中文摘要：

本项目以非线性Choquet积分在分类这一数据融合问题上的深入研究和应用为基本背景，探讨将模糊测度和模糊积分理论应用于运动目标和背景分类中的方法- - 通过模糊测度实现视频图像中颜色和纹理特征的融合，并利用双Choquet积分分类器实现前景/背景的分离及运动区域或物体的检测。主要任务包括建立双Choquet积分分类的数学模型和自适应算法；开发基于遗传算法的自适应算法实现双Choquet积分中特定参数的确定；选择YCbCr颜色空间和LBP纹理特征实现颜色和纹理特征的提取；通过颜色和纹理特征构造Choquet积分的被积函数，将运动物体检测的前景/背景分类问题转化为双Choquet积分的分类问题；建立基于Choquet积分的前景/背景分类的自适应算法优化系统参数；最终实现一个比较系统的基于模糊测度和模糊积分的前景/背景分离系统。

结论摘要：

Choquet积分是定义在模糊测度基础上的一种非线性泛函。当Choquet积分用于分类融合问题时，积分中的模糊测度能够很好的体现各个特征值对目标决策的重要程度以及各特征量之间的交互作用对目标决策的影响。在图像或视频的前景/背景分离问题上，如何将某一个像素归类于前景或背景本身就是一个分类数为两类的分类问题。利用Choquet积分分类器来实现视频图像中的前景/背景分离是一个具有挑战性和创新性的研究课题。 本项目以非线性积分Choquet积分在分类这一数据融合问题上的深入研究和应用为基本背景，通过模糊测度实现图像中颜色和纹理特征的融合，进而实现将模糊测度和模糊积分理论应用于运动目标和背景分离的实际方法。 本项目针对背景建模问题中需要融合两个或两个以上的特征值来实现优化分离的需要，以前期关于Choquet积分分类器的研究为基本出发点，改进了目前基于Choquet积分分类器的算法，并实现了双Choquet积分分类器（两个Choquet积分组合分类器）的理论建模及算法设计，进行了一系列基于UCI数据库和实际数据库的性能测试及比较用来验证双Choquet积分分类器在解决分类问题上的优势。 在成功建立Choquet积分分类器的基础上，本项目将改进的分类器用于运动物体检测前景/背景的实际问题中，通过提取各像素点的颜色特征和纹理特征，建立自适应算法能够找回Choquet积分分类器中的关键参数，进而成功实现前景/背景的分类与分离。通过一系列仿真分析和实际验证，论证了基于Choquet积分分类器的前景/背景检测算法的可行性，并通过与其他算法的比较验证了其优势。 本项目能够将Choquet积分的分类器与视频图像的前景/背景检测问题相结合，为智能视频处理中的运动检测打开一条新的研究思路和方法，同时，利用模糊测度在描述各特征量对目标决策贡献之间交互关系的优势，可以更深入的理解图像处理中的颜色特征与纹理特征之间有可能存在的交互关系。