【运动检测】基于matlab最大互信息运动目标检测【含Matlab源码 1607期】

原创

佛怒火莲 2022-01-27 11:14:01 博主文章分类：matlab完整代码 ©著作权

文章标签 matlab 目标检测图像处理 matlab图像处理双线性插值 文章分类 代码人生

©著作权归作者所有：来自51CTO博客作者佛怒火莲的原创作品，请联系作者获取转载授权，否则将追究法律责任

一、获取代码方式

获取代码方式2：

完整代码已上传我的资源：【运动检测】基于matlab最大互信息运动目标检测【含Matlab源码 1607期】

二、数字图像处理简介

图像处理基础教程链接

1 【基础教程】基于matlab图像处理（表示方法+数据结构+基本格式+类型转换+读取+点运算+代数运算）【含Matlab源码 834期】

2 【基础教程】基于matlab图像处理（读写+显示+运算+转换+变换+增强+滤波+分析+统计）【含Matlab源码 144期】

3 【基础教程】基于matlab图像增强+复原+分割【含Matlab源码 056期】

三、部分源代码

function  MovingTargetDetectionByMMI() 
%Moving Target Detection
%Based on Maximun Mutual Information
%


%读文件 
 Im1=imread('001.jpg'); 
 Im2=imread('002.jpg'); 
 Im3=imread('003.jpg'); 

Im1=rgb2gray(Im1); 
Im2=rgb2gray(Im2); 
Im3=rgb2gray(Im3); 

tic;  

d12=GetDifferenceImg(Im2,Im1);
d23=GetDifferenceImg(Im2,Im3);

d=d12.*d23;
se =[0     0     0     1     0     0     0
     0     0     1     2     1     0     0
     0     1     2     4     2     1     0
     1     2     4     8     4     2     1
     0     1     2     4     2     1     0
     0     0     1     2     1     0     0
     0     0     0     1     0     0     0];
for i=1:4
d = imfilter(d,se);
end
for i=1:2
d = medfilt2(d,[4 4]);
end
%%d=abs((d12-d23).^0.7);
d=uint8(d/max(max(d))*255);
level = graythresh(d);
BW = im2bw(d,level);
s=regionprops(BW,'BoundingBox');

 figure(1)
 subplot(2,2,1); 
 imshow(uint8(d12/max(max(d12))*255)); 
 title('参考帧与前一帧的差值')
 subplot(2,2,2); 
 imshow(uint8(d23/max(max(d23))*255)); 
 title('参考帧与后一帧的差值')
 subplot(2,2,3); 
 imshow(BW); 
 title('由前后帧得出的差值')
 subplot(2,2,4); 
 imshow(Im2); 
 %imshow(d); 
 rectangle('Position',s(1).BoundingBox,'Curvature',[0,0],'LineWidth',2,'LineStyle','--','EdgeColor','r') 
 title('参考帧与检测结果')

%求相邻两帧重合部分差值主函数
function outImg=GetDifferenceImg(R,F)
[CA1,~,~,CD1]=dwt2(R,'db1'); 
[CA2,~,~,CD2]=dwt2(F,'db1'); 
CA1=uint8(CA1); 
CA2=uint8(CA2); 


fprintf('\n------PSO start\n'); 
[pa,mi]=PSO(CA1,CA2); 
while mi<1.2
    [pa,mi]=PSO(CA1,CA2); 
end
fprintf('tx:%f  ty:%f  ang:%f mi:%f\n',pa(1),pa(2),pa(3),mi); 
fprintf('------PSO end\n\n'); 
%pa=[0,0,0]; 
fprintf('------Powell start\n'); 
mi_old=0;
while abs(mi-mi_old)>0.01
    mi_old=mi;
    [pa,mi]=powell(R,F,pa); 
end
fprintf('------Powell end\n\n'); 

time=toc; 
fprintf('tx:%.4f  ty:%.4f  ang:%.2f mi:%f\n',pa(1),pa(2),pa(3),mi); 
fprintf('time:%f\n',time); 

outImg=GetDifference(pa(1),pa(2),pa(3),R,F);
%figure(6);imshow(outImg); 

%求相邻两帧重合部分差值 
function outImg=GetDifference(tx,ty,ang,R,F) 

[m,n]=size(R);
% 
R=im2double(R);
F=im2double(F);

theta=ang*pi/180;   %旋转角度转弧度 
cx=floor(n/2);      %旋转的中心点 
cy=floor(m/2); 
outImg=zeros(m,n);

for j=1:m 
    for i=1:n 
        %参考图像在浮动图像平移后的对应点 
   %     x=i-tx;  %列 
   %     y=j-ty;  % 
        x=(i-cx)*cos(theta)-(j-cy)*sin(theta)+cx-tx; 
        y=(i-cx)*sin(theta)+(j-cy)*cos(theta)+cy-ty; 
        x1=floor(x); 
        y1=floor(y); 
        rval=R(j,i); 
        %图像重合部分求差
        if(x1>=1&&x1<n&&y1>=1&&y1<m) 
            dy=y1-y;dx=x1-x;
            %双线性插值
            fval=(F(y1+1,x1)-F(y1,x1))*dy+(F(y1,x1+1)-F(y1,x1))*dx+(F(y1+1,x1+1)+F(y1,x1)-F(y1,x1+1)-F(y1+1,x1))*dy*dx+F(y1,x1);
            outImg(j,i)=abs((rval-fval).^0.7*exp(-min([rval fval])/20));
            %outImg(j,i)=abs((rval-fval).^2.5/(min([rval fval])).^0.2);
        end
    end 
end 
%outImg=uint8(outImg/max(max(outImg))*255);

%双线性插值求互信息 
function out=BI_mi(tx,ty,ang,R,F) 
[m,n]=size(R);
hist=zeros(256,256); 
ha = zeros(1,256); 
hb = zeros(1,256); 
%归一化到256级灰度 
% if max(max(r))~=min(min(r)) %max(max(a))结果是A中最大的元素，max(A)结果一个行向量，元素分别是A的每个列向量的最大的元素 
%     r = (r-min(min(r)))/(max(max(r))-min(min(r))); 
% else 
%     r = zeros(M,N); 
% end 
%   
% if max(max(f))-min(min(f)) 
%     f = (f-min(min(f)))/(max(max(f))-min(min(f))); 
% else 
%     f = zeros(M,N); 
% end 
%  
% r = double(int16(r*255))+1; 
% f = double(int16(f*255))+1; 

R=R+1; 
F=F+1; 
theta=ang*pi/180;   %旋转角度转弧度 
cx=floor(n/2);      %旋转的中心点 
cy=floor(m/2); 

%求联合概率密度 
for j=1:m 
    for i=1:n 
        %参考图像在浮动图像平移后的对应点 
   %     x=i-tx;  %列 
   %     y=j-ty;  % 
        x=(i-cx)*cos(theta)-(j-cy)*sin(theta)+cx-tx; 
        y=(i-cx)*sin(theta)+(j-cy)*cos(theta)+cy-ty; 
        x1=floor(x); 
        y1=floor(y); 
        rval=R(j,i); 
        %图像重合部分求差
        if(x1>=1&&x1<n&&y1>=1&&y1<m) 
            dy=y1-y;dx=x1-x;
            %双线性插值
            fval=(F(y1+1,x1)-F(y1,x1))*dy+(F(y1,x1+1)-F(y1,x1))*dx+(F(y1+1,x1+1)+F(y1,x1)-F(y1,x1+1)-F(y1+1,x1))*dy*dx+F(y1,x1);
            hist(fval,rval)=hist(fval,rval)+1;
        end

    end 
end