基于图像处理技术的目标识别方法及其在裂纹检测中的应用

摘要

目标检测技术是数字图像处理研究领域的一个重点问题，基于计算机视觉的目标检测技术实现了静态场景中特殊目标的自动检测以及智能视频监控。静态图像检测通过提取目标特征，检测具有特定特征的目标。动态的目标检测技术通过对摄像头获取的视频序列的自动分析，检测出序列中运动的目标。目前目标检测技术已经广泛的应用到车牌识别、人脸识别、社区商场安防、红外图像中的目标识别以及交通事件检测、军事国防等领域，极大的方便了人类的生产生活。目前，关于目标检测技术的研究已经取得了许多的成果，但仍有许多难题需要解决。
　　本文中在现有研究成果的基础上，对目标检测技术进行了研究。然后基于本文提出的目标检测算法，对材料裂纹检测的应用进行了研究。相对于传统的超声波、电磁涡流等物理检测方法。基于图像处理的裂纹检测技术，经济、方便、实时性强、适用范围广且摆脱了人工条件的限制。基于图像处理的材料裂纹检测能够解决材料的使用寿命确定问题，通过预测、估算材料的使用寿命，避免实际应用中因材料结构失效而产生的灾难性事故；能够指导优化材料的配方和加工工艺，通过对裂纹的生长规律研究能够设计更好的配方或者加工工艺，从而延长材料的使用寿命。因此，基于图像目标检测的材料裂纹检测技术不仅有着深刻的理论研究意义，也有着重大的实际应用价值。
　　针对目标检测方法和材料裂纹检测方法的研究，本文的主要工作和创新如下：
　　1.图像二值化是图像目标检测的基础，它决定了最终检测效果。本文首先分析了传统的二值化算法特点。然后，针对传统二值化方法的不足，结合本文中的研究对象提出了一种改进的二值化方法。改进的二值化算法通过一个局部阈值λ和双均值滤波方法，达到抑制噪声的目标。本文选取车标图像的二值化处理为例，与常用的算法进行了对比分析，比较结果验证了算法的有效性，选取计算二值化图像的熵值，进行图像的二值化效果评价，改进的二值化方法相对于其他方法有较小的熵，噪声更少。
　　2.本文提出了一种新的背景提取算法。背景提取是运动目标检测中的关键步骤，直接影响了运动目标检测效果的优劣。本文首先对传统的均值背景等算法进行了阐述，然后在现有算法的基础上提出了一种改进的背景提取方法。该方法的思想是：通过一个时刻内的两帧连续图像和给定一个特殊阈值，如果两帧图像的差值大于阈值，那么被检测图像对应像素为前景；反之，如果小于阈值则为背景。此外，本文中还提出了一种改进的均值算法来提取背景图像。最后，通过编程仿真，对该算法进行了仿真试验，对该算法的效果进行了验证，结果表明基于本文算法能准确地检测图像中运动目标，且得到的图像更加清晰。
　　3.提出了一种改进的运动目标检测算法。本文讨论了传统的时差分法(TTD)和平均算法(MA)原理，并结合差分法(TTD)和平均算法(MA)提出了一种改进的运动目标检测算法，对运动目标进行检测。以高速公路监控视频的检测为例进行仿真试验，仿真结果表明提出的改进的运动目标检测算法稳定、可靠、精确且具有较高的效率。
　　4.提出了一种改进的水泥结构材料裂纹检测算法。该方法包括3步：第一，将图像设为灰度并用索贝尔图像边缘检测算法和索贝尔图像滤波器来检测裂缝。第二，在二进制图像中设定一个合适的阈值，将背景和前景中的像素进行分类，使用过滤面积，如果小于某个值则反过来改变面积之后，得到区域面积。第三，使用索贝尔滤波消除残余噪声，Otsu方法探测大裂纹。该算法原理简单，易于实现且具有较高的计算效率。仿真试验结果表明，新算法能够清晰、准确地检测图像中的裂纹。
　　5.通过对连续观测的视频中水泥结构的材料裂缝的生长变化监测，基于裂纹生长规律，提出了一种基于动态视频裂纹生长监测算法。该算法的思想是：第一，我们使用视觉背景提取器(VIBE)来检测视频中的移动裂纹。第二:在二进制图像中设定一个合适的阈值，将背景和前景中的像素进行分类。使用过滤面积和如果少于一定的数量就反过来改变面积，利用滤波器消除噪声。试验结果表明，基于本文算法的检测效果明显优于其他算法的检测结果。

目录

封面

声明

中文摘要

英文摘要

目录

Chapter 1 Introduction

1.1 Background

1.2 The purpose of the research

1.3 The significance of the research

1.4 General work plan

1.5 Thesis Outlines

Chapter 2 Literature Review

2.1 Binarization Method

2.2 Background Extraction Techniques

2.3 Moving object detection from video based on background extraction techniques

2.4 Detection crack based on Background Extraction Techniques

2.5 Summary

Chapter 3 Detection in Vehicle

3.1 Introduction (Detection in image)

3.2 An Enhanced Bernsen Algorithm Approach for Vehicle Logo Detection

3.3 Detection objects in video

3.4 Video background extraction using improved Mean algorithm and frame difference method

3.5 Moving object tracking based on background extraction using mean algorithm and three temporal difference algorithms

3.6 Experiment results and analysis

3.7 Summary

Chapter 4 Detection Crack

4.1 Introduction

4.2 Detection crack in cement image using Otsu method and multiple filtering in image processing techniques

4.3 Moving crack detection based on improved VIBE and multiple filtering in image processing techniques

4.4 Experiment results and analysis

4.4 Summary

Chapter 5 Conclusion and future work

5.1 Conclusions

5.2 Future work

致谢

参考文献

Appendix A

List of Publications