指导教师职称：副教授 2010年6月
运动目标检测中阴影去除算法的研究与实现 专业班级：通信工程0602班学生姓名：汪雅洁 指导教师：宋雪桦职称：副教授 摘要随着计算机视觉技术、电子技术、通信技术的发展，智能视频监控系统作为安全防卫的一种重要手段正在越来越受到人们的重视。由于智能视频监控系统具有监控能力强、安全隐患少、节省人力物力资源的优点。因此，在交通、银行、宾馆、商场等重要场所的监控中有广泛的应用前景。 本文首先综合介绍了智能监控系统的发展历史和现状，然后对静止摄像机监控下的运动目标检测、阴影的检测和去除等关键技术进行了比较深入的研究。 运动目标检测作为智能视频监控系统中视频处理的第一步，具有非常重要的地位。本文首先对目前运动目标检测方法进行了概括，在详细研究了几种目标检测方法的基础上，确定了目标检测中较好的一种方法，即基于混合高斯模型的方法，用这个算法来提取运动目标。 由于日照和灯光等外来因素的影响，造成了提取的运动前景中往往含有阴影。因此，运动目标的阴影检测与去除对于运动目标跟踪、分类和识别等后期处理都是一个关键性问题。由于阴影的存在，会给上述后期处理带来干扰甚至失败。为了去除目标前景的阴影，本文首先分析了阴影产生的机理，了解阴影的特征和人类的视觉特征，针对这些特征以及总结和分类目前己有的各类阴影检测算法的基础上，提出了一种基于RGB颜色模型的阴影检测算法。通过实验对本文的算法进行了验证，证明了该算法能够很好地检测出运动目标的阴影以及将阴影去除，而且易于实现。 关键词：视频监控；运动目标检测；混合高斯模型；RGB颜色模型；阴影去除
图像椒盐噪声与高斯噪声去噪方法研究
德州学院毕业论文开题报告书 2011年3月16日院（系）物理系专业电子信息工程 姓名田程程学号200700802041 论文题目图像椒盐噪声与高斯噪声去噪方法研究 一、选题目的和意义 图像去噪的最终目的是改善给定的图像，解决实际图像由于噪声干扰而导致图像质量下降的问题。通过去噪技术可以有效地提高图像质量，增大信噪比，更好的体现原来图像所携带的信息，作为一种重要的预处理手段，人们对图像去噪算法进行了广泛的研究。在现有的去噪算法中，有的去噪算法在低维信号图像处理中取得较好的效果，却不适用于高维信号图像处理；或者去噪效果较好，却丢失部分图像边缘信息，或者致力于研究检测图像边缘信息，保留图像细节。如何在抵制噪音和保留细节上找到一个较好的平衡点，成为近年来研究的重点。 二、本选题在国内外的研究现状和发展趋势 随着各种数字仪器和数码产品的普及，图像和视频已成为人类活动中最常用的信息载体，它们包含着物体的大量信息，成为人们获取外界原始信息的主要途径。然而在图像的获取、传输和存贮过程中常常会受到各种噪声的干扰和影响而使图像降质，并且图像预处理算法的好坏又直接关系到后续图像处理的效果，如图像分割、目标识别、边缘提取等，所以为了获取高质量数字图像，很有必要对图像进行降噪处理，尽可能的保持原始信息完整性（即主要特征）的同时，又能够去除信号中无用的信息。所以，降噪处理一直是图像处理和计算机视觉研究的热点。
三、课题设计方案 本设计为图像椒盐噪声与高斯噪声去噪方法研究 一、研究高斯噪声和椒盐噪声特性 二、研究去噪算法，提出适合去除高斯噪声和椒盐噪声的算法 三、计算机仿真 四、计划进度安排 第一周至第二周：根据寒假期间针对论文题目收集的有关资料，认真分析和整理资料，形成撰写论文的大体框架。对论文的撰写形成明确地认识，认真书写开题报告，完成开题报告并上交。 第三周至第五周：学习和研究图像椒盐噪声与高斯噪声去噪方法。 第六周至第十一周：对前期的关于图像椒盐噪声与高斯噪声去噪方法的研究进行总结。 第十二周：根据论文指导意见和建议对论文进行修改和完善后形成论文终稿。
彩色图像分割技术研究本科毕业论文
彩色图像分割技术研究本科毕业论文 目录 1. 引言 (1) 1.1．课题的研究背景和意义 (1) 1.2．彩色图像分割的现状 (2) 1.3．本文的容安排 (5) 2．彩色图像分割研究 (6) 2.1．数字图像处理概述 (6) 2.2．常用的颜色空间 (7) 2.3．彩色图像分割方法 (9) 2.3.1．阈值化方法 (10) 2.3.2．基于边缘的分割方法 (10) 2.3.3．基于区域的分割方法 (12) 3．无监督彩色图像分割 (13) 3.1．概述 (13) 3.2．颜色空间的转换 (14) 3.3．Sobel算子边缘提取 (15) 3.4．种子的选取 (16) 3.5．区域生长与合并 (17) 4．实验结果与分析 (18)
5．结论 (20) 参考文献 (21) 谢辞 (23)
1. 引言 1.1．课题的研究背景和意义 在人类所接收的信息中，有80%是来自视觉的图形信息，对获得的这些信息进行一定的加工处理也是目前一种广泛的需求，图像分割就是将图像中感兴趣的部分分割出来的技术。在图像分割的基础上，才能对目标进行特征提取和参数测量，使得更高层的图像分析和理解成为可能。因此，对图像分割的研究在图像处理领域具有非常重要的意义。 图像分割作为图像分析的基础，是图像分析过程中的关键步骤。图像分割，顾名思义是将图像按照一定的方法划分成不同的区域，使得同一区域像素之间具有一致性，不同区域间不具有这种一致性。 因为人眼对亮度具有适应性，即在一幅复杂图像的任何一点上只能识别几十种灰度级，但可以识别成千上万种颜色，所以许多情况下，单纯利用灰度信息无法从背景中提取出目标，还必须借助于色彩信息。由于彩色图像提供了比灰度图像更加丰富多彩的信息，因此随着计算机处理能力的提高，彩色图像处理正受到人们越来越多的关注。 自数字图像处理问世不久就开始了图像分割的研究，吸引了很多研究者为之付出了巨大的努力，在不同的领域也取得了很大的进展和成就，现在人们还一直在努力发展新的、更有潜力的算法，希望实现更通用、更完美的分割结果。目前，针对各种具体问题已经提出了许多不同的图像分割算法，对图像分割的效果也有很好的分析结论。但是，由于图像分割问题所面向领域的特殊性，而且问题本身具有一定的难度和复杂性，到目前为止还不存在一个通用的分割方法，也不存在一个判断分割是否成功
森林防火系统中图像识别算法的研究
哈尔滨工业大学工学硕士学位论文 摘要 森林是陆地生态的主体，具有很高的生态效益和经济效益。鉴于目前我国森林防火的严峻形势，必须开发有效技术解决森林火灾的监测问题。传统火灾探测器多采用单一时刻的火灾参量作为判断标准，在外界干扰下易引起频繁误报或漏报。近年来提出的基于机器视觉的火灾报警系统，利用数字图像处理技术来实现火灾自动报警。 基于火焰和烟雾的图像特征，本文研究了一种识别自然环境下火灾的机器视觉方法。火灾发生过程中，主要的图像信息是燃烧时产生的烟雾和火焰，通过对烟雾和火焰的图像信息研究发现，烟雾和火焰本身具有一定的规律性，以此为依据设计有针对性的算法，从图像中识别出烟雾和火焰，判断火灾是否发生。 首先，论文阐述了森林防火技术及图像型火灾检测技术的发展和现状，并对图像分割和滤波方法中的关键技术进行了详细介绍，在此基础上，本文分别讨论了火焰和烟雾的分割与识别。 然后，对于火焰分割，针对不同情况下的火焰研究了三种不同的分割技术，实现了火焰区域的准确分割。对于火焰的特征检测，主要进行颜色和动态特征的分析，通过建立火焰颜色模型进行颜色识别，再进一步进行火焰的四个动态特征的识别。对于烟雾分割，由于烟雾颜色的复杂性，采取颜色提取法进行分割，并运用视觉一致性的聚类算法对其进行了改进。对于烟雾的特征检测，主要进行小波特征及动态特征的分析，通过对比烟雾图像与背景图像小波系数进行小波特征识别，再对识别结果进一步进行动态特征识别，包括烟雾的不规则性和扩散性，最终确定视频中是否存在烟雾。 最后，综合以上分析，给出了森林防火系统中火灾的识别的整体流程以及火焰和烟雾分别的识别流程。 实验证明，综合火焰和烟雾的静态特征及动态特征的火灾识别方法，识别率高。在火灾检测技术中，具有较好的发展前景。 关键词火焰识别；烟雾识别；图像分割；动态特征 - I -
彩色图像分割的国内外研究现状
1．阈值分割方法 阈值分割方法的历史可追溯到近40年前，现已提出了大量算法，对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范闱之中的灰度阈值，然后将图像中各个象素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素分为两类。这两类像素一般分属图像的两类区域，从而达到分割的目的。从该方法中可以看出，确定一个最优阈值是分割的关键。现有的大部分算法都是集中在阈值确定的研究上。阈值分割方法根据图像木身的特点，可分为单阈值分割方法和多阈值分割方法;也可分为基于像素值的阈值分割方法、基于区域性质的阈值分割方法和基于坐标位罝的阈值分割方法。若根据分割算法所有的特征或准则，还可以分为直方图与直方图变换法、最大类空间方差法、最小误差法与均匀化误差法、共生矩阵法、最大熵法、简单统计法与局部特性法、概率松弛法、模糊集法、特征空间聚类法、基于过渡区的阈值选取法等。 目前提出了许多新方法，如严学强等人提出了基于量化直方图的最大熵阈值处理算法，将直方图量化后采用最大熵阈值处理算法，使计算量大大减小。薛贵浩、帝毓晋等人提出基于最大类间后验交叉熵的阈值化分割算法，从目标和背景的类间差异性出发，利用贝叶斯公式估计像素属于目标和背景两类区域的后验概率，再搜索这两类区域后验概率之间的最大交叉熵。这种方法结合了基于最小交叉熵以及基于传统香农熵的阈值化算法的特点和分割性能，取得很好的通用性和有效性，该算法也容易实现二维推广,即采用二维统计量(如散射图或共生矩阵)取代直方图,以提高分割的准确性。俞勇等人提出的基于最小能量的图像分割方法，运用了能量直方图来选取分割阈值。任明武等人提出的一种基于边缘模式的直方图构造新方法，使分割阈值受噪声和边缘的影响减少到最小。程杰提出的一种基于直方图的分割方法，该方法对Ostu准则的内在缺陷进行了改进,并运用对直方图的预处理及轮廓追踪，找出了最佳分割阈值。此方法对红外图像有很强的针对性。付忠良提出的基于图像差距度量的阈值选取方法，多次导出Ostu方法，得到了几种与Ostu类似的简单计算公式，使该方法特别适合需自动产生阈值的实时图像分析系统。华长发等人提出了一种基于二维熵阈值的图像分割快速算法，使传统二维阈值方法的复杂度从0(W2 S2)降至0(W2/3 S2/3)。赵雪松等人提出的综合全局二值化与边缘检测的图像方法，将全局二值化与边缘检测有效的结合起来，从而达到对信封图分割的理想效果。靳宏磊等人提出的二维灰度直方图的最佳分割方法，找到了一条最佳分割曲线，使该算法得到的分割效果明显优于一维直方图阈值方法。乐宁等人根据过渡区内象素点具有的邻域方向性特点，引入了基于一元线性回归处理的局部区域随机波动消除方法，将图像过渡区算法进行了改进。模糊技术及其日趋成熟的应用也正适应了大部分图像边缘模糊而难以分析的现状，赵初和王纯提出的模糊边缘检测方法能有效地将物体从背景中分离出来，并已在模式识别中的图像预处理和医学图像处理中获得了良好的应用。金立左、夏良正等提出图像分割的自适应模糊阈值法，利用目标一背景对比度自动选取窗宽的方法，并给出了根据目标与摄像机间的相对距离估计目标--背景对比度的算法，克服隶属函数的分布特性及其窗宽对阈值选取的不良影响。其应用于智能电视跟踪系统，对不同对比度和不同距离的海面舰船图像进行阈值分割，有较强的场景适应能力。王培珍、杜培明等人提出了一种用于多阈值图像自动分割的混合遗传算法，针对Papamarkes等提出爬山法的多阈值分割和Olivo提出子波变换的方法只对明显峰值有效而对不明显的峰值无效的缺点，以及结合模糊C-均值算法和遗传算法的两大显著特点而改进的算法，这种分割方法能够快速正
运动目标检测与阴影去除及源代码
1 运动目标检测 混合高斯模型使用K 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功匹配则判定该点为背景点, 否则为前景点。首先，可以采用以下方法来判定当前像素是否与混合高斯背景模型中的第i 高斯分布相匹配： ()() ( ) ,,1,2,3,...,t i t i t if I T i K μ?-<=????匹配不匹配 else [1] 其中，()() ,,i t i t T λσ=，λ为方差系数，该值取2.5时，具有最 优效果。 如果当前像素点与混合高斯背景模型中的第i 个高斯模型相匹配，则更新此高斯分布的权值 () ,1k t ?+，期望 μ 和方差2 σ， 其更新方法如下所示： ()()() ( ),1,,1i t i t i t ?=?+β?+- [2] ()()()()() ()()()()()() ( ) (),1,,1,2 222,1,,1,,,,i t i t i t i t i t i t i t i t i t I x y I x y μ=μ+αμσσαμσ++++-? ? =+-- ? ? ? [3] 其中： ()()()() ( )2 ,1,,,i t i t i t I x y α=βημσ+， 如果当前的像素值(),I x y 找不到一个与之匹配的高斯分 布，则可以认为在K 个高斯模型的集合中出现了新的高斯分布，此时，用新的高斯分布替换到原来混合高斯背景模型中权值最小的高斯分布，然后可以用当前像素值初始化μ ，用一个较大 的初始值初始化2 σ，再用一个较小值初始化?，然后更新其他 高斯分布的权值 () ,1k t ?+： () () () ,1,,1k t k t k t ? ? β? ++=- [4] 由上述过程可以发现，与当前像素匹配的高斯分布权重增 加了，而不匹配的高斯分布的权重则降低了。然后对权值W 进 行归一化处理： ()() (),,,11,2,3,...,i t i t K k t k i K ???===∑ [5] 更新完每个高斯分布的权值，均值和方差后，按照混合高斯分布的原理，背景点应该具有较大的权值?和较小的方差 2 σ 。因此可以对 () () ,2 ,i t i t ? σ或者() ,(,) i t i t ?σ 的值进行排序，从排序后的K 个 高斯分布中选取前B 个分布作为背景对应的高斯分布，其中 B 的取值为： 1arg m in b b k k B T ?=??=> ? ?? ∑ [6] 其中，T 为背景选取的阈值，T 的取值一般与当前背景的复杂程度有关系，很多文献中T 的取值为0.7。 如果在阈值T 范围内，没有一个高斯分布与当前像素匹配， 则认为该点是前景点，反之该点为背景点，一般可以认为混合 高斯模型中，权重最大的高斯分布与当前背景最为接近，即权 重最大的高斯分布的均值μ即可认为是当前背景的像素值。 2 阴影去除算法 2.1 RGB 阴影模型及阴影除去算法 2.1.1 RGB 阴影模型 观察发现，阴影只是改变了当前像素的亮度，因此阴影在RGB 空间上对像素点的影响主要有以下两个方面：1.当前像素 点在有阴影时，其像素点RGB 分量的值比没有阴影时要小；2. 当前像素点在有阴影时，其RGB 分量上像素值的减少量相同。 因此，可以得到基于RGB 空间的阴影模型： ,,::::r r g g b b r g b r g b S B S B S B S S S B B B <<? [10] 在实验中发现，对于像素点1t I +来说，由于受到光照变化和 建模误差的影响，其并不能完全满足上述公式，因此上述公式 仅为理论表达式。所以对于误差的估算直接影响到了去除阴影 的效果。 2.1.2 RGB 阴影模型误差分析 根据RGB 阴影模型原理不难看出，RGB 空间上阴影误差主要有两种误差构成，一种为环境变化引起的误差，可称之为环境 误差Φ，还有一种为在建模过程中产生的误差，可称之为模型误差?，下面对这两种误差进行详细的分析： (1) 环境误差主要是由于当前环境下光线的变化，如强光下和弱光下，其对图像有着不同的影响。还有图像采集系统的不同，例如用不同的摄像机对图片进行采集时，其图像亮度与颜色可能会发生变化。一般情况下，环境误差主要产生与光线的变化，在强光下，其背景像素的值不稳定，所以需要一个较大值Φ，在弱光下时，环境误差影响较小，可以将环境误差Φ设为一个较小值。一般情况，Φ的取值范围在[0,0.2]之间。
基于小波变换的图像阔值降噪算法研究开题报告
中国计量大学 毕业设计（论文）开题报告 学生姓名：马日斯江·库尔班学号：1200101237专业：测控技术与仪器 班级： 12测控1班 设计（论文）题目： 基于小波变换的图像阈值降噪算法研究 指导教师：侯德鑫 系：计量测试工程学院 2016年3 月25 日
基于小波变换的图像阈值降噪算法研究 开题报告 一、课题的背景及意义： 图像降噪是图像预处理的主要任务之一，其作用是为了提高图像的信噪比，突出图像的期望特征。不同性质的噪声应采用不同的方法进行消噪。最简单的也比较通用的消噪算法，是用傅立叶变换直接进行低通滤波或带通滤波。这种方法虽然简单、易于实现，但它对滤去有用信号频带中的噪声无能为力，并且带宽的选择和高分辨率是有矛盾的。带宽选的过宽，达不到去噪的目的;选的过窄，噪声虽然滤去的多，但同时信号的高频部分也损失了，不但带宽内的信噪比得不到改善，某些突变点的信息也可能被模糊掉了。将小波变换应用于信号处理中，是因为它的主要优点是在时间域和频率域中同时具有良好的局部化特性，从而非常适合时变信号的分析和处理。特别在图像去噪领域中，小波理论受到了许多学者的重视，他们应用小波进行去噪，并获得了非常好的效果。具体来说，小波去噪方法的成功主要得益于小波变换具有以下特点： （1）低熵性由于小波系数的稀疏分布，使得图像变换后的熵降低了； （2）多分辨率由于小波采用了多分辨率的方法，所以可以非常好地刻画信号的非平稳特征，如边缘、尖峰、断点等； （3）去相关性因为小波变换可以对信号进行去相关，且噪声在变换后有白化趋势，所以小波域比时域更利于去噪； （4）选基灵活性由于小波变换可以灵活选择变换基，所以对不同应用场合，对不同的研究对象，可以选用不同的小波母函数，以获得最佳的去噪效果。 因此，就信号消噪问题而言，它比传统的傅立叶频率域滤波和匹配滤波器更具有灵活性。以小波变换为基础的时变信号消噪算法是把含噪信号放在二维平面上，利用信号和噪声表现出的截然不同的特性进行分时分频处理，此方法理论上不但能够获得较高的信噪比，而且能够保持良好的时间分辨率。采用小波消噪算
(原创)基于MATLAB的彩色图像皮肤区域分割算法研究与实现
通信工程系 综合实习报告 题目：基于MATLAB的彩色图像皮肤区域分割算法研究与 实现 姓名：刘奇 指导教师：杨敏 班序号：11206213 学号：20061002153 成绩： 2009年9 月
目录 第一章引言 (2) 第二章算法理论与实现原理 (3) 2.1肤色分割理论 (3) 2.2常见肤色模型比较 (3) 2.2.1 区域模型............................................................................. 错误！未定义书签。 2.2.2 简单高斯模型 (4) 2.2.3 混合高斯模型 (5) 2.2.4 直方图模型 (5) 2.3常见色彩空间比较 (6) 2.3.1 RGB (6) 2.3.2 HSV (7) 2.3.3 YCbCr (7) 第三章系统设计 (8) 3.1建立肤色模型 (8) 3.2肤色分割步骤 (9) 3.3实现人脸检测 (10) 3.4设计系统GUI (10) 3.4.1 GUI设计步骤........................................................................ 错误！未定义书签。 3.4.2 系统功能描述....................................................................... 错误！未定义书签。第四章系统调试.. (11) 4.1系统功能描述 (11) 4.1.1导入入图像文件 (11) 4.1.2对图像滤波处理 (11) 4.1.3 RGB到YCbCr空间转换 (12) 4.1.4显示似然图 (14) 4.1.5显示二值图 (14) 4.1.6显示皮肤区域分割图 (14) 4.1.7进行人脸检测并加框输出 (14) 4.2 调试难点 (15) 4.2.1 复杂背景下漏检和错检 (15) 4.2.2小图像无法覆盖大图像 (15) 4.2.3人脸检测处理速度过慢 (15) 第五章实习总结 (16) 参考文献 (16) 实习日志 (16)