基于腐蚀滤波的运动目标检测的图像处理

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (1): 173-174.

基于腐蚀滤波的运动目标检测的图像处理

苑益军^1,2,兰昆艳³

1.地下信息探测技术与仪器教育部重点实验室（中国地质大学），北京 100083
2.中国地质大学（北京）地球物理与信息技术学院，北京 100083
3.北京邮电大学信息工程学院，北京 100876

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-01 发布日期:2008-01-01
通讯作者: 苑益军

Image processing of moving objects detection based on erosion filter

YUAN Yi-jun^1,2,LAN Kun-yan³

1.Laboratory Key Geo-detection（China University of Geosciences），Ministry of Education of China，Beijing 100083，China
2.School of Geophysics and Information Technology，China University of Geosciences，Beijing 100083，China
3.School of Information Engineering，Beijing University of Posts & Telecommunications，Beijing 100876，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-01 Published:2008-01-01
Contact: YUAN Yi-jun

摘要/Abstract

摘要： 在智能化数字视频监控系统中，获得的运动目标检测结果，经常存在一定程度的噪声。如果不对其去除，就会影响后续的图像处理质量。论文在对传统均值滤波研究的基础上，提出了一种形态学处理中的腐蚀滤波方法，对图像进行去噪，来改善检测结果的质量，以提高运动目标检测的精确度和视觉效果。通过对实际运动目标检测结果进行去噪处理，图像中的噪声点基本被删除，达到了预期的效果，防止了误检测。实验结果表明，该方法具有实用性和有效性。

关键词: 运动目标检测, 噪声, 腐蚀滤波

Abstract: In the intelligent video surveillance system，the results of moving objects detection involve some noise.If they are not removed，the quality of image will be influenced.After studying on the traditional mean filter method，this paper points to a kind of erosion filter method based on morphology processing.The method can remove the noise of images to improve the quality of detection results，so that it can enhance the accuracy of moving objects detection and visual effect.Through processing the real detection of moving objects，the noisy points are canceled.The processing results reach the expecting goal and prevent wrong detection.The experimental results show that the methods in the paper are practicability and availability.

Key words: moving object detection, noise, erosion filter

苑益军^1,2,兰昆艳³. 基于腐蚀滤波的运动目标检测的图像处理[J]. 计算机工程与应用, 2008, 44(1): 173-174.

YUAN Yi-jun^1,2,LAN Kun-yan³. Image processing of moving objects detection based on erosion filter[J]. Computer Engineering and Applications, 2008, 44(1): 173-174.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	徐麒皓，李波. 基于NRU网络的肺结节检测方法[J]. 计算机工程与应用, 2021, 57(4): 83-90.
[3]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[4]	陈晓文，刘光帅，刘望华，李旭瑞. 成对旋转不变的共生自适应完全局部三值模式[J]. 计算机工程与应用, 2021, 57(1): 219-226.
[5]	刘洪琛，刘朝霞，张龙. 融合[L2]和KL保真项的图像恢复算法[J]. 计算机工程与应用, 2020, 56(5): 214-221.
[6]	朱苗苗，潘伟杰，刘翔，吕健，赵慧亮. 基于BP神经网络代理模型的交互式遗传算法[J]. 计算机工程与应用, 2020, 56(2): 146-151.
[7]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[8]	王春丹，谢红薇，李亚旋，张昊. 融合改进的三帧差分和ViBe算法的运动目标检测[J]. 计算机工程与应用, 2020, 56(13): 199-203.
[9]	卢航，郝顺义，彭志颖，黄国荣. 基于MCC的鲁棒高阶CKF在组合导航中的应用[J]. 计算机工程与应用, 2020, 56(1): 257-264.
[10]	何丽，刘颖，韩克平. 噪声标注下的改进TSVM学习算法[J]. 计算机工程与应用, 2019, 55(17): 44-50.
[11]	魏春英，郭中华. 基于联合信源信道和迭代解码的LDPC编码方案[J]. 计算机工程与应用, 2019, 55(16): 94-98.
[12]	冯正英，王世东. 结合MNF变换和Canny算子的遥感影像变化检测[J]. 计算机工程与应用, 2019, 55(14): 266-270.
[13]	童麟1，2，韩越兴1，3，小长谷明彦3，4. DNA机器人在AFM图像中的分割和识别[J]. 计算机工程与应用, 2019, 55(11): 192-198.
[14]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[15]	韩明，吴朔媚，王敬涛，孟军英. 基于改进能量泛函模型的噪声图像分割算法[J]. 计算机工程与应用, 2018, 54(23): 23-30.