资源描述：
《一种融合局部纹理和颜色信息的背景减除方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第35卷第9期自动化学报Vol.35,No.92009年9月ACTAAUTOMATICASINICASeptember,2009一种融合局部纹理和颜色信息的背景减除方法徐剑1丁晓青1王生进1吴佑寿1摘要背景减除是低级计算机视觉和视频处理的关键技术之一.本文提出一种新的背景减除算法,该算法将局部纹理信息和颜色信息联合起来表示背景,并借鉴了混合高斯模型的思想,采用多个模式描述背景模型.为了更充分地描述纹理信息,本文改进了LBP(Localbinarypattern)算子.实验结果表明,本文提出的算法性能在绝大多数情况下优于现有其他算法.关键词背景减除,背景模型,前景提取,混
2、合高斯,LBP中图分类号TP391.4BackgroundSubtractionBasedonaCombinationofLocalTextureandColor1111XUJianDINGXiao-QingWANGSheng-JinWUYou-ShouAbstractBackgroundsubtractionisoneofthekeytechniquesincomputervisionandvideoprocessing.Anewbackgroundsubtractionalgorithmisproposedinthispaper,whichcombineslocal
3、textureandcolorinformationtodepictbackgroundandadoptstheideaofmixtureofGaussianthatusesmultiplemodestorepresentbackgroundmodel.Inordertorepresenttexturebetter,LBPismodi¯ed.Experimentsshowthattheproposedalgorithmhasbetterperformancethanotheronesinmostcases.KeywordsBackgroundsubtraction,ba
4、ckgroundmodel,foregroundextraction,mixtureofGaussian,localbinarypattern(LBP)背景减除是低级计算视觉和视频处理领域的关提出的混合高斯模型.MoG通过统计一段时间内键技术之一,广泛应用于视频监控、智能交通、体育像素颜色变化情况描述背景,能够描述多个背景模视频、工业视觉等领域中.背景减除的作用是将背式.该算法是目前使用最广泛的算法,并且有许多景部分从视频中减去,以提取运动前景.其核心问题改进算法[5¡6].例如,Tuzel等[5]采用递归贝叶斯学是建立一个自适应的背景模型,以准确描述背景信习方法估计每
5、个高斯分量的均值和方差的分布,这息.一个性能良好的背景模型要能够有效描述各种样能够有效地估计表示每个像素所需要的分量数量,条件下背景在空域和时域所发生的变化.但这是非从而更好地表示拥有多个模式的背景.混合高斯采常困难的,因为实际的背景环境变化是非常复杂的,用高斯分布来表示每个分量的分布,某些情况下,高有光线的变化,如亮度的渐变、光照的突变、阴影等;斯分布可能得不到满足,文献[4]提出一种核密度模有运动背景的影响,如被风吹动的树叶、水纹、变化型,它采用非参数概率估计方法估计表示每个背景的显示屏幕等.模式的分量.在文献[2¡3]中,采用运动模型估计背景描述方法可分成两类:一
6、类采用颜色、亮每个像素的变化,即采用Kalman滤波器或者隐马度等图像像素信息来描述背景,另一类则采用边缘、尔可夫模型(HiddenMarkovmodels,HMMs)来纹理等图像的结构信息来描述背景.第一类算法包估计像素的变化.这类算法的特点是在描述背景的括差分模型、混合高斯模型(MixtureofGaussian,过程中,仅仅使用像素的颜色、亮度等信息,绝大多MoG)[1]、滤波预测模型[2¡3]、核密度模型[4]、码书模数方法在某些方面呈现出良好的性能,如能够适应型等.其中最著名的算法是Stau®er和Grimson[1]光照的渐变和动态背景,但是,颜色、亮度特征
7、对收稿日期2008-09-27收修改稿日期2009-01-13阴影、噪声比较敏感,在前景和背景颜色相似的情ReceivedSeptember27,2008;inrevisedformJanuary13,2009况下性能会下降.基于结构信息的背景减除方法主国家重点基础研究发展计划(973计划)(2007CB311004),国家高技术研究发展计划(863计划)(2006AA01Z115)和国家自然科学基金要采用局部区域的边缘、纹理等结构信息描述背景.(60472002)资助文献[7]的背景模型是根据视频的第一帧图像建立SupportedbyN
