Background Extraction Method Based on Block Histogram Analysis for Video Image

A novel method of histogram analysis for background extraction in video image is proposed, which is derived from the pixelbased histogram analysis. Not only the statistical property of pixels between temporal frames, but also the corrvlation of local pixels in a single frame is exploited in this method. When carrying out histogram analysis for background extraction, the proposed method is not based on a single pixel but on a 2 × 2 block that has much less computational quantities and can extract a sound background image from video sequence simultaneously. A comparative experiment between the proposed method and the pixel-based histogram analysis shows that the proposed method has a faster speed in background extraction and the obtained background image is better in quantity.

选择性背景优先的显著性检测模型

在检测图像显著性区域的领域中,背景优先是一个较新的思路,但会遇到背景鉴别这个具有挑战性的难题。该文提出背景真实性的判断问题,在探索的过程中发现背景通常具有连续性的特征,根据这一特性实现了判定背景的方法,并将判断的结果作为显著性先验值应用于后继的计算中,最终结果的准确性和正确性得到有效提高。该文首先采用均值漂移(MS)分割算法将图片预分为超像素,计算所有超像素的初始显著值;随后提取原图的4个边界条,计算每两条之间的色彩直方图距离,判定小于预设阈值的两条边界作为"真"的背景,选择它们作为优先边界,计算先验显著性值;最后进行显著性计算,得到最终的显著图。实验结果表明,该算法能够准确检测出显著性区域,与其他6种算法相比具有较大优势。

基于改进Camshift算法的视频对象跟踪方法

针对Camshift算法限于简单背景下跟踪特定颜色目标的局限性,提出一种改进的Camshift算法。首先在HSV色彩空间建立目标的背景加权三维直方图,将视频图像转化成颜色概率图,然后结合颜色概率分布图与差分图像,根据目标运动速率大小自适应的赋予两者不同的权重,实现了复杂背景下的目标跟踪。实验结果表明,该方法是十分有效的。

运动目标的自动选取与跟踪

为了提高连续自适应均值漂移跟踪方法在复杂背景中的跟踪性能,提出一种基于显著性色度特征的运动目标自动选取及跟踪方法.利用高斯混合模型确定出目标模板,根据目标模板与其背景区色度直方图的对比确定出目标的显著性色度等级,将目标模板中具有显著性色度等级的区域确定为跟踪目标.根据跟踪目标的色度直方图模型利用反向投影建立跟踪图像的概率分布图,采用自适应均值漂移方法实现目标跟踪.仿真结果表明:该方法能够有效提取目标的显著性色度等级,从而确定出易于区分背景的跟踪目标,可有效抑制背景对目标跟踪的影响,改善复杂背景情况下目标跟踪的性能,单帧平均跟踪时间小于15 ms,满足跟踪系统实时性的要求.

背景抑制直方图模型的连续自适应均值漂移跟踪算法

针对传统连续自适应均值漂移(CAMshift)跟踪算法在建立目标颜色模型阶段容易包含大量背景颜色信息从而使跟踪效果变差的问题,该文提出一种改进算法。利用混合高斯模型背景法(GMM)将原始图像分割成前景和背景的叠加,在原始图像和背景图像上运动物体所在区域分别建立色调分量直方图,利用背景图像的色调分量直方图计算原始图像中对应色调分量的权值,抑制原始图像中与背景颜色相同的色调,扩大前景与背景颜色的差异性。该方法通过对原始颜色模型中属于背景的色调进行抑制,扩大了目标颜色模型的显著性,提高了跟踪的准确性和稳定性,目标定位的最大中心误差小于20%,能够准确跟踪不发生丢失。

基于局部背景加权直方图的目标跟踪

针对传统的颜色直方图和加权颜色直方图跟踪算法难以在复杂环境下对目标进行有效跟踪的问题,提出了一种基于局部背景加权直方图的目标跟踪算法,该算法将目标的局部背景看作上下文,将其引入目标表征。在粒子滤波跟踪算法框架下,用局部背景加权直方图来表征目标,以增强目标与背景的鉴别性,从而突出目标区域内的前景信息。各种场景的实验结果比较表明,提出的跟踪算法比传统的颜色直方图和加权颜色直方图跟踪算法具有更好的稳定性和鲁棒性,特别是针对目标被局部遮挡及跟踪环境光照变化较大等情况。

基于直方图比的背景加权的Mean Shift目标跟踪算法

针对Mean Shift跟踪算法目标模型中背景像素所造成的目标跟踪定位的偏差,提出了一种基于直方图比的背景加权的目标表示方法。该方法使用由目标核直方图和背景直方图的对数似然比值推导出的隶属度因子作为权值,通过只对目标模型进行加权变换,而不变换目标候选模型的方法,增强了目标和背景的可分性,有效减少了跟踪过程中背景像素的干扰,提高了目标定位的准确性。仿真实验结果表明算法的有效性。

基于属性直方图的快速Otsu红外目标检测算法

为了提高红外小目标检测的有效性和实时性,提出了一种改进的二维Otsu算法。该算法运用了属性直方图的概念,通过构造适合红外小目标图像特性的属性集,来确定Otsu算法的最佳分割阈值。为了减小计算复杂度,从推导递推关系式和缩小搜索范围两方面,给出了快速算法。在数学形态学Top-Hat变换对原始红外图像进行背景抑制的基础上,利用本文提出的改进算法在含有噪声的背景抑制图中分割出候选的目标点,并和其他目标分割方法进行比较,实验结果证明了这种方法的抗干扰性更好、时效性更高。

面向室外视频监控的背景重构算法

针对室外视频监控环境复杂,运动对象检测准确性较低,提出一种用于背景减运动对象检测的背景重构算法.综合考虑像素点亮度的稳定状态持续时间和出现频率,定义加权亮度直方图确定量化区间的背景概率,根据背景概率大小和分布,结合基于亮度空间相关性的修正实现背景重构.实验结果表明,重构的背景有效地克服了训练阶段运动对象的干扰,用于运动对象检测能够适应背景扰动、摄像机轻微晃动等复杂情况,提高检测的准确性.

基于块直方图分析的视频背景提取方法

在基于像素的直方图分析背景提取的基础上,提出了基于块的直方图分析背景提取方法.该方法在提取背景像素时利用了时域帧间像素的统计特性和帧内局部区域像素的相关性,在直方图分析时不是统计图像中的单个像素点,而是2×2的块,从而显著地减小了利用直方图分析提取背景时的计算量.给出了基于块的方法与普通基于像素的直方图分析背景提取方法的对比试验.试验结果证明了该方法具有提取背景速度快、背景质量好的优点.

基于Hough变换和边缘灰度直方图的直线跟踪算法

提出一种基于目标轮廓直线的参数方程和边缘灰度直方图相结合的跟踪算法。首先,利用Hough变换得到待匹配直线的直线参数方程,同时建立该直线边缘的归一化灰度直方图,由此得到的初始模板包含了目标的空间位置和像素分布信息。然后,在后续帧中,利用梯度方向和参数方程对分割后的像素进行聚类,得到多条待匹配直线。最后,利用灰度直方图匹配算法获得直线边缘的精确位置。实验证明该算法对处于复杂背景下、存在局部短时遮挡的包含直线边缘的目标有很好的跟踪效果。

基于角度直方图的步态识别算法

本文提出了一种简单实用的步态识别算法。该算法使用背景减除的方法检测人的运动区域;然后统计运动区域上像素的角度直方图,提取角度直方图向量作为步态特征;以欧氏距离作为度量,使用标准模式分类器用于步态识别。实验结果表明,本文提出的算法识别性能较高,并具有计算代价小等优点。

基于局部分块和背景加权的视觉跟踪算法

针对视觉运动目标的鲁棒跟踪问题,提出了一种基于局部分块和背景加权的跟踪算法。首先对目标的前景和背景区域进行分块采样,然后利用基于积分直方图的局部快速穷搜索算法计算每一个分块在当前帧中的后验概率图,最后对后验概率图确定的对应分块的搜索结果赋予不同的权值,进而计算出目标在当前帧中的位置。实验结果表明:基于局部分块加权的跟踪算法比单纯的背景加权跟踪和分块跟踪具有更高的跟踪精度和成功率,且算法复杂度较低。

基于图像差分的背景差分算法改进及实验数据分析

针对交通视频中车辆移动检测问题,结合交通视频镜头相对固定、实时性强的特点,研究了基于图像差分运动目标检测算法中的背景差分算法,在真实的环境中对运动的目标区域完成实验检测,然后对检测数据进行分析,在背景估计和背景更新算法上做了相应的改进。通过对实验数据的观察和分析,背景差分法在交通视频车辆移动目标检测中具有较好的适用性和通用性,能较好地对交通视频车辆移动目标进行检测。

基于多特征的服装图像检索

基于内容的图像检索一直是一个受关注的研究热点,这里利用图像的颜色和形状特征,将基于内容的图像检索应用于电子购物领域。提出先利用不变距与傅里叶描述子相结合的方法对图像形状特征进行检索,再利用改进的颜色直方图进行二次检索的检索方法。在检索前引入图像背景消除法消除图像中背景信息的影响。最后通过实验验证了基于颜色和形状特征的服装图像检索效果以及利用图像背景去除对检索效果的影响。

二维信息熵的红外图像分割算法

为了准确实现目标分割,提出将信息熵应用于红外图像的分割算法。对一般二维直方图最大熵进行推广,给出了外接4邻域直方图最大熵、灰度级-邻域灰度级绝对差直方图最大熵,以上3种二维信息熵算法均能有效地实现红外图像分割。引入属性直方图的概念,构造合适的属性集,先缩小目标的搜索范围,在此基础上运用信息熵进行目标分割,与单纯信息熵分割算法相比,得到的分割结果图中,目标的形状比较完整且引入的干扰较少。仿真结果表明该算法是有效的。

一种车辆视觉导航中自适应背景模型提取算法

为了解决统计背景模型在图像远景及车流量较大时容易出现错误像素点的问题,提出一种自适应背景模型提取算法。在车流量少时,利用统计直方图法提取背景;在车流量大时,利用帧差法获取图像中背景像素点,然后求其平均灰度值来重组的图像帧,最后利用统计直方图法进行背景建模。定义了算法比较标准,并据此比较了该算法与传统算法在不同车流量下的性能优劣。实验结果表明,通过分析图像中运动车辆像素信息区分车流量大小,实现对背景提取算法的自适应选择,使其在实际应用中更具针对性和灵活性,为准确地检测出运动车辆提供必要的基础。

基于CUDA的快速LBP纹理背景建模算法

针对复杂条件下背景建模这一视频检测领域的难点,提出一种基于Nvidia CUDA架构图形处理器(GPU)的快速LBP纹理直方图背景建模算法,算法根据GPU的并发结构和硬件特点,采用纹理存储和分页存储方式,利用共享内存与多点访问技术,提高数据访问效率,降低了算法复杂度.实验结果表明,相比CPU实现,GPU方式能够明显改善实时性能,平均加速比在30x左右,帧处理速度达到40 f/s以上.

基于背景像素突变检测的交通标志图像分割

为了提高交通标志图像处理过程的效果与效率,根据交通标志图像色彩饱和度空间的灰度直方图中包含的点灰度与区域灰度信息,提出了一种有效确定交通标志图像全局分割阈值的算法。首先分析了基于交通标志图像色彩饱和度空间灰度直方图的一种倒溯标准差的变化规律;然后在此基础上提出了如何选取全局图像分割阈值的方法,并采集了大量交通标志图像进行实验验证,同时,与另外两种在HIS空间下常用的图像分割方法的分割效果进行了对比;最后对算法中的部分参数与实验结果进行了分析,并指出了下一步的研究方向。该算法是一种有效的交通标志图像阈值选取方法,可推广到图像处理其他方面的应用。

小目标与海空背景合成红外图像统计特性分析

针对海空复杂背景下红外小目标识别的需要,对海空背景及其小目标的红外图像特性进行了统计分析。具体分析了在有目标和无目标两种情况下3～5μm和8～12μm两个波段图像的均值、方差和协方差等统计特性以及图像的局部对比度、信杂比和阈值随探测距离变化的规律;同时对生成的红外热像进行了直方图分析。结果表明:随着探测距离的减小,导弹的辐射逐渐增大,到达一定探测距离时(大约8 200 m)可以从热像图中区分导弹的蒙皮辐射和羽流辐射。根据有目标和无目标两种情况下图像特性的差异,可以判断图像中是否存在目标,从而为目标识别提供了关于目标和背景的先验知识,研究结果可用于海空背景下红外小目标的检测。