1　图像预处理目前,图像预处理技术已经有比较成熟的方法可以采用.图像预处理主要是对图像进行噪声滤除,图像锐化,对比度增强和边缘检测.

1.1　噪声滤除运动目标识别的任务就是把物体的轮廓从背景中分离出来,根据特征值与目标样本库中的图像进行匹配运算,以达到识别目标的目的.由于拍摄环境和设备质量等多种因素,使数字化后的图像不可避免的带有各种噪声,为了减少噪声对物体轮廓提取的影响,噪声滤除是图像预处理中的第一步.如果这种噪声发生模型预先知道,针对这种噪声模型设计滤波(一般为频率区域内的滤波),就能够有效地消除噪声,这样的处理叫做图像复原.但是,通常噪声发生的机理往往是未知的,而且即使知道了产生机理,有时也不能对此有效地进行数学上的模型化.在这样的场合,可采用根据噪声所具有的一般性质进行噪声消除的平滑性.由于图像的噪声常常表现为一些孤立的像素点,其像素灰度和周围点有显著差别,灰度的陡性变化比较大,所以可以用邻域平均、中值滤波、高斯低通滤波等方法来抑制噪声.对于邻域平均法,如果把求灰度平均值的邻域取得太大,或者反复进行若干次操作,则会使图像模糊,图像的质量也会随之降低.中值滤波不仅能有效滤除图像中的孤立噪声点,与邻域平均法相比还能有效保护边界信息.图像中有一些非常有价值的像素点也表现出与噪声相似的特性.比如图像中物体轮廓的边缘点,如果处理不好就会造成物体边缘模糊,不利于物体和背景的分离,对最终的目标识别带来新的干扰.

1.2　图像锐化噪声消除之后,图像可能变得边缘模糊,为了改善图像质量,使图像具有的信息让人易于观看,就要对图像进行锐化处理.图像锐化一般采用增强高的空间频率成份的办法.这是由于图像的模糊,是高的空间频率成分比低的空间频率成分弱这一原因造成的.

1.3　对比度增强对比度增强是指对图像的对比度等进行强调和尖锐化,以便于显示、观察和进一步的分析与处理.对比度增强将不增加图像数据中的相关信息,但它将增加所选择特征的动态范围,从而使这些特征检测和识别更加容易.常用的增强对比度的方法有:线性灰度变换,非线性灰度变换,直方图均衡,灰度的规定化.根据灰度变换使对比度增强的目的在于最后做出令人们易于观看的图像,但在灰度绝对值具有意义的图像的二值图像中,信息将被歪曲,有时反而会收到相反的效果.