基于圖像內(nèi)容敏感度的交通視頻背景提取算法.pdf

1、圖像分割是由圖像處理進(jìn)到圖像分析的關(guān)鍵步驟,也是一種基本的計(jì)算機(jī)視覺技術(shù)。這是因?yàn)閳D像的分割、目標(biāo)的分離、特征的提取和參數(shù)的測量將原始圖像轉(zhuǎn)化為更抽象更緊湊的形式,使得更高層的分析和理解成為可能。圖像分割的質(zhì)量、區(qū)域界線定位的精度將直接影響后續(xù)的區(qū)域描述,因此多年來圖像分割一直得到人們的高度重視。
　　 在交通視頻圖像中,把運(yùn)動目標(biāo)從背景中分割出來是圖像分割的重要應(yīng)用之一。為了更準(zhǔn)確的獲取感興趣目標(biāo),在運(yùn)動目標(biāo)檢測之前需要進(jìn)行及

2、時的背景更新,特別是在以圖像差分方法對視頻圖像進(jìn)行運(yùn)動目標(biāo)分割時。近年來,國內(nèi)外學(xué)者對背景更新方法進(jìn)行了廣泛的研究。常用的背景更新方法有:統(tǒng)計(jì)學(xué)背景模型、混合高斯背景模型和基于卡爾曼濾波器的背景模型等。基于統(tǒng)計(jì)學(xué)的背景模型適用于目標(biāo)數(shù)量少、連續(xù)運(yùn)動且背景在大部分時間是可見的情況,但對于監(jiān)測場景中有大量的運(yùn)動物體,這種方法估計(jì)的背景就會有比較大的偏差。基于混合高斯分布的背景模型可以很好的適應(yīng)光線的變化,緩慢移動的目標(biāo)等。基于卡爾曼濾波器的

3、背景模型沒有考慮到系統(tǒng)噪聲是隨著照明條件的變化而變化的而使其應(yīng)用受到了限制。
　　 本文在基于移動區(qū)域的背景更新算法基礎(chǔ)上,提出一種基于圖像內(nèi)容敏感度的交通視頻背景提取算法,該算法根據(jù)多幀圖像具有不同熵能量的特性,對圖像內(nèi)容進(jìn)行分析。首先,通過混合高斯模型得到移動區(qū)域熵能量最小的背景圖；然后,利用熵能量動態(tài)選取權(quán)重因子,更新當(dāng)前圖像各像素點(diǎn)的混合高斯模型；最后,通過加權(quán)平均求取背景圖中各點(diǎn)的像素值。實(shí)驗(yàn)表明,該算法能夠很好的延遲