图8两幅图像的目标变化量

4）对帧间差分法得到的图像按选定的阈值进行二值化，得到目标图像序列的二值化图像序列Fk（ x，y），如图9所示。其中，

式（ 1）中，T为阈值。对于给定视频序列的图像，假设像素点k处没有运动，其帧差dk服从均值为0，方差为σ2的Gauss分布N（ 0，σ2） ：

式（ 2）中，H0表示无运动假设，σ2是帧差的统计方差，通常认为它等于摄像头噪声方差的两倍。根据概率统计假设检验“3σ”法则和“正确的阈值T应该能消除大部分噪声”的原则。经试验测试得阈值T选择在35～45之间比较合适。二值化后的图像如图9所示。观察Fk（ x，y）的图像序列，可以看到图像中的噪声很少，这是因为①帧间差分法达到了加大目标信息的权重，同时抑制了静态背景的效果；②摄像头采集范围背景比较单一，光线均匀。

Fk（ x，y）中主要存在两大类的噪声。一种是由于光线变化产生的噪声，这种噪声往往以孤立的黑色像素点的形式出现。第二种噪声是一些面积较小的背景块。为了尽可能消除这两种噪声，可以求每个N×M小块的灰度平均值，根据灰度平均值可估计出白色区域的大小。当灰度平均值小于某一阈值时，可以认为是噪声，把对应的N×M个点赋值为0.算法实现如下： 大功率电感厂家 |大电流电感工厂