CN100496100C - 一种对运动检测结果进行优化的方法 - Google Patents

Abstract

本发明公开了一种对运动检测结果进行优化的方法，该方法是在运动检测单元和三维插值单元之间增加一个腐蚀/膨胀单元，通过计算当前待检测点的一维或二维邻域的运动值，然后对当前待检测点的运动值进行腐蚀来消除运动结果中的误判和噪声，再对当前待检测点的一维或二维邻域的腐蚀值进行膨胀来融合相同区域，通过本发明所述方法对系统像素的运动检测结果进行优化，即对运动检测结果进行腐蚀和膨胀，腐蚀后，一些孤立的运动点将从静止背景中消除，腐蚀结果再通过膨胀处理，在这里，具有相同运动状态且邻近的大块区域将融合成为一个整体。

Description

一种对运动检测结果进行优化的方法

技术领域

本发明属于数字视频处理的去隔行技术领域，具体地说，尤其涉及一种在对隔行电视信号进行去隔行处理时对运动检测结果进行优化的方法。

背景技术

现有的视频显示系统(如计算机，数字电视等)接收的大多是逐行扫描视频信号，但是大多数消费类视频应用中传输的视频信号都是隔行扫描信号。例如目前最常用的NTSC，PAL制电视信号就属于隔行扫描信号。隔行扫描信号由一系列图像“场”组成，每场只包含一个完整视频帧的一半有效行，因此这种显示方式会带来垂直分辨率低，大面积闪烁的缺点，长时间观看易产生视觉疲劳，逐行扫描技术能消除这些缺点，而为了在逐行视频显示系统中显示传统的隔行视频信号，就需要对原信号进行去隔行转换。

附图1(a)给出了一个去隔行系统的简单流程示意图。系统像素经过降噪单元11之后进入运动检测单元12，运动检测的结果用来控制三维插值单元13。三维插值的方法是对图像的静止部分采用帧间插值(即场复制)，对图像的运动部分采用帧内插值。错误的插值方法要么造成运动物体产生伪影，要么造成静止的物体产生大面积的闪烁，因此运动检测的结果对整个去隔行技术有着重要的影响。运动检测的方法有许多种，包括开窗检测法和逐点门限(值)比较法等等。需要指出的是，无论各种检测算法性能如何，最终的检测结果中往往会存在以下问题：许多孤立的运动点存在于一片静止的背景之中，或者一些静止的点隔断了部分运动的区域。这样的插值往往会在运动部分和静止部分之间产生生硬的过渡以及在静止的背景中产生很多杂乱的随机斑点。出现这种现象的原因有两个，一个是在模拟视频信号中存在大量的噪声，而运动检测对噪声是非常敏感的，因此很多点由于噪声的影响出现误判，降噪单元虽然能降低噪声水平，但任何降噪系统都不可能完全消除噪声，同时降噪又会对原图像产生或多或少的影响，这些副作用都会间接的影响到运动检测结果。另外一个原因是由于大多数运动检测算法存在或多或少的缺陷，对于一些特定情况往往产生运动误判。因此有必要对运动检测的结果进行优化。

发明内容

针对上述像素点运动检测中存在的缺陷和不足，本发明公开了一种通过腐蚀和膨胀过程来优化运动检测结果的方法，以达到消除运动检测结果中的误判和噪声，克服运动检测算法存在的缺陷，以及融合相同区域的目的。

一种对运动检测结果进行优化的方法，其特征在于：该方法是在运动检测单元和三维插值单元之间增加一个腐蚀和膨胀单元，通过计算当前待检测点的一维或二维邻域的运动值，然后对当前待检测点的运动值进行腐蚀来消除运动结果中的误判和噪声，再对当前待检测点的一维或二维邻域的腐蚀值进行膨胀来融合相同区域，该方法包括如下步骤：

步骤1：计算当前待检测点及该点的一维或二维邻域点集的运动值；该运动值的计算包括主行相关点运动值和从行相关点运动值的计算，其中从行相关点运动值的计算还包括下从行相关点运动值和上从行相关点运动值的计算，上从行相关点的运动值是下从行相关点运动值经过一行延时后得到。

步骤2：利用步骤1中所计算出的当前待检测点及该点的一维或二维邻域点集的运动值对当前待检测点的运动值进行腐蚀；

步骤3：再利用步骤2中所计算出的当前待检测点及该点的一维或二维邻域点集的腐蚀值对当前待检测点的腐蚀值进行膨胀；

步骤4：利用膨胀结果替换当前待检测点的运动值，即完成对当前待检测点的运动结果的优化；

对图像中所有的点的运动值优化处理后，即完成了对整幅图像的优化过程。

上述步骤1所述计算当前待检测点的一维邻域点集的运动值，其中所述的一维邻域点集是指以当前点为中心，往水平方向扩散的1×3或者1×5区域内的点。

上述步骤1所述计算当前待检测点的二维邻域点集的运动值，其中所述的二维邻域点集是指以当前点为中心，往水平方向和垂直水平方向扩散的3×3或者5×5区域内的点。

主行是指主象素当前预测点所处的行，从行是指与主行相邻的行，具体来说，在主行之下的行定义为下从行，主行之上的行定义为上从行。

本发明所述的一种对运动检测结果进行优化的方法，其特征在于：步骤1中所述的计算当前待检测点及其该点的一维或二维邻域点集的运动值，该运动值为二值函数0表示静止，1表示运动或取值在【0，1】之间的连续函数0表示完全静止，1表示完全运动，0～1之间的数则反映了运动的程度。

所述的计算当前待检测点的一维或二维邻域点集的主行相关点运动值，其计算方法包括如下步骤：

首先对本方法中所用到的字母符号表示的意义进行如下定义：F_n(i，j)为第n个场F_n中在位置(i，j)处的亮度值，F_n(i-1，j)为第n个场F_n中在位置(i-1，j)处的亮度值，F_n(i+1，j)为第n个场F_n中在位置(i+1，j)处的亮度值；F_n-1(i，j)和F_n+1(i，j)分别是第n—1场F_n-1和第n+1场F_n+1中在空间位置(i，j)处像素点的亮度值，Th_ns表示预先设定的门限；这里假设待当前待检测点是位于第n场F_n中位于(i，j)处的点，其运动值的计算包括如下的步骤：

步骤1.1.1：按照以下公式算出当前待检测点的亮度预测值F_n(i，j)，

F_n(i，j)＝0.5×F_n(i+1，j)+0.5×F_n(i-1，j)；

步骤1.1.2：按照以下公式计算当前待检测点与n—1场相关像素点的亮度绝对差，

Diff1＝|F_n(i，j)-F_n-1(i，j)|；

步骤1.1.3：按照以下公式计算当前待检测点与n+1场相关像素点的亮度绝对差，

Diff2＝|F_n(i，j)-F_n+1(i，j)|；

步骤1.1.4：分别将步骤1.1.2和步骤1.1.3中所计算中的上述两个差值与一个预先设定的噪声门限Th_ns进行比较，如果两个差值均小于门限值，则当前点判断为静止，运动值为0，否则，当前点判断为运动，运动值为1，M(i，j)为像素点(i，j)的运动函数，

本发明所述的计算当前待检测点的一维或二维邻域点集的从行运动值，又在主行之下的行定义为下从行，主行之上的行定义为上从行。其特征在于：其中下从行相关点运动值的计算包括如下的步骤：

步骤1.2.1：按照以下公式计算第n场位置(i+1，j)处的像素点亮度值F_n(i+1，j)与第n+2场位置(i+1，j)处的像素点亮度值F_n+2(i+1，j)的绝对差，

Diff3＝|F_n(i+1，j)-F_n+2(i+1，j)|；

步骤1.2.2：将步骤1.2.1中所计算出的亮度绝对差与预先设定的噪声门限(Th_ns)相比较，如果小于门限值，则当前点判断为静止，运动值为0；否则，判断为运动，运动值为1，M(i+1，j)为像素点(i+1，j)的运动函数，

本发明所述的一种对运动检测结果进行优化的方法，其特征在于，步骤2中所述的对当前待检测点进行腐蚀通过以下方法实现：

如果当前点被检测为运动点，则检查当前点相应的一维或二维邻域点集，如果该邻域点集中运动的点数量超过一个阈值，则当前点经过腐蚀后是一个运动点，其中腐蚀值取1，否则，当前点经过腐蚀后是一个静止点，其中腐蚀值取0。

上述对当前待检测点进行腐蚀的方法，其特征在于，该腐蚀还可以通过以下方法实现：

如果当前点被检测为运动点，则搜索当前点相应的一维或二维邻域点集，找到该集合中的最小运动值，当前点腐蚀后的值等于该最小运动值。

本发明所述的一种对运动检测结果进行优化的方法，其特征在于，步骤3中所述的对当前待检测点进行膨胀可通过以下方法实现：

检查当前点的一维或二维邻域点集，如果这些点经过腐蚀后存在运动点，则当前点经过膨胀后是一个运动点，其中膨胀值取1，否则，当前点经过膨胀后是一个静止点，其中膨胀值取0。

上述对当前待检测点进行膨胀的方法，其特征在于，该膨胀还可以通过以下方法实现：

搜索当前点相应的一维或二维邻域点集，找到这些点经过腐蚀之后的最大腐蚀值，当前点膨胀后的值等于该最大腐蚀值。

本发明中腐蚀或膨胀的邻域选择当前待检测点周围的一个5×5或3×3的邻域，或者选择水平方向上当前点为中心的一个3点邻域，或者选择垂直方向上当前点为中心的一个3点邻域，邻域的选择能够根据实际系统的复杂程度进行调整。

本发明提到的运动检测包括对主行和从行的运动检测，由于运动检测不是本发明的发明内容，且运动检测是公知技术，开发人员可以根据自己的需求设计不同的运动检测单元。本发明中提到的运动值均为二值函数(0表示静止，1表示运动)，假如运动值是由一个0～1之间的运动系数决定，设计者只需做出小修改，而不影响本发明所述方法的应用。

本发明的显著有益效果在于：通过本发明所述方法对系统像素的运动检测结果进行优化，即对运动检测结果进行腐蚀和膨胀，腐蚀后，一些孤立的运动点将从静止背景中消除，腐蚀的另外一个作用是可以消除由于水平边界存在引起的错误检测(这是运动检测常见的误判之一)；腐蚀结果再通过膨胀处理，在这里，具有相同运动状态且邻近的大块区域将融合成为一个整体，减小了由于运动误检测，造成连续物体断裂的现象。把优化的运动结果应用在插值算法后，最终的图像上，静止区域内的随机噪点会大大减少，同时，运动物体的边缘或较细部分也不容易产生拖影，增强了画质。

附图说明

图1(a)为传统的去隔行系统的简单流程示意图；

图1(b)为采用本发明所述方法的去隔行系统的简单流程示意图；

图2(a)为某区域腐蚀前的运动效果图；

图2(b)为图2(a)经腐蚀后的运动效果图；

图2(c)为图2(b)经膨胀后的运动效果图；

图3(a)为腐蚀过程的流程示意图；

图3(b)为膨胀过程的流程示意图；

图4(a)为待检测点及该点二维邻域相关点的空间位置示意图；

图4(b)为实现腐蚀过程的原理框图；

图4(c)为实现膨胀过程的原理框图。

具体实施方式

为使本领域的技术人员能更好的理解和实施本发明，下面将结合附图对本发明所述方法进行更为详细的描述。

如附图1(b)所示，腐蚀/膨胀单元13被加在运动检测单元12之后，运动检测结果首先经过腐蚀过程，在这里，一些孤立的运动点将从静止背景中消除，腐蚀的另外一个作用是可以消除由于水平边界存在而引起的错误检测(这是运动检测常见的误判之一)，腐蚀结果再通过膨胀处理，具有相同运动状态且邻近的大块区域将融合成为一个整体。

附图2(a)中白色区域代表运动部分，黑色区域代表静止部分。图2(b)表示图2(a)经过腐蚀之后的结果，图2(c)表示图2(b)经过膨胀之后的结果。其中21A为孤立运动点，处于一片静止背景之中，根据常识，我们知道21A其实应该是一个静止点，应该对检测结果进行修正，22A为一孤立水平直线，这往往也是由运动检测的错误判断引起(因为现实中很难存在单行运动的图像)，也应该予以修正。23A一般来说应该属于一片运动区域，但其中存在一些错误的静止点，隔断了该区域，也应该予以修正，可以看到，在图2(b)中，21A和22A已经消失，而在图2(c)中，23A也最终融合在了一起。

图3为本发明所述两种腐蚀/膨胀方法中的第一种，

图3(a)为腐蚀过程流程示意图，具体方法为：

如果当前点被检测为运动点，则检查当前点相应的一维或二维邻域点集，如果该邻域点集中运动的点数量超过一个阈值，则当前点经过腐蚀后是一个运动点(腐蚀值取1)，否则，当前点经过腐蚀后是一个静止点(腐蚀值取0)。

图3(b)为膨胀过程流程示意图，具体方法为：

检查当前点的一维或二维邻域点集，如果这些点经过腐蚀后存在运动点，则当前点经过膨胀后是一个运动点(膨胀值取1)，否则，当前点经过膨胀后是一个静止点(膨胀值取0)。

根据以上介绍，设计者可以很容易实现另外一种腐蚀/膨胀的方法。

附图4给出了实现附图3所描述的腐蚀/膨胀过程的具体原理框图。图4(a)示例了待检测点及该点二维邻域相关点的空间位置。图4(b)描述了腐蚀的实现原理框图，图4(c)描述了膨胀的实现原理框图。如图4(a)所示，假设当前预测点为N场的e点。整个腐蚀过程要要用到a～f点。其中a代表N-1场中与当前N场e点相同位置的像素，d代表N+1场中与当前N场e相同位置的像素，b代表N场中位于e上一行但是相同列的像素，c代表N场中位于e下一行但是相同列的像素，f代表N+2场中与c相同位置的像素。一个运动检测单元往往会用到a，b，c，d四点(或者a，d两点)；对于f点，它一般指的是输入点，由于一般的系统都具有降噪功能，而利用f点在做腐蚀的时候，可以同时利用f点来做时域降噪，因此新的带腐蚀/膨胀功能的运动检测系统与传统的运动检测系统相比，并不会增加任何多余的硬件消耗。腐蚀过程要求先求出e点和其领域点的运动状态，为了对整个实施过程有连贯的叙述，这里简单的介绍一下运动检测单元。设计者可以根据自己的需求设计不同的运动检测单元，而不影响本发明的应用。

运动检测分为主行点运动检测和从行点运动检测。主行点运动检测用到图4(a)中a，b，c，d四点，假设所有的点都已做完降噪处理。这里的运动检测单元仅做示范，所以相对简单。我们定义在一幅M×N大小的图象中，像素的运动函数M(i，j)为：

判定主行像素e是否运动及求出e点的运动值由以下步骤决定。

(1)算出点e的亮度预测值：F(e)＝0.5×F(b)+0.5×F(c)

(2)计算e点与a点的亮度绝对差：Diff_ae＝|F(a)-F(e)|

(3)计算e点与d点的亮度绝对差：Diff_de＝|F(d)-F(e)|

(4)分别将步骤(2)和步骤(3)求出的这两个差值与一个预先设定的噪声门限值(Th_ns)相比较，如果两个差值均小于门限值，当前点判断为静止，否则，判断为运动，

下从行点的运动检测用到了图4(a)中的c点和f点，并假设所有点均已做完降噪。由于从行的运动信息只是作为辅助信息对主行运动值做修改，所以其运动检测相对简单。当然我们也可以在N+1场中的d点下方补齐一个点而采用与主行相同的运动检测，但这样要增加一个额外的行缓存，开发人员可以根据自己的要求决定取舍。判定下从行像素c点是否运动及求出运动值由以下步骤决定。

(1)算出c点和f点的亮度绝对差：Diff_cf＝|F(c)-F(f)|

(2)比较这个差值与预先设定的噪声门限Th_ns，如果这个差值小于门限值，

当前点判断为静止，否则，判断为运动，

$M\left(c\right)=\left\{\begin{array}{cc}0& \mathrm{if}(\mathrm{Diff}\_\mathrm{cf}<\mathrm{TH}\_\mathrm{ns})\\ 1& \mathrm{else}\end{array}\right..$

同样，我们也需要得到上从行点的运动信息，但如果采用与检测下从行相同的方法，需要多用到一个行缓存，这样增加了硬件开销。实际上，随着主行位置的不断移动，上下从行位置其实是交替重复的。因此我们可以把下从行的运动信息存储起来，经过一个行延迟之后，作为计算下一个主行时的上从行信息。注意到每个点的运动信息为‘0’或者‘1’，因此每个像素只需要1个bit来存储，所消耗的存储单元非常少。

如图4(b)，实现腐蚀利用到一个二维领域点集，我们可以选择当前点周围3×3或者5×5区域内的点做邻域点集，一般来说3×3的对大多数情况都适用。这里我们假设进行的是3×3领域的腐蚀，所用到的点如图4(a)中所示，包括e点周围的g～l点以及b，c点。5×5的情况可类似实现。主行上3点的运动检测结果经过了三点的延时单元。下从行经过如上所述的方法得出的运动信息后也经过了同样的延迟单元，达到和主行的相位对齐，上从行的信息是由上一个下从行信息延时一行得到的。由于3×3邻域中总共有9个点，超过半数具有同样状态可以认为当前整个区域具有该状态。因此我们设定门限值Th_s等于5。利用领域点的运动信息，按照图3(a)流程图所示，即可得到当前点腐蚀后的结果。

如图4(c)膨胀过程在一维水平方向上进行。E点的膨胀值利用到了i，j，e点的腐蚀结果，因此同样的把主行的腐蚀结果再延迟3点之后计算膨胀。处理过程如图3(b)流程图所示。

本发明实施例中描述的是二维腐蚀和一维膨胀，但应用本发明思想可以很容易把二者都扩充为二维。本实施例所述对运动检测结果的优化方法用到了四场缓存数据，与当前点相关的五点数据以及一个状态存储单元，但从上述的分析可以看出，该系统与传统的运动检测单元相比，并不会增加多余的硬件资源。其中，这五点分别来自于当前点前场对应点，当前点后场对应点，当前点上一行对应点，当前点下一行对应点，当前点后两场对应点。本发明介绍的实施方式只是一种简单的实现可能，参考本发明，可以设计出更为复杂准确的优化系统，但都属于本发明所述方法的保护范围。

发明内容部分提到的第二种实现腐蚀/膨胀的方法与此基本相同，在此不再累述。附录I给出了第二种实现腐蚀/膨胀的方法简单的伪码。(以1×3为例)

附录I

VH_nei＝主象素点的二维领域集(例如图4(a)中的b，c，e，g，h，i，j，k，l点)

H_nei＝主象素点的一维领域集(例如图4(a)中的i，e，j点)

M(p)＝p点的运动值

Erode(p)＝p点的腐蚀值

Dilate(p)＝p点的膨胀值

MIN(U)＝集合U中的最小值

MAX(U)＝集合U中的最大值

假设当前要处理的点为e点

//腐蚀过程

如果(M(e)！＝0)

    {

      (搜索集合U＝{M(q)，q是以e为中心点的VH_nei中的任意点})

      Erode(e)＝Min(U)

    }

否则

    {

      Erode(e)＝M(e)

    }

//膨胀过程

(搜索集合V＝{Erode(p)，p是以e为中心点的H_nei中的任意点})

{

    Dilate(e)＝MAX(V)

}

//最后的运动结果输出

M(e)＝Dilate(e)

Claims (11)

1、一种对运动检测结果进行优化的方法，其特征在于：该方法是在运动检测单元和三维插值单元之间增加一个腐蚀和膨胀单元，通过计算当前待检测点的一维或二维邻域的运动值，然后对当前待检测点的运动值进行腐蚀来消除运动结果中的误判和噪声，再对当前待检测点的一维或二维邻域的腐蚀值进行膨胀来融合相同区域，该方法包括如下步骤：

步骤1：计算当前待检测点及该点的一维或二维邻域点集的运动值；该运动值的计算包括主行相关点运动值和从行相关点运动值的计算，其中从行相关点运动值的计算还包括下从行相关点运动值和上从行相关点运动值的计算，上从行相关点的运动值是下从行相关点经过一行延时后得到；

步骤2：利用步骤1中所计算出的当前待检测点及该点的一维或二维邻域点集的运动值对当前待检测点的运动值进行腐蚀；

步骤3：再利用步骤2中所计算出的当前待检测点及该点的一维或二维邻域点集的腐蚀值对当前待检测点的腐蚀值进行膨胀；

步骤4：利用膨胀结果替换当前待检测点的运动值，即完成对当前待检测点的运动结果的优化；

对图像中所有的点的运动值优化处理后，即完成了对整幅图像的优化过程。

2、根据权利要求1所述的一种对运动检测结果进行优化的方法，其特征在于：步骤1中所述的计算当前待检测点的一维邻域点集的运动值，该一维邻域点集是指以当前点为中心，往水平方向扩散的1×3或者1×5区域内的点。

3、根据权利要求1所述的一种对运动检测结果进行优化的方法，其特征在于：步骤1中所述的计算当前待检测点的二维邻域点集的运动值，该二维邻域点集是指以当前点为中心，往水平方向和垂直水平方向扩散的3×3或者5×5区域内的点。

4、根据权利要求1所述的一种对运动检测结果进行优化的方法，其特征在于：步骤1中所述的计算当前待检测点的一维或二维邻域点集的运动值，该运动值为二值函数，0表示静止，1表示运动；或为取值在【0，1】之间的连续函数，0表示完全静止，1表示完全运动，0～1之间的数则反映了运动的程度。

5、根据权利要求1所述的一种对运动检测结果进行优化的方法，其特征在于：所述的计算当前待检测点的一维或二维邻域点集的主行相关点运动值，该运动值通过如下步骤计算：

首先对本方法中所用到的字母符号表示的意义进行如下定义：F_n(i，j)为第n个场F_n中在位置(i，j)处的亮度值，F_n(i-1，j)为第n个场F_n中在位置(i-1，j)处的亮度值，F_n(i+1，j)为第n个场F_n中在位置(i+1，j)处的亮度值；F_n-1(i，j)和F_n+1(i，j)分别是第n—1场F_n-1和第n+1场F_n+1中在空间位置(i，j)处像素点的亮度值，Th_ns表示预先设定的噪声门限；这里假设待当前待检测点是位于第n场F_n中位于(i，j)处的点，其运动值的计算包括如下的步骤：

步骤1.1.1：按照以下公式估算出当前待检测点的亮度值F_n(i，j)，

F_n(i，j)＝0.5×F_n(i+1，j)+0.5×F_n(i-1，j)：

步骤1.1.2：按照以下公式计算当前待检测点与n—1场相关像素点的亮度绝对差，

Diff1＝|F_n(i，j)-F_n-1(i，j)|；

步骤1.1.3：按照以下公式计算当前待检测点与n+1场相关像素点的亮度绝对差，

Diff2＝|F_n(i，j)-F_n+1(i,j)|；

步骤1.1.4：分别将步骤1.1.2和步骤1.1.3中所计算中的上述两个差值与一个预先设定的噪声门限Th_ns进行比较，如果两个差值均小于门限值，则当前点判断为静止，运动值为0，否则，当前点判断为运动，运动值为1，M(i，j)为像素点(i，j)的运动函数，

6、根据权利要求5所述的一种对运动检测结果进行优化的方法，其特征在于：下从行相关点n场(i+1，j)点运动值的计算通过以下步骤实现：

步骤1.2.1：按照以下公式计算第n场位置(i+1，j)处的像素点亮度值F_n(i+1，j)与第n+2场位置(i+1，j)处的像素点亮度值F_n+2(i+1，j)的绝对差，

Diff3＝|F_n(i+1，j)-F_n+2(i+1，j)|；

步骤1.2.2：将步骤1.2.1中所计算出的亮度绝对差与预先设定的噪声门限Th_ns相比较，如果小于门限值，则当前点判断为静止，运动值为0；否则，判断为运动，运动值为1，M(i+1，j)为像素点(i+1，j)的运动函数，

7、根据权利要求1所述的一种对运动检测结果进行优化的方法，其特征在于：步骤2中所述的对当前待检测点进行腐蚀通过以下方法实现：

如果当前点被检测为运动点，则检查当前点相应的一维或二维邻域点集，如果该邻域点集中运动的点数量超过一个阈值，则当前点经过腐蚀后是一个运动点，其中腐蚀值取1；否则，当前点经过腐蚀后是一个静止点，其中腐蚀值取0。

8、根据权利要求7所述的一种对运动检测结果进行优化的方法，其特征在于：所述对当前待检测点进行腐蚀还可通过如下的方法实现：

如果当前点被检测为运动点，则搜索当前点相应的一维或二维邻域点集，找到该集合中的最小运动值，当前点腐蚀后的值等于该最小运动值。

9、根据权利要求1所述的一种对运动检测结果进行优化的方法，其特征在于：步骤3中所述的对当前待检测点进行膨胀可通过如下方法实现：

检查当前点的一维或二维邻域点集，如果这些点经过腐蚀后存在运动点，则当前点经过膨胀后是一个运动点，其中膨胀值取1，否则，当前点经过膨胀后是一个静止点，其中膨胀值取0。

10、根据权利要求9所述的一种对运动检测结果进行优化的方法，其特征在于：所述对当前待检测点进行膨胀还可通过如下的方法实现：

搜索当前点相应的一维或二维邻域点集，找到这些点经过腐蚀之后的最大腐蚀值，当前点膨胀后的值等于该最大腐蚀值。

11、根据权利要求1所述的一种对运动检测结果进行优化的方法，其特征在于：腐蚀或膨胀的邻域选择当前待检测点周围的一个5×5或3×3的邻域，或者选择水平方向上当前点为中心的一个3点邻域，或者选择垂直方向上当前点为中心的一个3点邻域，邻域的选择能够根据实际系统的复杂程度进行调整。

Images