基于改进背景减法的视频图像运动目标检测

为解决传统背景减法在动态背景下受噪声干扰和运动目标检测准确性不高的问题,提出一种基于改进背景减法的视频图像运动目标检测方法。在背景建模阶段,为易于计算和提高检测精度,采用基于GMM的图像块均值方法重构背景模型;在目标检测阶段,采用数学形态学和小波半软阈值函数相结合的方法对检测到的运动目标进行去噪处理;在背景更新阶段,采用自适应背景更新方法进行背景更新。实验结果表明,所提方法提高了运动目标检测的准确性,验证了其有效性。     

基于HSI模型的彩色图像背景减法

提出了一种基于HSI模型的彩色图像背景差法,充分考虑了色度(H)、饱和度(S)、亮度(I)三者之间的关系.根据H、S分量与I分量相互独立的特点,综合利用H分量和S分量新建背景亮度信息,根据亮度信息,采用动态阈值提取出精确的前景对象.该算法高速有效,对噪声和光线的变化有较强的鲁棒性.     

基于改进小波阈值法的图像去噪算法

图像去噪是图像处理中最基本、最重要的前期工作,本文提出一种基于衰减法的Garrote阈值函数,并将基于该改进阈值函数的小波阈值法用于图像去噪过程,最后通过MATLAB仿真实验验证了本文所提出算法的有效性.本文在分析小波阈值法对图像去噪效果影响的基础上,针对该去噪算法在去除噪声的同时也损失了一定量的图像细节信息的问题,改进了传统阈值函数未考虑阈值以下的小波系数可能含有图像细节信息而对阈值以下小波系数盲目置零的缺点,对Garrote阈值函数阈值以下的小波系数采取衰减方法,以保留更多的图像细节信息,并加入三个调整因子以提高其性能和灵活度,实验表明本文提出的改进小波阈值去噪算法能够有效地去除噪声,且能够保留大量的图像边缘及细节信息.     

基于在线聚类的背景减法

假定"背景总是以较大的频率出现"的基础上,提出一种基于在线聚类的背景减法.利用在线聚类对一段时间内像素的灰度值进行分类,选择出现频率大于阈值的灰度类作为该像素的背景,这样可以较好地构建出单模态或多模态场景的背景.一旦背景被构建好,通过融合背景差分、邻域背景差分和帧间差分的信息提取前景,实现正确而完整的运动目标分割.仿真实验表明,即使在背景有微小运动的复杂环境下,算法仍能较好地构建背景,运动分割效果较好.     

一些新的图像阈值选取方法

寻找简单实用的图像阈值自动选取方法一直是许多图像处理工作者的工作目标。目前已提出的图像阈值选取方法虽多达数十种,但常用的仍然只有Ｏｔｓｕ方法、最大熵法、矩量保持法、简单统计法等这几种,受Ｏｔｓｕ方法的启示,本文提出了一系列与之有类似表达式的简单实用阈值选取方法,所有方法均通过一些典型图像验证证明其是行之有效的。     

基于改进的小波阈值函数语音增强方法

传统的小波阈值去噪方法会造成有用语音信号的损失, 信噪比改善情况不理想. 通过分析小波去噪原理, 提出了一种改进的小波阈值函数语音增强方法. 该方法结合小波软、硬阈值函数去噪的优点, 克服了硬阈值函数的不连续及软阈值函数存在偏差的缺点. 该方法首先对清浊音信号进行判断, 接着采用变化的阈值对清浊音信号的小波系数进行不同的阈值处理. 仿真实验结果表明, 改进的方法非常适用于强噪声背景下的语音增强, 无论在保留含噪语音信号中的清音信息, 还是在信噪比改善指标上均优于传统的软阈值法、谱减法和听觉感知小波变换法.     

结合对称差分法和背景减法的目标检测方法

针对帧差法易产生空洞以及背景减法不能检测出与背景灰度接近的目标的问题,提出了一种将对称差分法和背景减法相结合的运动目标检测算法。首先利用对称差分法和背景减法分别得到两种差分图像,并用OTSU分割法（大津法）得到合适的阈值将这两种差分图像二值化,然后将得到的两种二值化图像进行或运算,最后利用图像形态学滤波得到准确的运动目标。     

基于新的码书模型检测动态背景下的运动目标

为了能有效解决动态背景下运动目标的检侧问题,给出了一种结合HSV颜色空间和图像分块思想的码书模型方法.这种方法可以分为三步:首先根据视频图像大小,合理确定其分块的大小;然后根据HSV颜色空间下的亮度和颜色扭曲度信息构造块码书模型;最后利用得到的块码书模型检测运动目标,并且同时更新此码书模型.实验结果证实:对存在动态因素的背景视频,提出的方法不仅能有效抑制伪目标的出现,而且能准确、实时地检测出真实的运动目标.     

基于背景减法和时空熵的运动目标检测新方法

从图像序列或视频中检测运动目标是计算机视觉领域中一个基础而关键的任务,但是,运动目标的检测结果通常会因背景变化(光照、背景抖动)而受到干扰.针对以上问题,提出了一种结合背景减法和时空熵的运动目标检测新方法.算法首先利用改进∑-⊿方法构建背景图像,然后用当前帧图像和背景图像做差,得到差分图像.通过计算差分图像的时空熵,可以有效地检测出目标.实验结果表明,新方法可以检测复杂背景下的运动目标,而且对阈值不敏感,算法耗费时间少,易于实现.     

基于边缘信息的图像阈值化分割方法

针对现有几种利用边缘信息来进行图像闽值分割的方法存在的对噪声高度敏感,梯度阈值难以选取,且不具有自适应性的特点,提出一种抗噪声影响的形态学梯度算子和一种基于梯度直方图统计特征的梯度闽值自适应选取算法,得出了一套完整的基于边缘信息的图像闽值化分割算法。     

一种基于对称差分和背景消减的运动检测方法

该文提出一种综合利用对称差分和背景消减来进行运动检测的方法。首先通过建立一个可靠的背景更新模型,由背景消减法得到基本准确的前景图像,然后和对称差分法得到的差分图像综合,得到完整可靠的运动目标图像,最后用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响,并用区域填充算法来填补目标区域的小孔,从而将视频序列中的运动目标比较可靠地检测出来。实验结果表明,该方法快速、准确,有一定的实际应用价值。     

一种基于像素梯度信息的背景减除法

讨论了背景模型的更新参数与模型精度的关系。通过精确的梯度背景模型值间接估计当前帧中背景像素理论上的期望梯度值。以高斯模型为基础,将当前帧背景像素的实际梯度值与其理论上的期望值进行比较,计算偏差概率,以此为基础,形成不依赖于局部纹理的梯度特征的相似性度量方法。再用梯度特征的相似度量化地调整差分图像在各像素点处的二值化阈值,实现像素值信息与梯度信息的融合使用。实验表明,本方法对前景分割有一定的改善效果。     

基于RGB颜色空间的减背景运动目标检测

在计算机视觉领域中,运动目标检测与分割是一个基础而又关键的问题.减背景法是其中一个比较经典和常用的方法,其难点在于如何获取背景以及实现背景的自适应更新.针对该问?提出一种基于RGB颜色空间的运动目标检测算法,充分利用了图像序列在RGB空间中的变化特点,首先通过抽取帧图像进行背景重构,即对图像序列中每个像素点的RGB值进行排序后取中间值作为该点背景像素的RGB值;在此基础上引入学习率对背景进行自适应更新,然后在RGB空间中进行前景目标提取,最后利用数学形态学和连通性分析对结果进行后处理.实验结果表明,该算法快速有效、能够满足实时要求.     

基于灰度直方图的背景差目标检测算法

提出了一种基于灰度直方图的目标检测方法。背景差法和帧间差法是两种比较常用的目标检测方法。利用图像灰度直方图进行背景建模,然后提取视频序列中的一帧图像与背景模型进行对比分析,设定一个阈值来判断当前帧与背景模型之间的差异性,以此可以快速判断是否有目标出现。实验结果表明,此方法简单有效、计算复杂度低,能够快速地检测出视频序列中的目标。     

一种改进的高斯混合背景模型算法及仿真

高斯混合模型广泛应用于基于背景建模的运动目标检测中,高斯混合模型参数估计和更新算法影响到背景模型的性能.文中对传统的高斯混合背景模型进行了改进,针对背景局部运动、活动阴影等问题,采用混合色彩值抑制阴影,在背景更新中引入一个"前景支撑映射"(Foreground Support Map, FSB),较好地解决了背景模型的提取、更新、背景扰动、外界光照变化等问题.实验结果证明,实验结果验证了该方法的有效性和在复杂背景变化下的鲁棒性.     

一种融合局部纹理和颜色信息的背景减除方法

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 (Local binary pattern)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.     

高斯尺度空间下估计背景的自适应阈值分割算法

为有效分割非均匀光照图像,提出一种在高斯尺度空间下估计背景的自适应阈值分割算法. 首先,利用二维高斯函数对待处理图像进行卷积操作来构建一个高斯尺度空间,在此空间下进行背景估计,并采用背景差法来消除非均匀光照干扰,从而提取出目标图像;然后,采用 矫正进行增强处理以突出较暗目标信息;最后,经强调谷底的最大类间方差法进行全局分割得到最终结果. 为验证算法的有效性,对非均匀光照条件下文本图像以及非文本图像进行了测试,并与基于偏移场的模糊C均值方法、灰度波动变换自适应阈值分割算法和自适应最小误差阈值分割算法,在错误分割率和运行时间上进行了对比. 实验结果表明,对比以上三种方法,该算法的分割结果更为理想.     

光照变化的背景减除新算法

光照变化对传统的背景减除算法有很大的影响,文中提出一种新的基于矢量线性相关性分析的背景减除算法,可以适应光照的变化.先对图像序列建模,对比分析当前图像与背景,把当前图像分为无变化、光照变化和内容有变化的三类区域,然后对内容变化区域进行各个像素矢量线性相关性分析,判断像素属于前景还是背景,得到最终的结果.实验结果显示,这种方法对光照变化具有很好的适应性,改进了一般算法在光照变化时的性能.     

基于改进GMM背景差分方法的蒸汽泄漏检测研究

为检测反应堆回路试验装置蒸汽泄漏,提出了一种改进的基于背景差分法的蒸汽泄漏红外视频检测方法。该方法利用红外相机采集图像,使用Wasserstein距离匹配像素点,采用K-means方法去更新改进的混合高斯背景模型（GMM）;在后处理中,采用自适应均值滤波及形态学方法抑制环境噪声,通过对泄漏图像灰度形状面积的分层融合特征判断实现对蒸汽泄漏的分级检测。为实现对算法效果的量化,利用泄漏报警率、F1分数等指标评价检测方法的优劣,提出以Dice系数作为算法分割效果的评价函数;在steamTS200inf数据集上的试验结果表明,泄漏报警率可达98.52%,最后一帧分割Dice值可达78.31%,本文方法可有效检测蒸汽泄漏。