張建榮

0 引 言

近年來，隨著信息科技的發(fā)展，視頻監(jiān)控系統(tǒng)得到越來越廣泛的應(yīng)用。視頻圖像分割是其中一個關(guān)鍵問題。運動目標分割最簡單的方法是光流法［1］，但光流法容易受光照和噪聲等的影響，實時性也較差，故本實驗采用分割結(jié)果較理想的背景差法［2－4］。

本實驗運動目標分割過程如圖1所示。

圖1 運動目標分割過程

1 圖像預(yù)處理

文中所使用圖像為車輛交通圖像，典型的車輛交通圖像具有以下特點:

1）車輛是唯一運動的物體；

2）車輛運動基本與車道平行，很少有并道的現(xiàn)象；

3）路面的平均灰度反映了當前的光照條件。

實驗中對于可能由于背景圖像光線的不斷變化、樹木擾動等因素都產(chǎn)生的噪聲，在檢測、分割之前先對圖像預(yù)處理，以減弱噪聲對圖像后續(xù)處理的影響。圖像預(yù)處理中采用平滑濾波去除噪聲。

2 背景提取

背景圖像的獲得通常采用背景更新［5］算法，在本實驗中針對交通視頻圖像使用改進的背景更新算法。在算法中，對圖像分塊更新，但不更新有車輛出現(xiàn)的部分。在對塊圖像進行做差以后，用塊中像素灰度值變化的均值與閾值相比較，若小于閾值，按相應(yīng)的背景更新算法進行更新；否則不更新。

具體的背景更新算法步驟為:

1）讀入N張連續(xù)的圖像數(shù)據(jù)。將第1幀圖像I0作為初始背景B0。

2）將每幀圖像劃分成m×m的塊IIi（塊的多少可以根據(jù)實驗調(diào)節(jié)。塊劃分的越多，結(jié)果就會越精確，但計算量也會越大，一般劃分為4×4較適宜）。

3）求當前幀圖像中每個塊的幀差分圖像，并求解其像素灰度值的均值E。

4）選取閾值T，對每個塊做如下更新:

5）重復(fù)步驟4），直到最后。

最后將得到的所有塊背景圖像相加，得到整個背景圖像。在交通監(jiān)控中，由于有些車輛運行速度緩慢，或者可能在遇到紅燈時停止一段時間，容易造成背景提取錯誤，在本實驗中，采取隔幀讀取圖像的方法，可以改善背景提取效果。

在背景提取中，背景更新算法所用的閾值T應(yīng)該采用動態(tài)確定的方法來獲取。本實驗采用具有簡單、處理速度快特點的Otsu［6］法。

3 差值圖像

利用背景提取算法得到背景圖像以后，就可以運用背景相減［7］法來獲得運動目標，即用當前幀圖像與所獲得的背景圖像相減以獲得差值圖像，并采用取絕對值的方法來避免做差可能出現(xiàn)負像素的情況。

4 閾值分割

在獲得差圖像之后，為了能突出運動目標區(qū)域，要用閾值來將圖像二值化，從而得到二值化圖像。閾值分割的基本原理是選定圖像的閾值，將圖像中所有像素的灰度值與之比較，若小于閾值被設(shè)置為0（黑），大于閾值則被設(shè)置為255（白）。閾值分割中，閾值的選取很重要。在差分圖像中，由于有很多高灰度值的前景像素和低灰度值的背景像素，如果閾值選取不當，可能會使一些低灰度值的背景像素被誤判為前景像素，也會使屬于前景的像素點被判為背景像素，出現(xiàn)前景丟失情況。

在本實驗中選取基于迭代的閾值方法對幀差分圖像進行二值化。這種方法能自動更新閾值，比人工選擇法方便，且比直接選取閾值的分割效果好。

5 形態(tài)學處理

在二值化過程中，由于實驗方法和環(huán)境的影響，會導(dǎo)致一部分前景和背景像素點的誤判。這樣就會使差分二值圖像出現(xiàn)一些孤立的點和目標物內(nèi)有空洞的問題。為了消除這些影響，需要對獲得前景和背景的二值化差分圖像作一些處理，本實驗使用形態(tài)學處理［8］的方法。

在數(shù)學形態(tài)學中，其基本運算有腐蝕、膨脹、開啟和閉合運算。在本實驗中，先采用腐蝕運算，然后再膨脹運算來去除分割后圖像中的孤立點和區(qū)域內(nèi)的空洞。

腐蝕是消除物體所有邊界點的一種過程，其對圓形物體每次腐蝕，將使物體直徑減少2個像素，其結(jié)果使剩下的物體沿其周邊比原物體小一個像素的面積。腐蝕可以去除圖像中小且無意義的孤立點。

膨脹是將與物體接觸的所有背景點合并到該物體的過程，膨脹過程的結(jié)果是使物體的面積增大了相應(yīng)數(shù)量的點:每次膨脹后增大2個像素。膨脹可以填補分割后物體中的空洞。

6 實驗結(jié)果

運動目標分割實驗過程如圖2所示。

圖2 運動目標分割實驗過程

圖中（a）為原始灰度圖像；（b）為中值濾波后的圖像，除噪效果比較好；（d）為用改進的背景更新算法得到的背景圖像；利用背景差得到差值圖像（e）；二值化圖像見（f）。將二值化圖像先腐蝕再膨脹，得到最后的分割結(jié)果（見（h））。

7 結(jié) 語

運動目標分割是目標跟蹤等其它視頻圖像處理工作的基礎(chǔ)。本實驗采用背景更新算法獲得質(zhì)量較好的背景，利用背景差法對圖像經(jīng)過分割后，成功分割出較精確的運動目標，為其它后續(xù)工作奠定了良好的基礎(chǔ)。

［1］ 朱娟娟，郭寶龍.復(fù)雜場景中基于變塊差分的運動目標檢測［J］.光學精密工程，2011，19（1）:183-191.

［2］ 劉亞，艾海舟，徐光佑.一種基于背景模型的運動目標檢測與跟蹤算法［J］.信息與控制，2002，31（4）:315-319，328.

［3］ 魏冬梅，張之超，高振明，等.一種基于背景的視頻運動對象分割算法［J］.山東大學學報:理學版，2004（2）:73-76，80.

［4］ 于成忠，朱駿，袁曉輝.基于背景差法的運動目標檢測［J］.東南大學學報:自然科學版，2005（S2）:165-167.

［5］ 李剛，邱尚斌，林凌，等.基于背景差法和幀間差法的運動目標檢測方法［J］.儀器儀表學報，2006，27（8）:961-964.

［6］ 韓思奇，王蕾.圖像分割的閾值法綜述［J］.系統(tǒng)工程與電子技術(shù)，2002，24（6）:91-94，102.

［7］ 李文斌，周曉敏，王長松.一種基于背景減法的運動目標檢測算法［J］.北京科技大學學報，2008（2）:106-110.

［8］ 韓嫗偉，張有志，李慶濤，等.幀差累積和減背景相結(jié)合的運動對象分割方法［J］.計算機工程與應(yīng)用，2011，47（14）:164-165，203.