基于形态学的复杂背景目标检测算法

1.问题描述：

        复杂背景下目标检测存在诸多困难，主要为背景对目标检测的干扰，大量噪声存在导致传统导数边缘检测方法的失效等。本文正是针对上述两点，提出了分割区域图像、利用形态学方法检测目标的新算法；即首先利用目标与背景灰度差异性来确定目标的大致区域，将其分割出来，然后再结合多结构元素法进行目标的精确检测。通过与原图像分割、聚类算法分割实验比较，该算法在文中的应用实例中表现出了较好的抗干扰性和抗噪性能。

2.部分程序：

clc;clear;close all;
  tic
 I0= imread('D:\photo\01.jpg');   % 'D:\photo\5.10\DSC01587.JPG'
 figure;imshow(I0);
 I1=rgb2gray(I0);I1=medfilt2(I1,[3 3]);
 [x,y]=size(I1);                       %求出图象大小
 %figure,imshow(I1);

 s=strel('disk',15);                   %Top-Hat变换
 I2=imopen(I1,s);
 %figure,imshow(I2);
 title('开运算');
 I3=imsubtract(I1,I2);
 figure, imshow(I3);title('高帽变换')se2=strel('disk',4);                  %去除干扰及虚假目标点
 I4=imerode(I3,se2);
 %figure, imshow(I4);title('腐蚀运算');
 se3=strel('diamond',3);
 I5=imdilate(I4,se3);
 %figure, imshow(I5);title('膨胀运算') Seg=zeros(x,y);
  z0=max(max(I1));                    % 求出图象中最大的灰度
  z1=min(min(I1));                    % 最小的灰度 
  T=(z0+z1)*0.5;                      % 设定阈值
 for i=1:x
    for j=1:y
        if(I5(i,j)>=T)              
            Seg(i,j)=1;               % 阈值分割的图象
       end
   end
 end
 m=Seg;
 figure,subplot(2,2,1),imshow(m);
 %%%%%%%%%%%%%%%%%%%%%%%%%%%在原图上用矩形框标注%%%%%%%%%%%%%%%%%%%%%%%%subplot(2,2,2),imshow(I1);
 hold on;
 cou=1;
 for h=1:x
     for w=1:y
      if(m(h,w)>0.5)   
       toplen = h;                    % topIen 最上纵坐标
         if (cou == 1)
         tpln=toplen;                 % tpIn 最下纵坐标
         end
       cou=cou+1;
      end
     end
 end

3.仿真结论：

D-10