结合对称差分法和背景减法的目标检测方法

针对帧差法易产生空洞以及背景减法不能检测出与背景灰度接近的目标的问题,提出了一种将对称差分法和背景减法相结合的运动目标检测算法。首先利用对称差分法和背景减法分别得到两种差分图像,并用OTSU分割法(大津法)得到合适的阈值将这两种差分图像二值化,然后将得到的两种二值化图像进行或运算,最后利用图像形态学滤波得到准确的运动目标。

基于新的阈值化方法的背景减法改进

首先将一种新的基于颜色空间模型的阈值化方法用于背景减法中,该阈值化方法利用每个像素的颜色畸变和亮度畸变检测出场景中所有的运动,其中像素的颜色畸变检测考虑了颜色向量所处的空间位置;同时该阈值化方法在一定程度上抑制了运动阴影的影响.其次,将一种双阈值化方法用于背景减法中,实现了复杂场景下前景目标的提取.通过VSSN 05和PETS 2006测试视频的实验,验证了本文提出算法的有效性.

改进的背景减法与五帧差分法相结合的运动目标检测

为了能够更加准确、完整地检测出视频中的运动目标,该文基于改进的背景减法与五帧差分法,提出了一种高效、快捷的目标检测方法。该方法对视频中相邻五帧图像进行灰度变换、中值滤波和直方图均衡化等预处理,以降低噪声影响;利用五帧差分法得到第3帧中目标的大致范围的二值图像,同时将第3帧与系统预存背景帧差分,并对获得的结果实行边缘提取操作和二值化处理;将2种方法得到的图像进行逻辑或运算,即可得到运动目标的精确区域。经试验证明,该种方法获得的目标区域轮廓更加清晰,内容更加丰富。

基于高斯混合模型的光照自适应背景减法

采用带有光照自适应的基于高斯混合模型的背景减法提取移动物体的图像.通过只更新感兴趣的高斯分布减少运算量;对基于改进的高斯混合模型算法提取的图像,当光照快速变化时进行光照补偿.实验结果表明,改进的高斯混合模型算法,对光照快速变化的场景有较好的适应性,提取的图像效果较好.

基于对称差分和背景减法的图像特征提取研究

基于对称差分和背景消减来进行运动目标检测的算法主要由对称差分、背景消减、运动检测、后处理等部分组成。1.对称差分算法对称差分算法能够去除因为运动而显露的背景的影响,准确得到运动目标的轮廓。

基于闭运算和背景减法的车牌字符分割算法

提出一种基于闭运算和背景减法预处理的二值化分割算法。该方法能够削弱上下边框,减少字符与上下边框之间的粘连,同时能减少背景噪声。在此基础上利用车牌字符的垂直投影特征和先验知识处理字符的粘连与断裂,有效提高了字符分割效率。实验结果表明,该方法具有良好的适应性。

统计建模与对象更新机制相结合的背景减法

基于混合高斯模型(Gaussian Mixture Models,GMM)或码书模型(Codebook,CB)的传统背景建模算法和改进后的G-KDE算法被广泛地运用于运动目标检测中,但是在光照突变、非静止背景和运动目标短暂停留再运动的场景中不能正确地检测出运动目标。针对以上问题,提出了一种从静止摄像机的视频序列中检测运动目标的背景减算法。通过统计像素的经历作为时间序列,利用核密度估计判断背景像素是否受到运动目标干扰,使用K-均值聚类算法的两个连续阶段来确定可靠的背景区域,通过像素更新适应渐进的光照变化,提出一种基于对象的背景更新机制适应突然的光照变化以及非静止背景、鬼影等干扰。对实际摄取的视频进行了仿真实验,结果表明该算法比其他三种方法检测运动目标鲁棒性更好,准确性更高。

基于多尺度区域的运动检测和背景减法算法设计

本文基于多尺度区域,对运动检测和背景减法算法进行了研究。通过实验,对W4、W4+算法进行量化对比,结果表明,W4及W4+算法有相同的存储量并且相应消耗时间的多少相同,W4+算法相比之下比W4算法对背景模型更新的实时性更强,与W4+相比所需更新时间较长,并且W4+算法检测结果也更加精确。

基于改进背景减法的视频图像运动目标检测

为解决传统背景减法在动态背景下受噪声干扰和运动目标检测准确性不高的问题,提出一种基于改进背景减法的视频图像运动目标检测方法。在背景建模阶段,为易于计算和提高检测精度,采用基于GMM的图像块均值方法重构背景模型;在目标检测阶段,采用数学形态学和小波半软阈值函数相结合的方法对检测到的运动目标进行去噪处理;在背景更新阶段,采用自适应背景更新方法进行背景更新。实验结果表明,所提方法提高了运动目标检测的准确性,验证了其有效性。

基于背景减法和时空熵的运动目标检测新方法

从图像序列或视频中检测运动目标是计算机视觉领域中一个基础而关键的任务,但是,运动目标的检测结果通常会因背景变化(光照、背景抖动)而受到干扰。针对以上问题,提出了一种结合背景减法和时空熵的运动目标检测新方法。算法首先利用改进∑-⊿方法构建背景图像,然后用当前帧图像和背景图像做差,得到差分图像。通过计算差分图像的时空熵,可以有效地检测出目标。实验结果表明,新方法可以检测复杂背景下的运动目标,而且对阈值不敏感,算法耗费时间少,易于实现。

融合背景减法和帧差法的运动目标检测

针对背景减法前景目标检测前期存在的"鬼影",通过统计图像序列中各像素点处像素值的频次,高频次的像素值为背景像素,获得了无运动目标的背景,消除了"鬼影";对于帧差法检测结果内部易产生"空洞",在前景判断时增加了新的判决条件,改善了"空洞"问题;对于传统背景减法检测结果存在"拖影"问题,通过背景减法和改进帧差法的检测结果进行逻辑与操作,并将"与"结果作为背景图像更新判决条件。实验结果表明,该算法可以获得精确的背景图像,并且解决了"拖影"、"鬼影"及"空洞"问题,满足实时检测的需求。

基于背景减法的游泳者检测

针对游泳池监视系列图像中的游泳者进行检测,提出了基于背景减法的游泳者溺水检测方法.该方法通过架设在泳池内的固定摄像机获得连续视频监视图像,采用独立混合高斯模型描述每一被观察的像素,建立自适应背景模型并实时更新.前景目标检出后,对所得前景图像进行阴影检测和噪音去除,使得检测结果更加理想,为目标分类打好基础.实验结果表明,该方法能准确的检测出游泳者并有效的去除阴影部分.

一种基于背景减法的运动检测算法评价方法

利用传统的运动检测算法评价方法的原理,提出一种适用于背景减法的运动检测算法的性能评价方法。该方法基于理想的检测对象可以获得(可以通过人工方法获得,或通过某种可靠的途径获得)。现实现了W4和W4+算法的C++代码,并用提出的评价方法对其进行评价,针对风动树叶背景的视频图像,识别运动物体。实验结果表明,该评价方法可以量化地表明运动检测算法检测效果的优劣。

基于全局背景减法滤波器与多形状特征的红外舰船检测算法

为了提高复杂背景下的舰船目标的检测精度,消除目标与背景中像素比率的影响,设计了基于全局背景减法滤波器与多特征融合的红外舰船检测算法。首先,根据红外舰船图像的像素强度分布,提出了一种全局背景减法滤波器,有效抑制背景信息,输出稀疏前景图像;为了避免舰船目标的丢失,根据稀疏前景图像的梯度、显著性映射,计算控制权重矢量,联合每一行像素的强度值,设计了自适应逐行均值减法滤波器,增强红外舰船目标;定义迭代分割方法,对增强目标图像进行分割,输出二值图像;最后,基于红外舰船的几何属性,计算舰船的多个形状特征参数,并构造了目标选择规则,以识别真实的红外舰船和消除虚假目标。测试数据显示,与当前红外舰船检测方法相比,在复杂背景下,所提方法的检测正确率更高,呈现出更为理想的受理者工作特征(ROC)曲线。

基于对称差分的背景减法运动目标检测

提出了一种基于对称差分和背景差分相结合的运动目标检测方法。先通过多帧图像平均法取得初始背景图像,并结合采集到的当前帧图像和前一时刻的背景获得更新背景,采用背景减法获取前景目标;同时运用对称帧差法取得前景图像,用两种差分图像进行或运算,提取到运动目标,用形态学方法进行后期处理。实验结果表明,该方法能够有效地获取运动目标。

一种基于背景减法的运动目标检测算法

针对静止摄像机下的运动目标检测问题,提出了一种基于背景减法的运动目标检测算法.首先利用无拘束学习方式迅速建立多个可靠的RGB颜色背景模型,然后在运动目标分割过程中,及时地根据场景变化对背景模型进行更新,同时利用色度信息及局部交叉熵信息去除阴影,得到较为精确的运动目标.在对用普通USB摄像头获取的视频序列实验中,该算法显示了良好的性能.

基于在线聚类的背景减法

假定"背景总是以较大的频率出现"的基础上,提出一种基于在线聚类的背景减法.利用在线聚类对一段时间内像素的灰度值进行分类,选择出现频率大于阈值的灰度类作为该像素的背景,这样可以较好地构建出单模态或多模态场景的背景.一旦背景被构建好,通过融合背景差分、邻域背景差分和帧间差分的信息提取前景,实现正确而完整的运动目标分割.仿真实验表明,即使在背景有微小运动的复杂环境下,算法仍能较好地构建背景,运动分割效果较好.

基于背景减法和帧间差分法的视频运动目标检测方法

为了对视频场景中的运动目标进行实时、准确检测,结合背景减法和帧间差分法的特点,提出了一种新的视频运动目标检测算法。该算法利用帧间差分方法对动态环境自适应性强的特点,建立视频背景模型;然后,根据场景变化,采用阈值方法对背景模型进行实时更新处理;之后,基于准确的背景图像,利用背景减法进行运动目标检测,通过当前帧与背景模型比较从视频图像序列的背景中检测出运动目标;最后,利用数学形态学方法消除噪声、改善运动区域提取效果。实验结果表明,该算法在背景变化时,也能够检测到运动目标的边缘细节,能够有效、精确地提取运动目标。

基于背景减法的目标检测在Matlab中的实现方法

目标检测是视频图像跟踪识别系统中的一个重要环节,介绍基于背景减法进行运动目标检测的原理,研究了其在Matlab环境下的实现方法,给出处理流程,并结合车辆和行人实例进行实现和分析.

基于背景矩阵减法的探地雷达杂波信号抑制方法研究

探地雷达是探测浅层地下目标并对其空间分布进行成像的重要地球物理方法之一,但在实测雷达剖面中,目标反射信号不可避免地会受到直达波和地面反射波等杂波信号的干扰。为了提高探地雷达数据解译的可靠性和准确性,需要对杂波进行抑制或去除。提出一种背景矩阵减法来抑制杂波信号,并通过两组仿真数据和两组实测数据示例与减平均道法、奇异分解法对杂波抑制效果进行对比分析,结果表明背景矩阵减法的效果明显优于减平均道法和奇异分解法,可以在保证有效信号不丢失,幅值和相位不失真的基础上,使杂波得到较好地抑制,有助于识别探地雷达剖面中目标信号的特征,提高数据解译准确性和可靠性。