3 像素域提取算法比较
为便于比较，本文把各种典型的像素域运动对象 提取算法的执行时间与主观质量评价列入表l。
表I 典型算法问的比较
Table 1 Comparison of extraction algorithms
为使算法具有可比性，实验中对同一序列进行提 取。序列为HalI_Monitor，格式为qcif(176×144)，实 验平台：Intel Pentium 4 3．00 GHz CPU，512 MB DDR内
存，vC++6．0。表l中diff2homo和diff29rad的执行时间 包括对2帧分别进行高通滤波和边缘检测的时间，之 后再进行diff2操作。
综上所述，各算法在不同场合所提取的效果不尽 相同，时间复杂度也有所差异，实际应用中可根据需 要，尽量选择合适的算法实现运动对象的提取。
4 结语
本文主要对像素域运动对象提取的基本方法进行 了归纳和总结，为研究者在不同的情况下选择适合自 己需求的算法提供依据；在提出一种鲁棒的同时进行 帧间差分和减背景的像素域运动对象提取算法。视频 对象的提取是一个复杂的问题，在由像机造成的全局 运动估计与补偿、对象阴影的消除等方面都是值得进 一步深入研究的。随着交叉学科的发展，可以引入人 工智能、图像理解、运动分析等领域的方法来解决视 频对象提取问题。
参考文献：
【1】Benezeth Y，Emile B，Rosenberger C．Comparative Study on Foreground Detection Algorithm for Human Detection[Cy／ Proceedings of the Fourth International Conference on Image
and Graphics．America：IEEE Computer Society，2007：
66l一666．
圆 刘李杰，蔡德钧．一种面向运动的视频对象分割算法【J】． 计算机学报，2000．23(12)：1326-1331．
四 沈未名，江柳。种衍文．视频对象分割及跟踪方法研究
【J】．武汉大学学报：信息科学版．2004．29(3)：274—277． Ⅲ Elgammal A，Duraiswami R，Harwood D，et a1．Background and foregrbund modeling using non—parametric kernel density estimation for visual surveillance[C]／／Proceedings of IEEE．
America：IEEE Computer Society．2002：115l—l 163．
吲 Stauffer C．．Grimson W E L．Adaptive background mixture models for real•time tracking：Proceedings of CVPR[C]H
Proceedings of Computer Vision and Pattern Recognition． America：IEEE Computer Society．1999：246—252．
嘲 Ju Han Bhanu B．Detecting moving humans using color and
infrared Video【C】，／Proceedings of IEEE International
Intelligent Systems．America：IEEE Computer Society，
2003：228—233．
Haritaoglu I。Harwood D，Davis L．W 4：real—time surveillanceofpeopleandtheiractivities[J]．IEEETransactions on Pattern Analysis and Machine Intelligence，2000，28(8)：
809—830．
Caplier A，Bonnaud L。Chassery J M．Robust Fast Extraction of Video Objects Combining Frame Differences and Adaptive Reference Image[J]．Image Processing，2001(2)：785—788． Chien ShaoYi，Huang YuWen，Hsieh BingYu，et a1．Fast
Video Segmentation Algorithm with Shadow Cancellation，
Global Motion Compensation。and Adaptive Threshold Techniques[J]．IEEE Transactions on Multimedia，2004，6 (5)：732—748．
5 结语
本文针对常见板材表面缺陷的特征，提出了一种 基于视觉的表面检测方法。首先针对图像中存在的噪 声利用中值滤波器消除了椒盐噪声；再用边缘检测将 缺陷边缘提取出来。然后用形态学处理进行孔洞填 充、将细小微粒连接成完整的缺陷信息。最后对提取 的形态特征进行分析，确定缺陷分类标准，根据标准 判别缺陷类型。结果表明，这种方法能够有效地判别 缺陷类型，具有速度快、检测结果客观等特性，但仍 有不足。即在背景光照不均的条件下，正确率明显降 低。在今后的研究中加强光照补偿算法的研究，以进 一步降低缺陷检测的误判率。
参考文献：
【l】廖水碧．肖明富．金属制品表面质量缺陷无损检测的研究
现状与展望【J】．中国冶金，2007，17(3)：129—133．
Ⅲ Elias N Malamasa。Euripides G M Petrakisa。Michalis
Zervakisa，et a1．A survey on industrial vision systems。
applications and tools[J]．Image and Vision Computing，2003
(21)：171—188．
吲 Hou T H，Pern M D．A computer vision-based shape- classification system using image projection and a neural network[J]．International Journal of Advanced Manufacturing Technology，1999(15)：843—850．
H 刘庆民．基于计算机视觉的小尺寸零件精密测量技术研究
【D】．长春：吉林大学，2006．
吲 韩斌，刘以安，王士同．基于图像处理的印刷缺陷计算 机自动检测【J】．自动化技术与应用，2002，21(3)：37-38．
嘲 张洪，段发阶，丁克勤，等．带钢表面缺陷视觉检测系 统关键技术研究【J】．计量学报．2007(7)：129-132．
网 王吉晖，伟其，王霞，等．基于数学形态学的像增强
器缺陷的图像检测方法【J】．光学技术报，2005，31(3)：
129-131．
