一種稀疏編碼背景建模方法
【專利摘要】本發(fā)明公開了一種稀疏編碼背景建模方法，該方法采用判別性原子模型方法對(duì)圖像進(jìn)行背景建模，具有如下步驟：步驟1：將采集到的圖像分割成多個(gè)圖像塊，將圖像塊進(jìn)行稀疏編碼，步驟2：在圖像的稀疏編碼模型基礎(chǔ)上，對(duì)稀疏編碼字典中的原子利用頻-逆向文件頻率（tf-idf）統(tǒng)計(jì)分析方法查找出判別性原子，步驟3：利用上述選擇出的判別性原子完成圖像的背景重建。由于采用了上述技術(shù)方案，本發(fā)明提供的圖像背景建模方法，該方法是在圖像稀疏編碼模型基礎(chǔ)上，利用平均信息量和詞頻-逆向文件頻率（tf-idf）技術(shù)，對(duì)稀疏編碼字典中原子進(jìn)行統(tǒng)計(jì)分析，尋找出攜帶判別性信息的原子即判別性原子，并利用判別性原子重建圖像背景信息。
【專利說(shuō)明】一種稀疏編碼背景建模方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，尤其涉及一種稀疏編碼背景建模方法。
【背景技術(shù)】
[0002]在圖像處理【技術(shù)領(lǐng)域】中背景提取和背景去除是圖像處理中一項(xiàng)關(guān)鍵的步驟，現(xiàn)有技術(shù)中的背景建模方法主要分為像素級(jí)的方法和幀級(jí)的方法。典型的像素級(jí)方法包括:幀差法[1]，核密度法[3]和混合高斯法[2]。幀差法使用相鄰幀的差值進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，這種方法算法簡(jiǎn)單，計(jì)算速度快，但是對(duì)于前景的檢測(cè)不夠精確。尤其是當(dāng)前景面積較大，像素的亮度分布較為均勻，運(yùn)動(dòng)速度較慢時(shí)，幀差法對(duì)前景的檢測(cè)將出現(xiàn)大的空洞?；旌细咚狗ㄕJ(rèn)為背景像素可以使用多個(gè)高斯分布進(jìn)行表征，并因此使用多個(gè)不同的高斯分布實(shí)現(xiàn)對(duì)背景的建模?；旌细咚狗梢愿鶕?jù)當(dāng)前的圖像對(duì)背景模型的參數(shù)進(jìn)行更新，能夠較好的實(shí)現(xiàn)對(duì)動(dòng)態(tài)背景的建模，是一種非常常用且有效的背景建模方法。而且在原算法的基礎(chǔ)上，也有很多的改進(jìn)方法提出[4，5]。但是，并不是在所有的情況下混合高斯模型都能夠準(zhǔn)確的對(duì)背景進(jìn)行建模，比如，當(dāng)前景與背景的像素比較相似時(shí)，混合高斯模型常常誤將部分前景像素檢測(cè)為背景。不同于混合高斯法中使用高斯分布對(duì)背景進(jìn)行建模，核密度法使用核密度估計(jì)估算背景像素的概率分布并以之對(duì)背景建模。具體而言，對(duì)于一個(gè)像素點(diǎn)，核密度估計(jì)采樣過(guò)去幾幀中這個(gè)像素點(diǎn)處的像素值，并使用這些像素值的核函數(shù)的均值對(duì)此像素點(diǎn)像素值的概率分布進(jìn)行估計(jì)。核密度法是一種非參數(shù)的估計(jì)方法，其對(duì)概率密度的估計(jì)并不局限于特定的概率密度分布，因此可以對(duì)任意形式的背景分布做出估計(jì)，靈活性更高。但是核密度法的運(yùn)算量較大，估計(jì)的時(shí)間復(fù)雜度較高。
[0003]不同于像素級(jí)的模型對(duì)各幀內(nèi)的背景像素的分布進(jìn)行建模，幀級(jí)的模型通過(guò)分析幀間的圖像結(jié)構(gòu)對(duì)背景進(jìn)行建模。目前比較常見的幀級(jí)模型有PCA模型[6]，稀疏編碼模型
[9]和低秩[7，8]模型。PCA模型假設(shè)各幀的背景圖像分布于一個(gè)低維的子空間中，并通過(guò)PCA學(xué)習(xí)得到的基函數(shù)對(duì)背景圖像進(jìn)行重建。與PCA模型相似，稀疏編碼模型使用字典中的原子對(duì)視頻圖像的背景進(jìn)行表征，并根據(jù)背景建模的特點(diǎn)，將普通稀疏編碼中的2范數(shù)誤差項(xiàng)替換為I范數(shù)誤差項(xiàng)，加強(qiáng)了算法的魯棒性。同樣是基于子空間的假設(shè)，Candes等人假設(shè)潛在的背景圖片都列于一個(gè)低秩子空間中，因此通過(guò)尋找圖像序列的低秩表征來(lái)進(jìn)行背景建模。在Candes等人工作的基礎(chǔ)上，Zhou等人利用馬爾可夫隨機(jī)場(chǎng)對(duì)前景所在區(qū)域加入了連續(xù)性約束，實(shí)現(xiàn)了更好的背景建模效果。
[0004]目前的幀級(jí)模型都是基于潛在背景圖像位于一個(gè)線性子空間中的假設(shè)，直接對(duì)全局背景進(jìn)行建模。這種對(duì)直接對(duì)全局背景進(jìn)行建模的方法對(duì)于較強(qiáng)烈的局部背景變動(dòng)比較敏感，然而幀級(jí)的全局模型不能區(qū)分背景中運(yùn)動(dòng)目標(biāo)和前景中運(yùn)動(dòng)目標(biāo)。

【發(fā)明內(nèi)容】

[0005]根據(jù)現(xiàn)有技術(shù)存在的問(wèn)題，本發(fā)明公開的一種稀疏編碼背景建模方法，對(duì)采集到的圖像進(jìn)行背景建模，具體采用如下方式:該方法采用判別性原子模型方法對(duì)圖像進(jìn)行背景建模，所述判別性原子模型方法采用如下方式:
[0006]步驟1:將采集到圖像分割成多個(gè)圖像塊，對(duì)圖像塊按照下述公式進(jìn)行稀疏編碼；
【權(quán)利要求】
1.一種稀疏編碼背景建模方法，其特征在于:該方法采用判別性原子模型方法對(duì)圖像進(jìn)行背景建模，所述判別性原子模型方法采用如下方式: 步驟1:將采集到圖像分割成多個(gè)圖像塊，對(duì)圖像塊按照下述公式進(jìn)行稀疏編碼:
2.根據(jù)權(quán)利要求1所述的一種稀疏編碼背景建模方法，其特征還在于:對(duì)判別性原子的選擇采用如下方式: 對(duì)所有圖像塊，根據(jù)上述tf-1df計(jì)算公式，計(jì)算得到所有原子的tf-1df值的集合J ={tf-1df ((Ii, Yj) I (Ii e D, Yj e Y}； 根據(jù)設(shè)定的tf-1df的臨界值，選擇出J中大于該臨界值的子集J。； 則確定判別性原子的集合為 = Idi I Vdi G D,3yj e 7, If-1df(Ji1Vi) e /σ}。
【文檔編號(hào)】G06T7/00GK103745465SQ201410001821
【公開日】2014年4月23日 申請(qǐng)日期:2014年1月2日 優(yōu)先權(quán)日:2014年1月2日
【發(fā)明者】戚金清, 胡陽(yáng) 申請(qǐng)人:大連理工大學(xué)