3  红外运动目标检测的基本方法研究

    运用红外技术检测红外运动目标的大体流程如下，图像传感器将所得的图像发回，运用算法与模型对图像序列进行剖析，然后即可从图像背景定位运动目标。背景模型在检测过程中起到首当其冲的作用，通常利用不同背景模型来应对不同的场景，同时，为了适应环境多变性，要对背景模型实时地更新，然后通过形态学方法和检测连通域面积进行后处理，就会得到较好的图像效果，大大提高了检测准确度。

这一章节中，主要工作是运用背景差分法，帧间差分法，混合高斯模型法检测目标，通过MATLAB软件对不同视频素材进行仿真，实现红外运动目标的检测，对红外运动目标检测的算法有更加深入的理解与应用，从而达到目标检测的要求，为下一章更深入的理解和研究小目标和面目标检测打下基础。

3。1  背景差分法

在图像序列中，当前画面和参考量的比较是背景差分法所使用的基本原理，运用这一方法带来的好处是简单易实现，背景建模技术成为其性能关键所在。在常用的背景建模方法中效果较好的是高斯分布模型。单高斯分布模型的基本思路是把每一个像素都赋予一个灰度值，同时将这个灰度值看作是一个随机过程X，同时，对其中某一像素提出假设，而这个假设遵从高斯分布特性，其数学表达式为：来`自+优-尔^论:文,网www.youerw.com +QQ752018766-

与单高斯分布类似，多高斯分布则通过叠加建模，其中的每种高斯分布可以表示一种背景场景，因此，多个高斯模型混合使用就可以在复杂场景中模拟出多模态情形。高斯分布虽然可以适应较为复杂的环境，但是由于各种外界干扰，建模的困难度还是比较高的。

在仿真过程中，首先是对运行主程序的编写，在定义好图像矩阵、视频帧数后，显示图像，保持宽高比并取消坐标轴。然后跳转到跟踪程序，开始检测运动目标。在跟踪程序中，首先定义决定分割的阈值，不同图像有不同阈值,通过尝试得出结果。通过对图像的像素化，记录差值区域的行尾坐标、行首坐标、列尾坐标和列首坐标从而得到运动区域宽度和高度。最后，将目标运动区域的边界用矩形框标出，关闭图像并保持，得到如下的红外运动目标检测结果。