基于重构背景二维K-S检验的有害入侵光纤预警

提出一种基于重构背景二维K-S检验的有害入侵光纤预警方法.利用有序统计量恒虚警率初步检测Ф-OTDR采集信号,筛选出入侵信号.为将有害入侵信号从筛选出的入侵信号中有效分离,对检测背景进行空域重构,使检测背景仅包含入侵信号.基于重构入侵背景中有害信号的空间幅度及时域间隔特性,设计了二维柯尔莫哥洛夫-斯米诺夫(K-S)检验方法来检测有害入侵信号.在实际的光纤入侵预警系统中,该方法主要应用于施工工地和过车公路等无害入侵较多的场景,能够有效地提取有害入侵信号.

基于背景像素值频次最高假设的背景重构算法

背景重构是背景差分法运动检测的关键问题,为了快速地重构背景,提出了一种新的基于"背景点像素值出现频次最高"假设的背景重构算法,即先在观察时间内抽样若干帧作为训练图像序列,并用帧差法对图像进行处理得到大致运动区域,再利用区域生长法得到较完整的运动区域;然后将各抽样帧内运动区域内的点都标记为前景点,而将其余点标记为背景点;最后,统计每个背景点的不同像素值出现的频次,并选出频次最大的灰度值作为该像素点的背景灰度值。实验表明,该算法能快速有效地重构背景。

基于像素灰度归类的背景重构算法

背景差法是一种重要的运动检测方法,其难点在于如何进行背景更新.针对该问题,提出一种基于像素灰度归类的背景重构算法,即在假设背景像素灰度以最大概率出现在图像序列的前提下,利用灰度差对相应像素点灰度进行归类,选择频率最高的灰度值作为该点的背景像素值.在背景缓慢变化和突变时,分别利用该算法进行定时和实时背景重构具有明显的优点.仿真结果表明,即使场景中存在运动前景,该算法也能够准确地重构背景,并有效地避免混合现象,从而实现对运动目标的完整提取,以便进一步识别或跟踪.

基于背景重构和阴影消除的运动目标分割

背景差分法是一种重要的运动目标分割方法,但是其不仅对背景质量的要求较高,且易将运动阴影误检测为前景目标。针对上述问题,提出了一种用于智能交通系统的新的运动目标分割方法。该方法首先在RGB空间对像素灰度归类法进行了改进,并用其提取了背景图像,同时结合选择更新和背景调整来实时更新背景;然后对背景差分图像的RGB灰度之和,通过设定阈值来提取运动区域;最后对提取的目标阴影混合区在HSV空间,分别进行自上向下、自左向右及其反方向的色调、亮度及边界交叉点判别,以实现阴影检测和消除。实验结果表明,该新方法能获得高质量的重构背景,并能消除阴影(尤其是暗色目标的阴影),因此可提高目标的分割质量。

基于背景重构的运动目标检测算法

针对背景差分算法中的参考帧提取问题,引入动态时间弯折(DTW)算法,给出了一种新的基于块的背景重构方法。该算法根据相邻两帧图像所对应的背景区域灰度变化不大的特点,利用DTW算法从帧中提取出背景区域所对应的块,再确定出背景帧。仿真结果表明,即使是在图像存在几何畸变和部分像素点缺省的情况下该算法仍能准确地重构背景,实现对运动目标的提取。

改进PIC的背景重构算法与运动目标检测新方法

根据图像序列中出现频率最高的像素均值为背景点的思想,对像素灰度归类(pixel intensity classification,PIC)算法进行改进,通过将所选取的用于重构背景的序列图像像素值进行归一化、量化统计、量化范围拓展,从而重构背景图像,该方法避免了PIC算法中需要人为设定阈值;舍去了较为耗时及复杂的相近灰度区间合并等步骤;对于重构背景与目标图像作差后的二值图像,提出一种新的目标检测方法:粗精两步搜索法,可以精确确定目标物的位置,实现对运动目标的检测。实验结果表明该方法比PIC方法运行时间短、重构的背景噪声点少、粗精搜索后的目标位置准确,是一种快速有效的运动目标检测方法。

基于背景重构和水平集的多运动目标分割

针对固定摄像机监控中多运动目标自动分割问题,本文提出了一种基于背景差分和水平集的新方法。首先,该方法通过求解连续三帧图像的对称差分,确定出当前帧中的背景像素点,并对背景像素点的灰度值进行统计,最后选择频率最高的灰度值作为该点背景像素灰度值来重构背景。其次,提出了基于8-邻域搜索的区域生长算法完成连通区域的检测,并通过设置阈值和连通域分析,消除背景块噪声并标定出运动目标区域。最后,对所有运动目标区域块,分别采用无需重新初始化的水平集算法作分割,得到封闭和完整的目标轮廓。实验结果表明,该算法能实现固定摄像机监控中刚体或非刚体的多运动目标的自动检测和轮廓分割。

基于对称差分的背景重构算法

针对现有的背景重构算法存在的问题,提出一种新的算法,该算法基于子块操作,利用对称差分重构背景。首先对对称差分算法进行了改进,然后基于对称差分结果进行背景重构。该算法一定程度上利用了相邻像素间的关系,计算简单,不需存储采样图像,且对光照和背景变化可以自适应更新。实验结果表明,该算法能够快速、有效地重构背景图像。

基于像素序列形态的适应性背景重构算法

背景重构是视频图像处理领域的支撑性工作之一.针对传统的背景重构算法运算复杂、背景图像失真等不足,本文提出了一种像素序列形态适应性背景重构算法.该算法通过提取像素序列形态特征进行分类处理,不同形态适用独立的背景提取策略、背景更新时刻和背景更新策略.实验结果验证表明:该算法无需对视频场景中的背景和运动目标建立模型,可直接从一组含有运动前景的视频图像中准确地重构背景,并有效避免混合现象;背景缓慢变化和突变时,亦可快速有效地完成背景重构.

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.

一种高速密集视频监控场景背景重构方法

针对高速密集视频监控序列建立了一种新的简单的背景重构方法。该方法首先基于帧差序列的时空分布特性,利用高阶统计量理论,获取视频序列公共背景区域;然后根据同一背景帧差图像分布特性相似性,去除运动对于背景的干扰,形成路面背景序列值,从而获得路面背景图像;最后利用计分牌监测的自适应背景更新方法进行背景更新。实验结果表明该方法效果理想,为高速路视频背景重建和运动目标检测提供了新的方法。

基于背景重构的运动目标检测方法

视频图像中的运动目标检测是计算机视觉领域的重要研究内容。文章提出了基于背景减法和相邻帧差法相结合的运动目标检测算法和自适应背景更新方法,能够克服光线变化和摄像头的抖动,较为精确地进行多个动目标的判别定位。实验证实本方法的有效性和准确性。

基于背景重构的视频对象分割

本文阐述了变化检测存在的两类误差,从理论上论证了基于背景重构算法可以消除这两类误差,并给出了基于背景重构的视频对象分割算法。实验证明,本算法具有一定的实用性和鲁棒性。

基于非齐次指数函数的灰色预测模型背景值重构方法研究

灰色模型背景值重构是从变形数据本身出发,考虑数据波动性而引起的模型偏差对预测结果的影响,对背景值的构造形式加以改进。本文针对齐次指数函数的背景值拟合法存在的不足,提出了一种基于非齐次指数函数的背景值重构方法。其核心思想是充分考虑u/a的影响,将原始数据的1-AGO序列抽象为非齐次指数函数。该方法建模简单,计算方便,能够有效地提高拟合、预测精度。且不受0<-a<2的限制,在-a≥2的情况下也能保持良好的拟合、预测效果。

基于背景重构的公路车流量检测方法

在分析现有检测算法的基础上,提出了一种车流量统计算法,应用自适应背景重构方法,首先利用差分法提取动目标,然后通过先边缘检测再膨胀腐蚀的方法去除车影,最后在虚拟检测线上分区域段设置资源信号灯统计车流量。实验结果表明,本算法能够适应公路背景的变化,有效地去除了车影,统计结果准确可靠。

基于块的背景重构算法研究及应用

针对背景静止的立体视频压缩编码,提出了一种新的背景重构和前景提取的视频分割算法。首先在利用帧差法得到左右通道前景运动区域的基础上,分别对前景运动区域进行外接矩形块的初始化,并以初始块为单位进行左右通道的背景重构。然后,对左右通道视频中的每一帧序列均与重构的背景图像做差处理并得到运动前景。实验结果表明,此算法可以达到精确的分割效果,且视频分割后可以显著减小立体视频匹配时间,进而减少数据传输量和存储空间。

基于背景重构的视频分割技术及应用

针对背景静止的立体视频提出了一种快速的基于背景重构的视频分割算法。先利用帧差法分别确定出左右视频的前景运动区域,再重构出该区域的背景图像,最后,通过视频图像和背景图像的对比来准确地提取运动前景。然后,先匹配左右图像序列的背景图像,并保存它们的匹配结果,再分别对各立体图像对的运动前景进行匹配。采用该方法将立体视频分割可以减少图像数据的传输量和储存空间;同时,视频分割之后再做匹配运算,减少了立体匹配的时间。

一种DWT与背景重构相结合的运动目标分割方法

针对视频处理中数据量大、消耗时间长的缺点,在假定"背景像素总是以较高的频率在图像序列中出现"的前提下,提出了一种新的运动目标分割方法。首先将待处理的视频图像序列经过DWT变换(Discrete Wavelet Trans-form)提取其近似分量,然后利用像素点聚类方法,结合双阈值和相似类合并,选择一段时间内频率出现较高的像素值来重构背景,最后借鉴图像匹配的评价标准来验证重构背景的准确性。实验结果表明,该方法能提取出较好的背景,从而实现对运动目标的高效且完整分割。

基于均值漂移聚类算法的背景重构

针对传统的基于像素点进行背景重构的算法中运算复杂、背景图像失真等缺点,提出了一种基于像素点均值漂移聚类算法的背景重构方法。首先通过变化率的判断省略一部分不存在运动对象的像素点,然后对其余大部分像素点需要通过典型样本点的均值漂移算法迭代运算,最后对结果进行聚类得到背景点值。仿真结果表明,该方法在复杂运动目标视频序列中能够快速、完整地重构背景。

基于有效背景重构和对比度增强的Mura缺陷检测

提出一种基于有效背景重构和对比度增强的Mura缺陷检测方法。首先,提出了一种新的基于缺陷区域预剔除的背景重构方法,能够有效地重构背景图像,消除图像亮度不均等干扰。然后,引入了基于Otsu的双γ分段指数变换法对差分图像进行增强处理,能够有效解决背景残余问题且极大增强了Mura区域的对比度和轮廓度。最后,直接运用动态阈值分割方法,可以快速准确地将Mura缺陷分离出来。实验结果表明,与传统的多项式曲面拟合方法以及离散余弦变换法相比,本文方法对各种类型的Mura缺陷检测效果稳定,且检出率和无误报率均达到了97%以上。