老李，發(fā)現(xiàn)故宮有鬼影。他報(bào)警后，警察周寧前往事發(fā)處，未能獲得線索。故事寫到這里，能否繼續(xù)調(diào)查下去成了問(wèn)題，海漄的手段是補(bǔ)充另一個(gè)人物——年輕的女古畫修復(fù)師陳雯。她曾兩度在紙上遇見(jiàn)類似的鬼影，老李報(bào)警系陳雯所勸。有第二人曾目擊鬼影，于是周寧繼續(xù)查了下去。小說(shuō)這樣開頭讓筆者感到驚艷，里面有故宮——典型的中國(guó)文化背景，里面的人物有年輕的女古畫修復(fù)師，有追求真相的調(diào)查者，這種設(shè)置隱約對(duì)標(biāo)《盧浮魅影》《達(dá)·芬奇密碼》，對(duì)讀者而言是頗具吸引力的。它在暗示讀者，這個(gè)故事

圖像中存在多徑“鬼影”［4-6］，引起雷達(dá)對(duì)目標(biāo)識(shí)別、檢測(cè)等性能的惡化。由于多徑鬼影影響雷達(dá)對(duì)真實(shí)目標(biāo)的檢測(cè)，目前國(guó)內(nèi)外很多學(xué)者都對(duì)其進(jìn)行了研究。Tan 等研究發(fā)現(xiàn)由電磁波在目標(biāo)間多次散射引入的多徑鬼影具有方位依賴性［7-8］，即雷達(dá)圖像中多徑鬼影的位置隨著雷達(dá)位置的改變而改變?；诙鄰?span id="syggg00" class="hl">鬼影的方位依賴性，閆等提出了一種基于子孔徑圖像融合的多徑鬼影抑制方法［9］，通過(guò)將全孔徑分成若干個(gè)長(zhǎng)度相同的子孔徑并單獨(dú)成像，利用每個(gè)子圖像多徑鬼影的位置不同而目標(biāo)位置不變

點(diǎn)也很明顯，如“鬼影”、檢測(cè)目標(biāo)不完整以及對(duì)動(dòng)態(tài)背景魯棒性差等問(wèn)題。為了彌補(bǔ)原始ViBe 算法的不足，楊依忠等[9]提出了一種“與”和“或”類型三幀差法與原始ViBe 算法相結(jié)合，通過(guò)“與”運(yùn)算減少海面閃爍點(diǎn)被誤檢測(cè)為前景的情況，再通過(guò)“或”運(yùn)算盡可能地保留運(yùn)動(dòng)目標(biāo)，最后對(duì)結(jié)果進(jìn)行顯著性檢測(cè)。該方法在一定程度上抑制了首幀出現(xiàn)的“鬼影”，在近距離的大型目標(biāo)上檢測(cè)效果理想，但是不適用于小目標(biāo)檢測(cè)。VAN D 等[10]在ViBe 算法的基礎(chǔ)上引入了閃爍等級(jí)的概

如，算法所存在的鬼影問(wèn)題就是影響算法性能的最主要原因之一。所謂鬼影，是指在沒(méi)有運(yùn)動(dòng)目標(biāo)的區(qū)域中被錯(cuò)誤檢測(cè)出的前景區(qū)域，也就是不真實(shí)的前景[3]。對(duì)于如何解決鬼影的問(wèn)題，許多學(xué)者提出的解決措施中，主要包含兩種處理方式：一是對(duì)背景模型初始化作出改進(jìn)。比如，文獻(xiàn)[4]使用多幀圖像進(jìn)行背景模型的初始化。文獻(xiàn)[5]將最大類間方差法（OTSU）[6]引入到幀間差分法中，把前面幾幀圖片加以適當(dāng)?shù)奶幚?，組成一張背景樣本圖像，以這幅圖片為依據(jù)來(lái)創(chuàng)建初始的背景模型。文獻(xiàn)[7]

e算法；幀差法；鬼影；自適應(yīng)閾值0 引言運(yùn)動(dòng)目標(biāo)檢測(cè)是實(shí)現(xiàn)計(jì)算機(jī)視覺(jué)對(duì)動(dòng)態(tài)目標(biāo)進(jìn)行鎖定跟蹤與分類識(shí)別的關(guān)鍵，已廣泛應(yīng)用于如行人跟蹤，車輛追蹤，自動(dòng)駕駛等目標(biāo)處于運(yùn)動(dòng)狀態(tài)的視覺(jué)檢測(cè)場(chǎng)合，并隨著計(jì)算機(jī)和信息技術(shù)的發(fā)展正不斷擴(kuò)展應(yīng)用領(lǐng)域?，F(xiàn)有的目標(biāo)檢測(cè)方法主要有：光流法[1-3]、幀差法[4-6]、背景差分法[7-9]等，其中光流法利用背景幀的所有像素點(diǎn)建立速度矢量場(chǎng)，當(dāng)圖像中存在運(yùn)動(dòng)目標(biāo)時(shí)，由于運(yùn)動(dòng)目標(biāo)的速度矢量和背景點(diǎn)速度矢量不同，兩者會(huì)產(chǎn)生相對(duì)運(yùn)動(dòng)，造成矢

用：判斷并消除“鬼影”，判斷故障點(diǎn)，制造光纖傳感器。光纖彎曲測(cè)試光纖的彎曲損耗一部分是光纖制造和光纖材料引起的傳輸損耗，一部分是源于光纖使用過(guò)程中的彎曲，以及在構(gòu)成光纖系統(tǒng)時(shí)由光纖偶合而造成的損耗。為了研究光纖在彎曲時(shí)的曲線特性，這里用一根205 m光纖進(jìn)行OTDR測(cè)試實(shí)驗(yàn)，如圖所示。將OTDR測(cè)量參數(shù)設(shè)置為：波長(zhǎng)1550 nm，脈沖寬度30 nm，距離量程0.5 km，采樣分辨率10 cm，得到圖中黃線的曲線。然后，將光纖尾部折一個(gè)小彎，其他測(cè)試條件不變

度快，但也存在“鬼影”問(wèn)題。針對(duì)ViBe 算法存在的“鬼影”問(wèn)題，目前有兩種改進(jìn)方法：第一種是對(duì)初始化方式進(jìn)行改進(jìn)；第二種是先找出“鬼影”區(qū)域，再對(duì)“鬼影”進(jìn)行處理。第一種改進(jìn)方法有中位數(shù)法、平均法等。張欽禮等人利用視頻序列中前幀圖像像素點(diǎn)的中位數(shù)進(jìn)行初始化。馬永杰等人使用改進(jìn)多幀平均法獲得真實(shí)背景的方式進(jìn)行初始化。針對(duì)第二種處理方法，莫邵文等人結(jié)合背景模型的視覺(jué)顯著性特征，判斷每個(gè)像素點(diǎn)的鬼影程度，然后采取措施消除“鬼影”。吳爾杰等人將區(qū)域像素值的方差作

，但是增強(qiáng)了多徑鬼影等雜波的幅度，最終得到的建筑布局相對(duì)粗糙。針對(duì)以上問(wèn)題，本文提出了一種基于墻體補(bǔ)償與多視角融合的建筑布局成像方法。在圖像融合前進(jìn)行墻體位置矯正，解決圖像融合中出現(xiàn)的墻體展寬、位置偏移問(wèn)題；在圖像融合時(shí)采用最小值融合，能夠在保留墻體的同時(shí)，抑制多徑鬼影等雜波。首先，采用后向投影方法對(duì)多個(gè)視角的觀測(cè)回波進(jìn)行成像，對(duì)成像結(jié)果應(yīng)用Radon變換，通過(guò)恒虛警率（CFAR）檢測(cè)獲取Radon平面峰值，提取墻體的位置信息；然后，以墻體的前后表面中心為

其三，相機(jī)問(wèn)題：鬼影仍在。說(shuō)起iPhone相機(jī)的“硬傷”，鬼影無(wú)疑是要放到首位的。iPhone 12系列拍攝鬼影就比較明顯，當(dāng)手機(jī)拍攝光源時(shí)，在圖像上的非光源位置會(huì)出現(xiàn)光源對(duì)應(yīng)的光斑。蘋果似乎并不在乎相關(guān)的優(yōu)化，iPhone 13系列的拍攝鬼影同樣存在。其四，屏幕偏色：顯示偏紅。iPhone 12系列就曾出過(guò)屏幕偏綠的問(wèn)題，到了iPhone 13系列，屏幕偏色的問(wèn)題似乎仍然存在—又偏紅了。最后，手機(jī)出現(xiàn)個(gè)別的質(zhì)量問(wèn)題是情有可原的，iPhone 13系列由于

黑乎乎張牙舞爪的鬼影，正向我們襲來(lái)。身后又傳來(lái)“颯颯”聲，不知是不是怪獸來(lái)了。真是前有鬼影后有怪獸呀，我和秦彬淵不禁一起大叫——“跑”。于是，我倆以百米沖刺的速度向前跑去。此時(shí)，我好想借哪吒的風(fēng)火輪一用，或肋生雙翅騰空而起飛回家。心怦怦亂跳，估計(jì)每分鐘一百下，隨時(shí)要蹦出來(lái)了一樣。我一邊跑，心里還在給自己鼓勁：快點(diǎn)跑呀，快點(diǎn)呀！不然，怪獸會(huì)把我們打包帶回家當(dāng)夜宵吃了。我和秦彬淵一路奔跑，一路不停怪叫，好像只有這樣才能嚇唬住妖魔鬼怪。跑到長(zhǎng)廊，我們手撐著膝蓋，

而在檢測(cè)中產(chǎn)生“鬼影”。背景差分法包括GMM (Gaussian mixture model)、Vibe、CodeBook、Color (基于顏色信息的背景建模檢測(cè)方法) 等算法[10-15]。Shahbaz等[16]將檢測(cè)算法分為了三類，并利用大型真實(shí)標(biāo)準(zhǔn)數(shù)據(jù)集對(duì)算法進(jìn)行定量和定性比較。Wren等[17]首次提出使用單高斯模型對(duì)簡(jiǎn)單背景建模，對(duì)單一背景有較好的效果。為了提高算法的魯棒性，算法需要適應(yīng)在復(fù)雜背景情況下的建模[18]。Stauffer等[19

虛擬的前景，即“鬼影”現(xiàn)象.在光照條件下，運(yùn)動(dòng)目標(biāo)產(chǎn)生的影子也會(huì)在背景模型中留下明顯的陰影區(qū)域.“鬼影”現(xiàn)象和陰影問(wèn)題的產(chǎn)生嚴(yán)重影響了運(yùn)動(dòng)目標(biāo)的提取效果，對(duì)后續(xù)的目標(biāo)跟蹤、異常行為檢測(cè)也造成了不利影響.對(duì)于ViBe算法容易出現(xiàn)“鬼影”現(xiàn)象及陰影的問(wèn)題，已經(jīng)有很多的學(xué)者對(duì)其進(jìn)行了深入的研究.文獻(xiàn)[5]對(duì)傳統(tǒng)的ViBe算法進(jìn)行了改進(jìn)，利用傳統(tǒng)ViBe算法檢測(cè)運(yùn)動(dòng)對(duì)象，對(duì)特定區(qū)域連續(xù)多幀的靜態(tài)前景進(jìn)行鬼影和靜態(tài)對(duì)象的區(qū)分，然后使用更新策略進(jìn)行背景模型的更新，加快

測(cè)結(jié)果存在空洞和鬼影的問(wèn)題.光流法雖然精度高，但由于其計(jì)算量大，不適用于對(duì)實(shí)時(shí)性有較高要求的場(chǎng)景.背景建模法是在初始化過(guò)程中構(gòu)建出由背景樣本組成的模型，并將當(dāng)前幀與背景模型進(jìn)行差分，從而對(duì)像素進(jìn)行分類，最后得到運(yùn)動(dòng)目標(biāo).其具有精度高實(shí)時(shí)性好的特點(diǎn).背景模型的準(zhǔn)確性決定了背景建模法的檢測(cè)精度，主要影響檢測(cè)精度的因素有鬼影問(wèn)題、動(dòng)態(tài)背景、噪聲干擾等[7].高斯混合模型(GMM，Gaussian mixture model)[8]是運(yùn)動(dòng)目標(biāo)檢測(cè)算法中最為經(jīng)典的算

Vibe算法中的鬼影問(wèn)題。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法在運(yùn)動(dòng)目標(biāo)檢測(cè)的準(zhǔn)確率和識(shí)別率上均有所提高，且組合算法對(duì)多目標(biāo)跟蹤的運(yùn)算速度較快、效率較高?！娟P(guān)鍵詞】Vibe算法 船舶檢測(cè)Camshift算法 多目標(biāo)跟蹤Opencv0引言內(nèi)河航運(yùn)在我國(guó)經(jīng)濟(jì)中扮演著極其重要的角色，它具有輸送量大、成本低、排污小、耗能省等優(yōu)點(diǎn)，是一種較為環(huán)保的運(yùn)輸方式，在運(yùn)輸大規(guī)模貨物上有著無(wú)與倫比的作用。內(nèi)河水域航道窄、彎道多、支流多，內(nèi)河船舶船型雜亂、船載設(shè)備設(shè)施參差不齊，為在這些復(fù)

的不足，易產(chǎn)生“鬼影”干擾以及光照變化誤檢等問(wèn)題。針對(duì)ViBe算法存在的問(wèn)題，文獻(xiàn)[8]提出了一種基于時(shí)空梯度特征的解決方案，根據(jù)背景的復(fù)雜性和變化情況，對(duì)判別機(jī)制的參數(shù)進(jìn)行自適應(yīng)調(diào)整，有效解決了復(fù)雜場(chǎng)景下陰影和“鬼影”的干擾。文獻(xiàn)[9]利用幀間信息，引入二次判斷策略，提出一種ViBe結(jié)合幀間差分法的“鬼影”抑制策略。文獻(xiàn)[10]通過(guò)統(tǒng)計(jì)前景點(diǎn)在整幅圖像像素點(diǎn)中所占的比重來(lái)判斷光照變化情況，從而實(shí)現(xiàn)ViBe對(duì)光照變化的魯棒性。結(jié)合以上學(xué)者的研究，針對(duì)ViB

測(cè)的準(zhǔn)確性,避免鬼影問(wèn)題帶來(lái)的干擾,然后采用閾值分析法與支持向量機(jī)(SVM)相結(jié)合的摔倒檢測(cè)算法,同時(shí)采用雙攝像頭進(jìn)行檢測(cè),避免了人體平行與攝像頭摔倒,其外接矩形框與站立類似而無(wú)法檢測(cè)出的缺點(diǎn).實(shí)驗(yàn)結(jié)果顯示,該檢測(cè)系統(tǒng)能夠有效地區(qū)分摔倒與其他日常行為,實(shí)時(shí)性好,檢測(cè)精度高.1 Vibe算法1.1 背景模型初始化Vibe算法使用第一幀圖像初始化背景模型,初始化時(shí),在第一幀圖像中為每個(gè)像素點(diǎn)隨機(jī)選取N個(gè)八領(lǐng)域像素值,構(gòu)成一個(gè)N維的樣本空間[6].像素點(diǎn)的初始化

的。他想，可能是鬼影越少房?jī)r(jià)就越高，可是趙大膽的回答卻與他的想法恰恰相反，而是鬼影越多房?jī)r(jià)就越高。張老倌雖然是個(gè)老實(shí)巴交的鄉(xiāng)下老漢，平生最怕惹是生非，但是辦起事來(lái)卻十分謹(jǐn)慎，他開門見(jiàn)山地告訴趙大膽：“我把丑話說(shuō)在前頭，你是外地來(lái)旅游的，古宅里鬧鬼，要住還是可以，但真要是有什么三長(zhǎng)兩短，我可負(fù)不了這個(gè)責(zé)任。”為了做到自己清白，張老倌立即請(qǐng)來(lái)了村長(zhǎng)作為證人。趙大膽當(dāng)著村長(zhǎng)的面，滿口答應(yīng)了張老倌的要求。張老倌當(dāng)即打開了古宅的門，讓趙大膽住進(jìn)了古宅，并把自家的菜刀

定范圍的幀中產(chǎn)生鬼影，影響檢測(cè)效果，對(duì)于噪聲的干擾比較敏感，不能適應(yīng)動(dòng)態(tài)背景的變化.針對(duì)ViBe存在的問(wèn)題.文獻(xiàn)[6]利用超像素分割的方法將圖像分割成許多超像素區(qū)域，將超像素與ViBe檢測(cè)的結(jié)果進(jìn)行匹配從而分離出鬼影區(qū)域，同時(shí)利用超像素的方法在前景檢測(cè)階段抑制噪聲的影響；文獻(xiàn)[7]提出了輔助樣本集的概念，判斷像素點(diǎn)的鬼影程度，從而限制像素點(diǎn)的傳播速度，加快鬼影消除的速率，并判斷噪聲的擾動(dòng)程度動(dòng)態(tài)更新輔助樣本；文獻(xiàn)[8]通過(guò)比較鬼影區(qū)域與真實(shí)背景區(qū)域的像素直

判斷為前景，形成鬼影現(xiàn)象影響目標(biāo)檢測(cè)的準(zhǔn)確性.其次，因?yàn)樵撍惴ǖ目臻g隨機(jī)傳播機(jī)制，緩慢運(yùn)動(dòng)的物體會(huì)融入背景庫(kù)，產(chǎn)生侵蝕現(xiàn)象，造成檢測(cè)的目標(biāo)不完整.針對(duì)出現(xiàn)的鬼影現(xiàn)象，文獻(xiàn)[8]提出了一種動(dòng)態(tài)閾值的改進(jìn)算法, 使用大津算法計(jì)算每幀圖像的分割閾值, 再對(duì)鬼影像素點(diǎn)進(jìn)行判別,但當(dāng)前景與背景的方差較小時(shí)，圖像處理效果不佳.文獻(xiàn)[9]通過(guò)比較直方圖分布和像素變化率判斷前景目標(biāo)的目標(biāo)相似性, 從而檢測(cè)鬼影，但是其運(yùn)算效率較低，不能保證監(jiān)控系統(tǒng)的實(shí)時(shí)性需求.文獻(xiàn)[10]

背景進(jìn)行建模導(dǎo)致鬼影現(xiàn)象[3];在前景檢測(cè)階段,分類前景和背景像素點(diǎn)應(yīng)用的是固定閾值,在動(dòng)態(tài)背景中很容易造成擾動(dòng),影響檢測(cè)結(jié)果;對(duì)由靜轉(zhuǎn)動(dòng)和由動(dòng)轉(zhuǎn)靜的目標(biāo)檢測(cè)時(shí)則存在拖影現(xiàn)象。雖然利用ViBe算法的更新機(jī)制可以有效解決這些問(wèn)題,但往往耗時(shí)較長(zhǎng),誤檢區(qū)域長(zhǎng)時(shí)間的存在會(huì)對(duì)后續(xù)的檢測(cè)帶來(lái)不便。為提高ViBe算法在復(fù)雜環(huán)境下的檢測(cè)性能,文獻(xiàn)[5]提出一種多尺度變換的改進(jìn)ViBe算法,對(duì)3種不同分辨率圖像的檢測(cè)結(jié)果進(jìn)行融合,以達(dá)到減少動(dòng)態(tài)背景影響的目的。文獻(xiàn)[6]設(shè)

求鏡頭沒(méi)有雜光、鬼影等眩光因素存在。否則，畫面信息被干擾，會(huì)造成我們對(duì)信息判斷失誤或者信息提取失敗。因而，在設(shè)計(jì)監(jiān)控鏡頭時(shí)，一定要進(jìn)行眩光模擬分析，并對(duì)眩光加以改善和消除，使監(jiān)控畫面像質(zhì)清晰通透和有效信息不會(huì)被遮擋。本文將針對(duì)道路監(jiān)控鏡頭的眩光、鬼影等雜散光的模擬及改善進(jìn)行研究。1 眩光的種類、影響及消除方法眩光主要分兩大類：一類是光學(xué)元件比如鏡片之間的來(lái)回反射形成的影像，叫做鬼影眩光，簡(jiǎn)稱鬼影。之所以叫鬼影是因?yàn)檫@些形狀和光源相似的影像，本不應(yīng)該出現(xiàn)在畫

在一些問(wèn)題，例如鬼影、運(yùn)動(dòng)目標(biāo)變?yōu)殪o止、檢測(cè)目標(biāo)不完整和陰影問(wèn)題等.當(dāng)運(yùn)動(dòng)目標(biāo)從靜止到運(yùn)動(dòng)或者當(dāng)背景模型的初始幀存在著運(yùn)動(dòng)目標(biāo)時(shí)就會(huì)出現(xiàn)鬼影.鬼影是ViBe算法中存在的一個(gè)難點(diǎn)問(wèn)題，如何快速有效消除鬼影是智能視覺(jué)監(jiān)控系統(tǒng)中需要解決的實(shí)際問(wèn)題.一些研究者對(duì)鬼影問(wèn)題也提出了改進(jìn)，文獻(xiàn)[10]增加了鬼影抑制模塊，通過(guò)Otsu算法計(jì)算出最適合當(dāng)前幀的分割閾值，除了傳統(tǒng)ViBe算法外再對(duì)前景像素點(diǎn)進(jìn)行二次判別，該方法能夠很好地適應(yīng)前景目標(biāo)運(yùn)動(dòng)變化較大的情況，更好地抑

存在不足。其一是鬼影問(wèn)題，鬼影是被檢測(cè)為前景，卻沒(méi)有代表任何運(yùn)動(dòng)目標(biāo)的區(qū)域，即虛假的前景區(qū)域[3]。目前，針對(duì)鬼影問(wèn)題，第一類處理方法是通過(guò)改變創(chuàng)建初始背景集合的方式。文獻(xiàn)[4]采用類高斯模型的更新方法，使用多幀圖像訓(xùn)練初始背景集合。文獻(xiàn)[5]在幀差法中引入大津閾值算法[7](OTSU)，使用前幾幀圖像合成背景樣本圖像，然后根據(jù)此背景樣本圖像創(chuàng)建初始背景集合。文獻(xiàn)[6]采用多幀平均法，使用視頻前面25幀圖像對(duì)應(yīng)點(diǎn)和其鄰域點(diǎn)的像素值創(chuàng)建初始背景模型。這種方法

標(biāo)檢測(cè)中還會(huì)產(chǎn)生鬼影區(qū)域.鬼影區(qū)域指原本靜止的物體開始運(yùn)動(dòng),該物體所覆蓋的區(qū)域就會(huì)被錯(cuò)誤的檢測(cè)為運(yùn)動(dòng)的,這塊區(qū)域就會(huì)成為鬼影.為解決上述問(wèn)題,本文結(jié)合改進(jìn)的幀差法和改進(jìn)的ViBe,來(lái)去除運(yùn)動(dòng)目標(biāo)陰影和鬼影區(qū)域.2 ViBe算法及其不足ViBe算法是背景減除法之一,它和傳統(tǒng)的背景建模方法不同,需要前幾幀圖像來(lái)構(gòu)建背景模型.它利用第一幀圖像就可以建立背景模型.同時(shí)該算法采用隨機(jī)選擇更新對(duì)應(yīng)的背景模型像素,因此既加快了計(jì)算速度,而且保持了較高的檢測(cè)精度,提高了抗

歐陽(yáng)軍2017年夏天，一支國(guó)際考察隊(duì)來(lái)到凱利城堡探密，卻遭遇了一連串的變故，隊(duì)員神秘失蹤、受傷乃至死亡……是城堡主人的冤魂不散？還是死亡平民的怨恨詛咒？古堡“撞鬼”凱利城堡位于馬來(lái)西亞巴都牙也南部，始建于1915年殖民時(shí)期，結(jié)合了希臘羅馬式、摩爾式以及印度式三種建筑風(fēng)格。凱利城堡的主人兼設(shè)計(jì)師，是一個(gè)名叫凱利·史密斯的英國(guó)橡膠大亨。當(dāng)年，城堡建筑進(jìn)行到一半時(shí)，工人們突然染上不知名的怪病紛紛倒下。按照當(dāng)?shù)匚讕煹慕ㄗh，凱利·史密斯又在附近建了一座神廟。誰(shuí)知，神

標(biāo)提取的效果受到鬼影、陰影、背景高頻擾動(dòng)和攝像機(jī)抖動(dòng)的影響。鬼影是因視頻初始幀存在運(yùn)動(dòng)目標(biāo)而產(chǎn)生，其對(duì)后續(xù)目標(biāo)的檢測(cè)會(huì)造成較大影響；已有研究成果中[6-8]，胡小冉[6]利用視頻幀前n幀構(gòu)建初始背景，進(jìn)而此背景進(jìn)行背景建模。該方法在背景簡(jiǎn)單情形下，運(yùn)動(dòng)目標(biāo)提取的效果較為明顯，但在當(dāng)場(chǎng)景較為復(fù)雜時(shí)其自適應(yīng)能力弱。陰影是由運(yùn)動(dòng)目標(biāo)受到光源的照射而產(chǎn)生[9-10]，其包含目標(biāo)的輪廓和位置信息，對(duì)目標(biāo)與背景分離處理會(huì)產(chǎn)生較大影響；張榮剛[11]利用視頻幀的色度信息

景模型，容易產(chǎn)生鬼影，文獻(xiàn)[6]在ViBe算法的初始化階段使用前n幀對(duì)模型初始化，該算法在一定程度上快速消除了鬼影，但當(dāng)前n幀中的多幀同時(shí)包含運(yùn)動(dòng)目標(biāo)時(shí)，會(huì)在運(yùn)動(dòng)目標(biāo)區(qū)域出現(xiàn)前景像素的漏檢；文獻(xiàn)[7]針對(duì)鬼影在視頻中連續(xù)出現(xiàn)的次數(shù)比真實(shí)運(yùn)動(dòng)目標(biāo)出現(xiàn)的次數(shù)多的特點(diǎn)，為視頻幀建立一個(gè)統(tǒng)計(jì)前景點(diǎn)出現(xiàn)次數(shù)的掩膜，當(dāng)某個(gè)像素被連續(xù)分類為前景點(diǎn)次數(shù)超過(guò)一定閾值時(shí)，強(qiáng)制該像素變?yōu)楸尘包c(diǎn)，同時(shí)更新該像素和其鄰域像素的背景模型，這樣判斷一個(gè)前景點(diǎn)是否為鬼影在時(shí)間上有了一定滯

模型中，有效抑制鬼影；在前景檢測(cè)階段，根據(jù)實(shí)際場(chǎng)景的動(dòng)態(tài)程度自適應(yīng)調(diào)整聚類閾值，提高了對(duì)動(dòng)態(tài)場(chǎng)景的適應(yīng)能力。1 ViBe算法分析1.1 算法分析ViBe算法根據(jù)相鄰像素具有時(shí)空一致性原理，采用樣本隨機(jī)聚類的方法，隨機(jī)選取像素鄰域內(nèi)的N個(gè)像素值建立樣本模型，將當(dāng)前幀像素與樣本模型對(duì)比，檢測(cè)出運(yùn)動(dòng)目標(biāo)，具有較好的實(shí)時(shí)性和魯棒性。具體步驟如下：1)模型初始化ViBe算法使用視頻序列的第一幀進(jìn)行初始化，為每個(gè)像素建立樣本模型M(x)={v1,…,vi,…,vN}(

算法存在無(wú)法消除鬼影、受動(dòng)態(tài)背景變化影響較大的問(wèn)題，本文對(duì)傳統(tǒng)的vibe算法進(jìn)行改進(jìn)。vibe算法是通過(guò)視頻第一幀初始化背景模型，但是當(dāng)?shù)谝粠?dāng)中包含前景目標(biāo)時(shí)，鬼影將伴隨著模型的初始化而產(chǎn)生。vibe算法沒(méi)有對(duì)鬼影做任何處理，導(dǎo)致vibe算法需要花費(fèi)很長(zhǎng)時(shí)間才能消除鬼影。針對(duì)傳統(tǒng)vibe算法中出現(xiàn)鬼影問(wèn)題，只需在vibe算法前景檢測(cè)之前先獲取相對(duì)真實(shí)的背景在將真實(shí)的背景用來(lái)初始化背景模型。因此本文首先通過(guò)三幀差分法得到差分圖像，根據(jù)直方圖當(dāng)中有明顯的雙峰

背景變化以及消除鬼影較慢的問(wèn)題.為了解決這些問(wèn)題，提出一種改進(jìn)的ViBe算法.此算法首先采用多幀圖像梯度幅值進(jìn)行背景建模，在背景更新時(shí)，引入閾值自適應(yīng)調(diào)整因子，實(shí)現(xiàn)動(dòng)態(tài)更新閾值，為提高消除鬼影效率，在鬼影消除判別過(guò)程中采用基于運(yùn)動(dòng)目標(biāo)區(qū)域整體性的判別方法.實(shí)驗(yàn)結(jié)果表明，改進(jìn)的算法能快速的消除鬼影，在復(fù)雜背景、光線變化環(huán)境中有更好的適應(yīng)性和更高的檢測(cè)精度.ViBe；目標(biāo)檢測(cè)；梯度幅值；自適應(yīng)閾值；鬼影消除0 引言監(jiān)控視頻中的運(yùn)動(dòng)目標(biāo)檢測(cè)是信息提取的關(guān)鍵步驟，

為什么總能看到“鬼影”攝影照片上，有時(shí)會(huì)出現(xiàn)毛骨悚然的模糊人影，難道照相機(jī)真能拍到人眼看不到的神秘影像嗎？這世界上是否存在著鬼魂這種物體？今天就讓我們分析一下，看一看到底是什么在作怪。《每日郵報(bào)》一則消息報(bào)道稱，英國(guó)一位50歲的女士在一張孫女洗禮儀式的照片上發(fā)現(xiàn)自己已故丈夫的鬼魂若隱若現(xiàn)地出現(xiàn)在畫面里，讓她震驚。她在網(wǎng)絡(luò)上看到照片的時(shí)候一眼便認(rèn)出了丈夫的模樣。丈夫黑白的臉盤旋在教堂的洗禮盤上方，最后定格在正接受洗禮的小孫女的身邊。無(wú)獨(dú)有偶，1996年，熱愛(ài)

影”故障稱之為“鬼影”，這些或深或淺的“鬼影”一般出現(xiàn)在墨量需求較大的實(shí)地印品上，且“影子”往往垂直于滾筒軸線。在實(shí)際生產(chǎn)過(guò)程中，導(dǎo)致“鬼影”出現(xiàn)的因素很多，下面筆者就此進(jìn)行詳細(xì)闡述，并給出相應(yīng)的解決措施，供行業(yè)人士參考?！?span id="syggg00" class="hl">鬼影”的類型和形成條件1.“鬼影”的類型一般情況下，“鬼影”可分為機(jī)械“鬼影”和工藝“鬼影”。機(jī)械“鬼影”由機(jī)械作用導(dǎo)致，其主要受印刷壓力、墨輥、印版等因素的影響。工藝“鬼影”是由于油墨在印刷過(guò)程中發(fā)生了化學(xué)變化，此類“鬼影”受生產(chǎn)環(huán)境

ON的魚群檢測(cè)及鬼影抑制方法簡(jiǎn)夏劉軍清陳鵬雷幫軍李偉生(三峽大學(xué)計(jì)算機(jī)與信息學(xué)院湖北 宜昌 443002)雙頻識(shí)別聲納(DIDSON)能在渾濁黑暗的水下獲得清晰的視頻數(shù)據(jù)。對(duì)雙頻識(shí)別聲納拍攝的魚群視頻進(jìn)行目標(biāo)檢測(cè)是后續(xù)跟蹤、識(shí)別的前提。首先分析雙頻識(shí)別聲納圖像噪聲特性和魚體亮度統(tǒng)計(jì)特性；基于此，提出并實(shí)現(xiàn)一種聲納魚群檢測(cè)方法，并就檢測(cè)中的鬼影問(wèn)題提出了抑制方法；最后利用形態(tài)學(xué)濾波去除孤立噪點(diǎn)。實(shí)驗(yàn)結(jié)果表明，該方法在魚體目標(biāo)輪廓清晰度、魚體大小準(zhǔn)確度方面明顯

得到的結(jié)果將出現(xiàn)鬼影或錯(cuò)位。【關(guān)鍵詞】圖像拼接；單應(yīng)性矩陣；視差；鬼影；錯(cuò)位【Abstract】Image stitching is a combination of a series of images into a wide view image. The paper briefly describes the general process of image stitching， mainly introduces three image stitc

ibe)不能抑制鬼影和去除陰影干擾的問(wèn)題，提出一種改進(jìn)算法。緩存視頻前K幀圖像，利用隨機(jī)抽樣和改進(jìn)均值法構(gòu)建兩個(gè)背景模型，分別用于前景檢測(cè)和陰影去除；前景檢測(cè)環(huán)節(jié)擴(kuò)大樣本的抽取范圍，提高模型可靠度，抑制鬼影；替換虛假樣本完成前景檢測(cè)模型的更新；對(duì)所得感興趣前景區(qū)域，結(jié)合灰度和LBP紋理特征信息消除陰影。實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法能有效抑制鬼影，消除陰影干擾，檢測(cè)結(jié)果更加精確。關(guān)鍵詞:運(yùn)動(dòng)目標(biāo)檢測(cè)；鬼影；陰影去除；Vibe；LBP運(yùn)動(dòng)目標(biāo)檢測(cè)是從視頻圖像序列中提

基于雙背景模型的鬼影抑制方法研究閆碩陳科山(北京交通大學(xué)機(jī)械與電子控制工程學(xué)院北京 100080)摘要針對(duì)雙背景模型下的鬼影檢測(cè)及抑制問(wèn)題，提出預(yù)處理操作、基于區(qū)域生長(zhǎng)的鬼影檢測(cè)方法和背景更新抑制鬼影。首先預(yù)處理，為了抑制第一幀出現(xiàn)的鬼影，同時(shí)建立準(zhǔn)確的背景；其次，利用鬼影在當(dāng)前幀和背景幀的區(qū)域生長(zhǎng)大小不一致來(lái)檢測(cè)鬼影；最后針對(duì)包含鬼影目標(biāo)的背景圖像進(jìn)行背景更新，快速還原背景，抑制鬼影再現(xiàn)。實(shí)驗(yàn)結(jié)果證明，該方法適應(yīng)環(huán)境能力強(qiáng)，能準(zhǔn)確檢測(cè)出鬼影，并且背景更新

了一個(gè)飄忽不定的鬼影?！肮泶蟾?，你能不能給我們講講陰間的……”“滾！”他倆的話還沒(méi)說(shuō)完，就被鬼打斷了，“我最討厭的就是你們這些活人了，快滾！”面對(duì)厲鬼的惱怒，兩人敢怒不敢言，只能灰溜溜地走了。誰(shuí)知道過(guò)了這村就沒(méi)這店了——除了在岔道上碰到的那個(gè)鬼之外，兩人找遍整座山都沒(méi)有看到第二個(gè)鬼。他倆跋山涉水而來(lái)，自然不想失望而歸，于是打起了新主意——走右邊的岔道試試運(yùn)氣！兩人小心翼翼地走了幾十米之后，果然看到了一個(gè)飄來(lái)飄去的鬼影。“鬼大哥，你能不能給我們講講關(guān)于陰間的

運(yùn)動(dòng)的物體造成“鬼影”現(xiàn)象的問(wèn)題，提出了融合子塊梯度與線性預(yù)測(cè)的單高斯背景建模方法。首先，對(duì)每個(gè)像素點(diǎn)進(jìn)行單高斯背景建模，并實(shí)現(xiàn)像素級(jí)的自適應(yīng)更新，運(yùn)用子塊梯度算法將梯度在閾值內(nèi)的子塊作為背景以消除“鬼影”；然后，將子塊梯度法獲得的前景與單高斯模型確定的前景做與運(yùn)算，提高在非平穩(wěn)場(chǎng)景下對(duì)背景的判斷能力；最后，運(yùn)用線性預(yù)測(cè)方法處理獲得的前景點(diǎn)，將面積小于閾值的連通區(qū)域還原為背景。采用CDNET 2012 Dataset和Wallflower Dataset進(jìn)

異的亮斑、光暈、鬼影、紫邊，或者其中的任意幾種現(xiàn)象的組合或者變形，這些都是眩光現(xiàn)象[1]。其中，光暈是指照片中的點(diǎn)光源周圍出現(xiàn)了光環(huán)的效果；鬼影是逆光拍攝時(shí)一束光線斜線射入鏡頭，在畫面上會(huì)留下一串淡淡的有顏色的光圈（通常為綠色、紫色或紫羅蘭色）[2]。圖1　手機(jī)攝像頭光學(xué)結(jié)構(gòu)總體而言，眩光現(xiàn)象就是有些到達(dá)底片（光學(xué)傳感器）的光線沒(méi)有成像在它最初該成像的位置，而產(chǎn)生的異常成像的現(xiàn)象?；蛘哒f(shuō)是有些非正常成像的光線到達(dá)底片或數(shù)碼相機(jī)傳感器上，遮蓋或疊加到正常的影

?一種能快速抑制鬼影及靜止目標(biāo)的ViBe改進(jìn)算法吳爾杰1，楊艷芳2，田中賀1，蔣建國(guó)1 （1.合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院，安徽合肥230009；2.合肥工業(yè)大學(xué)電子科學(xué)與應(yīng)用物理學(xué)院，安徽合肥230009）摘要：ViBe算法存在鬼影和靜止目標(biāo)問(wèn)題，這些問(wèn)題給目標(biāo)檢測(cè)帶來(lái)誤差，需要快速有效地抑制。文章在原始ViBe算法基礎(chǔ)上，先通過(guò)比較局部區(qū)域的背景模型像素值方差和新來(lái)幀該區(qū)域的像素值方差的大小來(lái)判斷該區(qū)域存在鬼影還是靜止目標(biāo)，存在則進(jìn)行抑制，然后采用不同

能夠防止圖像產(chǎn)生鬼影。關(guān)鍵詞:單幀紅外圖像；條紋非均勻校正；自適應(yīng)擴(kuò)散模型；最陡下降法；鬼影Single infrared stripe nonuniformity correction1引言紅外焦平面陣列(Infraed Focal Plane Array,IRFPA)在相同輻射下探測(cè)單元響應(yīng)度不完全一致，導(dǎo)致了疊加在紅外圖像上的非均勻性空間噪聲，其噪聲形式主要表現(xiàn)為列向條紋，給紅外圖像的后續(xù)處理帶來(lái)很大影響，因此實(shí)際應(yīng)用中必須進(jìn)行非均勻性校正[1-2]

等環(huán)境響應(yīng)產(chǎn)生“鬼影”目標(biāo)的問(wèn)題。為解決這一問(wèn)題，建立了點(diǎn)目標(biāo)、擴(kuò)展目標(biāo)以及運(yùn)動(dòng)目標(biāo)等模型對(duì)虛假“鬼影”目標(biāo)的產(chǎn)生原因進(jìn)行分析，并提出了一種基于幅度和空間位置等特征相結(jié)合的圖像檢測(cè)方法。仿真和實(shí)驗(yàn)結(jié)果證明了“鬼影”的理論分析和方法的有效性。關(guān)鍵詞： 穿墻雷達(dá)； 多特征； MIMO天線陣列； “鬼影”抑制中圖分類號(hào)： TN957?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2015）19?0001?07Abstract： The work env

標(biāo)檢測(cè)時(shí)容易出現(xiàn)鬼影和運(yùn)動(dòng)目標(biāo)陰影的缺點(diǎn)，該文提出了一種基于灰度特征和自適應(yīng)閾值的ViBe背景建模改進(jìn)方法。該算法首先利用ViBe算法進(jìn)行背景建模，得到前景目標(biāo)，然后對(duì)前景目標(biāo)進(jìn)行灰度特征判斷和自適應(yīng)閾值比較，得到?jīng)]有鬼影和運(yùn)動(dòng)目標(biāo)陰影的運(yùn)動(dòng)目標(biāo)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法可以很好地彌補(bǔ)ViBe算法的不足，提高ViBe算法的識(shí)別準(zhǔn)確率。計(jì)算機(jī)視覺(jué)；運(yùn)動(dòng)目標(biāo)檢測(cè)；背景建模；虛擬背景提取(ViBe)；自適應(yīng)閾值；灰度化特征1 引言運(yùn)動(dòng)目標(biāo)的檢測(cè)是計(jì)算機(jī)視覺(jué)和數(shù)

7）用于新型無(wú)“鬼影”保護(hù)膜乳液壓敏膠粘劑的交聯(lián)體系肖樹德，夏建峰，孫建華（巴斯夫新材料有限公司，上海 200137）以保護(hù)膜乳液壓敏膠粘劑Acronal? Dispersion為基礎(chǔ)，測(cè)試了異氰酸酯類和碳二亞胺交聯(lián)劑的交聯(lián)性能以及制備的PE保護(hù)膜的初粘性、剝離強(qiáng)度、持粘性以及無(wú)鬼影性能，最終確定了含有2% Basonat? HW2000或Basonat? DS3582交聯(lián)劑的用于Acronal? Dispersion的最佳交聯(lián)體系。保護(hù)膜；異氰酸酯；碳二

10018)用于鬼影抑制的區(qū)域檢測(cè)算法陳 亮,陳曉竹,胡正東(中國(guó)計(jì)量學(xué)院 信息工程學(xué)院,浙江 杭州 310018)Vibe是近期受到廣泛關(guān)注的一種有效的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)算法,采用背景像素點(diǎn)的穿插更新策略抑制鬼影的產(chǎn)生,抑制過(guò)程緩慢.現(xiàn)在原始Vibe算法的基礎(chǔ)上提出改進(jìn),改進(jìn)包括:為了處理鬼影和短暫停留的前景,引入緩沖模型和第二背景模型替換穿插更新策略;為了避免基于單像素點(diǎn)判別造成的誤判,對(duì)處理后的分割掩碼圖片進(jìn)行區(qū)域檢測(cè).實(shí)驗(yàn)結(jié)果表明,相比于原Vibe算

應(yīng)分割背景建模的鬼影去除算法魏 偉 朱棟華(沈陽(yáng)建筑大學(xué)信息與控制工程學(xué)院 沈陽(yáng) 110168)針對(duì)基于像素的自適應(yīng)分割檢測(cè)算法在建立背景模型時(shí)容易產(chǎn)生鬼影的問(wèn)題,根據(jù)背影視覺(jué)提取算法中相鄰像素點(diǎn)擁有相近像素值的空間分布特性,將待定的前景像素值與鄰域像素值的差值通過(guò)加權(quán)比較其與自適應(yīng)閾值的大小,來(lái)確定該像素點(diǎn)是前景像素點(diǎn)還是鬼影像素點(diǎn)。若為鬼影像素點(diǎn)則判定為背景像素點(diǎn),并更新其背景模型。通過(guò)對(duì)前景像素點(diǎn)的二次判斷,達(dá)到迅速去除鬼影的目的。實(shí)驗(yàn)結(jié)果表明,改進(jìn)

2]。全景圖中的鬼影,指的是在新視圖中存在的或深、或淺的虛影。鬼影分為配準(zhǔn)鬼影和合成鬼影兩種,前者是由于沒(méi)有準(zhǔn)確配準(zhǔn)計(jì)算而造成的,后者則是由于運(yùn)動(dòng)物體而造成的[3]。當(dāng)相鄰的圖像進(jìn)行拼接時(shí),需要綜合考慮相鄰圖像重疊區(qū)域的信息以實(shí)現(xiàn)圖像間的平滑過(guò)渡,即拼接圖像中重疊區(qū)域某點(diǎn)的像素值由相鄰圖像中相對(duì)應(yīng)的點(diǎn)的像素值融合得到;比如在重疊區(qū)域相對(duì)應(yīng)的區(qū)域,一幅圖像中為一輛運(yùn)動(dòng)的汽車,另外一幅圖像中卻是背景,采用傳統(tǒng)方法就會(huì)形成一個(gè)類似鬼影的汽車[4,7～8]。前人在

上的成像（俗稱“鬼影”）將嚴(yán)重影響駕駛員的視野，因此合理的儀表造型及安裝角度是保證駕駛員良好視野的前提條件。本文結(jié)合某款新車的儀表的炫目及“鬼影”校核方法，詳細(xì)闡述如何在造型初期確保儀表不會(huì)產(chǎn)生炫目及“鬼影”。1 產(chǎn)生炫目及“鬼影”的原因1）光線通過(guò)儀表的反光面反光，直接進(jìn)入駕駛員的眼睛區(qū)域，造成炫目，致使駕駛員無(wú)法專心駕駛，造成潛在危險(xiǎn)。2）夜晚儀表上的發(fā)光件會(huì)投影在前擋風(fēng)上，駕駛員會(huì)在前擋上看到發(fā)光件的投影，影響駕駛員的視野，從而造成潛在危險(xiǎn)。3）夜晚

《靈動(dòng)：鬼影實(shí)錄》也是以仿紀(jì)錄片的形式橫空出世。本片完全使用手提式家用DV拍攝而成。而且后期剪輯也是在普通的家用電腦平臺(tái)上完成的，制作成本只有1.1萬(wàn)美元，拍攝周期只有一周，攝影棚就在導(dǎo)演的家中，總之，這是一部徹頭徹尾的低成本電影。電影記錄了一對(duì)年輕夫婦在飽受家中靈異現(xiàn)象困擾后，決定用隱藏?cái)z影機(jī)拍下所有不可思議的恐怖畫面。不少影評(píng)人認(rèn)為影片開創(chuàng)了心理恐怖片的新紀(jì)元?！鹅`動(dòng)：鬼影實(shí)錄》一開始并沒(méi)有獲得在影院播映的機(jī)會(huì)，但影片DVD的火暴銷售和“超低成本”的噱

湖光掠影倫敦塔從建立之初就有數(shù)不清的人在塔內(nèi)喪命。在它的地下土牢里，有各種殘酷的刑具，而塔外的塔山則是家喻戶曉的斷頭臺(tái)。因此，無(wú)數(shù)的鬼魅似乎就順理成章地徘徊在倫敦塔內(nèi)。而更為奇特的是，有許多游客都聲稱自己曾親眼目睹過(guò)這些游蕩的鬼魂。這座古塔似乎至今還彌漫著濃重的血腥氣，長(zhǎng)久以來(lái)，一直有傳聞?wù)f這里是鬼魂出沒(méi)的地方。倫敦塔內(nèi)最有名的鬼魂，也是塔內(nèi)第一個(gè)顯赫的受難者——王后安妮·博林——亨利八世的第二位妻子。她由于被控犯有叛國(guó)等罪名，于1536年5月19日，在塔