复杂背景下运动目标检测是图像处理和机器视觉领域的重要研究课题之一,近年来在遥感图像、安防监控、智能城市及军事导航等诸多领域中得到了广泛的应用。运动目标检测的目的是从视频图像序列中检测出人们感兴趣的运动目标,然后将目标信息提供给视频监控系统中更高层次的处理模块,其目标检测的结果直接影响后续算法的准确性。但在实际应用中往往存在着动态的场景,如流动水波、摇动树叶及多变光照条件等。所以复杂背景下的运动目标检测,一直以来都是具有挑战性的课题。本文针对复杂背景下的运动目标检测提出了两种基于背景差分的算法以及一种阴影抑制算法。论文具体研究内容如下:1.针对MC-SILTP纹理特征对颜色纹理平坦区域区分度低,从而导致基于MCSILTP的目标检测算法漏检率较高的问题,本文提出一种改进的SILTP纹理特征,该特征在MC-SILTP纹理特征基础上融合了HSV颜色空间的颜色信息,使得其同时具有纹理特征与HSV颜色特征的相关特性,从而大大提高了纹理特征在纹理平坦区域的区分能力。同时也对原算法中的码本模型进行改进,加入防死锁策略以及改进更新策略,使得背景模型可更加准确地拟合背景。实验分析表明,与原算法相比本文提出的算法可有效降低漏检率,从而大大提高检测结果的完整性与准确性。2.针对基于模糊颜色聚合向量目标检测算法中模糊颜色聚合向量特征没有充分利用颜色的局部空间位置信息,导致特征无法精确区分某些复杂场景从而使得检测结果精度较低等问题,本文提出一种基于改进的模糊颜色聚合向量的目标检测算法。本算法通过提出一种改进的模糊颜色聚合向量特征取代原有特征,充分利用聚合区域的空间位置信息,从而使得特征更加精细,区分度更高;同时改变图像量化策略,使得不同颜色分量的比重更加合理,从而提升检测精度并通过对比实验充分验证了本算法的优越性。3.基于多特征多尺度的运动阴影去除算针对改进的模糊颜色聚合向量目标检测算法对光照变化比较敏感,无法有效抑制阴影的问题,本文提出了一种基于多特多尺度的阴影抑制算法。本算法通过提取阴影的亮度,颜色以及多尺度分块MC-SILTP纹理特征,并通过决策级信息融合策略融合上述三种特征检测结果,使得新算法同时具备抑制复杂纹理背景以及运动阴影的能力。仿真实验表明,本算法可有效去除运动目标周围绝大部分阴影从而大大提高了算法的适用范围。