针对计算机绘制车道线地图的过程中，需要在移动背景下精准追踪车道线的功能需求，提出一种结合帧差法和窗口搜索的车道线跟踪方法。首先，对广角镜头拍摄的图像进行棋盘格矫正，再利用逆透视变换(IPM)将包含车道线的感兴趣区域转换为鸟瞰图，再使用色度,饱和度,纯度(HSV)、红绿蓝(RGB)分别将白色、黄色像素筛选出来。其次，利用车道线与垂线的夹角对车道线进行修正，根据修正后图片的像素密度，选出车道线的起始点，并采用滑动窗口搜索的方法提取整个车道线。最后，采用改进的帧差法，对车道线进行跟踪，并根据车道线标准对车道线像素进行规范化补充。由大量的实际道路行驶测试表明，该算法的准确率为94.97%，能够较为精确地完成车道线的追踪。

ViBe算法检测首帧中的运动目标时，常因运动目标在初始位置停留时间过长而产生伪前景，从而导致检测结果准确性降低。针对这一问题，对ViBe算法进行了改进。通过选择颜色和空间位置相近的像素点作为样本集初始化背景模型，并使用熵值法判断颜色和空间位置在相似程度函数中的权重；在分类时基于迭代法确定自适应阈值，以增强不同条件下的分割精度；结合帧差法的判定结果在二元指数分布模型中确定背景模型的更新概率。实验结果表明，该算法在噪声、光照以及背景变化的情况下仍然能保证检测结果的准确度，对比传统ViBe算法，本文算法的精密度提高了21.56%，有效地消除了鬼影的影响。

针对混合高斯模型(Gaussian Mixture Model, GMM)无法检测到完整的运动目标, 三帧差法检测目标时对物体速度的敏感, 检测到的物体会出现空洞等缺点, 提出了一种混合高斯融合三帧差法的运动目标检测改进算法。首先, 在运动目标提取过程中, 改进的三帧差法采用动态分割阈值和边缘检测技术, 解决光线突变和边缘不连续问题; 然后引入新的高斯分布自适应选择策略, 以减少处理时间, 提高检测准确性; 最后, 利用改进 HSV(Hue-Saturation-Value)颜色空间来消除阴影区域, 得到一个完整的运动目标。数据实验表明, 该算法在不同场景具有较好的检测能力。

针对道路现场实时车流量检测问题,提出了一种改进的帧间差分法的运动车辆检测算法，并将该检测算法成功移植到了嵌入式系统上。将帧间差分法与采用长度、宽度、面积筛选轮廓及用质心距离的车辆跟踪算法结合，实现运动车辆的检测；将U-Boot引导程序、Linux内核、Yaffs2文件系统和检测算法移植到S3C6410上，通过摄像头实时采集交通视频，检测结果由触摸屏显示。复杂交通场景的实时测试结果表明,本系统的检测时间为0.298秒/帧，准确率超过88%，基本能够实现在道路现场的车流量实时检测。

为解决高斯混合模型中噪声和光照变化带来的影响以及运算量大等问题, 先通过帧差法确定运动目标大致区域, 筛选后在确定区域内采用混合高斯模型重建背景, 并运用SUSAN算子进行边缘检测, 形态学处理后将两者结果进行“与”运算; 区域外部分按照当前帧背景更新, 两部分综合得到最终的运动目标。实验结果显示, 改进算法有良好的鲁棒性, 能很好地适应光照变化, 检测结果高效准确, 可以应用于目标跟踪领域。

针对具有背景干扰、信噪比低的红外图像, 提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法。首先对红外图像进行了高帽变换, 以抑制大面积背景的干扰, 相邻帧图像间做帧差, 初步提取目标区域; 其次分析了红外目标的特性, 针对其特性提出了一种基于灰度等级的自适应阈值分割方法; 最后以帧差法检测的目标质心为种子点, 以自适应阈值为分割准则, 在预处理后的图像中进行区域生长, 最终实现了红外运动目标的检测。结果表明, 所提算法可抑制大面积背景的干扰, 实现单个和多个红外运动目标的完整提取和检测。

针对运动目标在单帧图像中所占的比例较小, 传统的边缘提取方法在对整幅图像计算时产生大量冗余, 对噪声敏感, 提取出的运动目标轮廓不明显的缺点, 提出了一种基于帧差法和图像分块相结合的运动目标边缘检测方法。该方法首先对序列图像进行差分, 根据分块大小自适应选取阈值对图像进行分块, 完成对运动目标的细分割, 分离出运动区域和非运动区域, 然后对分割出来的运动区域进行边缘检测, 将边缘检测结果和差分结果进行“与”运算, 从而提取出运动目标轮廓。实验证明, 分块边缘检测方法能较为准确地提取出运动目标且能提取出清晰的运动目标边缘轮廓, 能满足实时性需要。

为了快速检测出地球同步轨道带光学观测图像中的空间碎片, 提出了一种基于信噪比的分级检测方法.首先分析实测数据, 得出观测图像中不同信噪比碎片运动相似的特性.对于高信噪比碎片, 采取帧差法快速检测, 并利用多帧图像计算速度信息; 对于低信噪比碎片, 根据高信噪比碎片检测结果得到的速度信息, 采用改进的动态规划检测方法.实际图像检测结果表明: 当递归方程的搜索窗口为5 pixel×5 pixel时, 分级检测方法检测性能最好; 当累积帧数大于5帧时, 检测时间比传统动态规划方法减少了87%以上.分级检测方法具有检测率高、虚警率低、计算量小的优势, 适合地球同步轨道带光学观测图像中空间碎片的检测.

为了实现对卫星视频图像序列的运动目标进行跟踪，提出了一种背景建模与添加实际条件约束相结合的卫星视频运动目标检测算法。首先，针对卫星视频图像序列的背景建立背景模型。然后，把接下来各帧图像同该模型相比较，进行减法运算，所得偏差为运动区域。最后添加满足卫星实际情况的约束条件，根据卫星视频的分辨率估算出运动目标合理的像元尺寸,从而滤掉噪声。将本算法在PC端进行实现，并与三帧差法和背景建模法的检测准确度进行对比。实验结果表明：本算法对卫星视频图像序列运动目标检测的准确度可达83.6%，三帧差法检测准确度为6.1%，背景建模法检测准确度为21.0%。从实验结果可以看出，本文算法可以比较准确地对卫星视频图像序列进行运动目标检测。