一种利用改进贝叶斯修正二值图的背景减除方法技术

本发明专利技术公开一种利用改进贝叶斯修正二值图的背景减除方法，将二值图修正过程加入到现有的背景减除算法的每一步迭代中，使得每一次修正后的有效信息都能用于下一次迭代中，通过记录信息差异以及相应位置来达到反馈的目的，避免了每次迭代时的信息浪费；在二值图修正过程时，用符号函数与

【技术实现步骤摘要】
一种利用改进贝叶斯修正二值图的背景减除方法


[0001]本专利技术涉及数字图像处理
，具体涉及一种利用改进贝叶斯修正二值图的背景减除方法
。

技术介绍

[0002]随着互联网技术的快速发展，视频越来越多的成为记录信息的主要形式
。
在计算机视觉中，移动目标检测在众多场景中发挥着重要作用，逐渐成为了研究热点
。
目标检测的主要方法是背景减除，即通过将视频中的背景去除，从而留下感兴趣的前景
。
然而，由于现实生活中场景的复杂多变，而现有的背景减除方法对背景或前景的一方面的约束要求较高，因此最终得到的前景二值图中会出现空洞现象和误判现象，从而导致背景前景分离的性能不佳
。

技术实现思路

[0003]本专利技术所要解决的是现有背景减除方法所得到的前景二值图中存在的空洞现象和误判现象的问题，提供一种利用改进贝叶斯修正二值图的背景减除方法
。
[0004]为解决上述问题，本专利技术是通过以下技术方案实现的：
[0005]一种利用改进贝叶斯修正二值图的背景减除方法，包括步骤如下：
[0006]步骤
1、
对原始图像
X
进行灰度转换，得到原始灰度图
X0，并令原始灰度图
X0为当前灰度图像
Y
；
[0007]步骤
2、
对当前灰度图像
Y
进行主成分分析，得到当前原始背景灰度图
L
和当前原始前景灰度图
S
；
[0008]步骤
3、
对当前原始前景灰度图
S
进行二值转换，得到当前原始前景二值图
N
；
[0009]步骤
4、
基于原始图像
X
和当前原始前景二值图
N
，计算当前修正前景二值图
F
的像素点
F(x,y)
的像素值为0的预测概率
p(0|F(x,y))
和当前修正前景二值图
F
的像素点
F(x,y)
的像素值为1的预测概率
p(1|F(x,y))
；如果
p(0|F(x,y))
＜
p(1|F(x,y))
，则令当前修正前景二值图
F
的像素点
F(x,y)
的像素值为1；否则，令当前修正前景二值图
F
的像素点
F(x,y)
的像素值为0；由此得到当前修正前景二值图
F
；
[0010]步骤
5、
利用当前原始前景二值图
N
和当前修正前景二值图
F
对当前原始前景灰度图
S
进行调整，得到当前调整前景灰度图
H
；其中调整过程为：
[0011]计算当前修正前景二值图
F
的像素点
F(x,y)
的像素值减去当前原始前景二值图
N
的像素点
N(x,y)
的像素值的差值；
[0012]若差值为0，则令当前调整前景灰度图
H
的像素点
H(x,y)
的像素值等于当前原始前景灰度图
S
的像素点
S(x,y)
的像素值；
[0013]若差值为
‑1，则令当前调整前景灰度图
H
的像素点
H(x,y)
的像素值等于当前原始前景灰度图
S
的所有像素点的最小像素值；
[0014]若差值为1，则令当前调整前景灰度图
H
的像素点
H(x,y)
的像素值等于当前原始前
景灰度图
S
的所有像素点的最大像素值；
[0015]步骤
6、
判断
||L+H
‑
X0||
∞
＜
||L+S
‑
X0||
∞
是否成立：
[0016]如果成立，则令当前调整前景灰度图
H
为当前灰度图像
Y
；
[0017]否则，令当前原始前景灰度图
S
为当前灰度图像
Y
；
[0018]其中
X0为原始灰度图，
L
为当前原始背景灰度图，
S
为当前原始前景灰度图，
H
为当前调整前景灰度图，表示矩阵的无穷范数；
[0019]步骤
7、
判断是否达到预定的迭代终止条件即迭代次数达到设定的最大迭代次数或当前灰度图像
Y
在设定的次数下未发生改变：
[0020]如果未达到，则返回步骤2；
[0021]否则，将当前灰度图像
Y
的输出
。
[0022]上述步骤4的具体过程如下：
[0023]像素点
F(x,y)
的像素值为0的预测概率
p(0|F(x,y))
为：
[0024][0025]像素点
F(x,y)
的像素值为1的预测概率
p(1|F(x,y))
为：
[0026][0027]式中：
[0028]Q
(x,y)
表示原始图像
X
的像素点
X(x,y)
的正方形邻域，该正方形邻域
Q
(x,y)
的中心点为
Q(x,y)
，边长为
r
；表示正方形邻域
Q
(x,y)
的像素矩阵，其维度为
r
×
r
，其第
x'
行第
y'
列元素为正方形邻域
Q
(x,y)
的像素点
N(x
′
,y
′
)
的像素值
q
x',y'
，即
[0029]G
(x,y)
表示当前原始前景二值图
N
的像素点
N(x,y)
的正方形邻域，该正方形邻域
G
(x,y)
的中心点为
N(x,y)
，边长为
r
；表示当前原始前景二值图
N
的像素点
N(x,y)
的正方形邻域
G
(x,y)
的像素矩阵，其维度为
r
×
r
，其第
x
′
行第
y
′
列元素为正方形邻域
G
(x,y)
的像素点
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种利用改进贝叶斯修正二值图的背景减除方法，其特征是，包括步骤如下：步骤
1、
对原始图像
X
进行灰度转换，得到原始灰度图
X0，并令原始灰度图
X0为当前灰度图像
Y
；步骤
2、
对当前灰度图像
Y
进行主成分分析，得到当前原始背景灰度图
L
和当前原始前景灰度图
S
；步骤
3、
对当前原始前景灰度图
S
进行二值转换，得到当前原始前景二值图
N
；步骤
4、
基于原始图像
X
和当前原始前景二值图
N
，计算当前修正前景二值图
F
的像素点
F(x,y)
的像素值为0的预测概率
p(0|F(x,y))
和当前修正前景二值图
F
的像素点
F(x,y)
的像素值为1的预测概率
p(1|F(x,y))
；如果
p(0|F(x,y))
＜
p(1|F(x,y))
，则令当前修正前景二值图
F
的像素点
F(x,y)
的像素值为1；否则，令当前修正前景二值图
F
的像素点
F(x,y)
的像素值为0；由此得到当前修正前景二值图
F
；步骤
5、
利用当前原始前景二值图
N
和当前修正前景二值图
F
对当前原始前景灰度图
S
进行调整，得到当前调整前景灰度图
H
；其中调整过程为：计算当前修正前景二值图
F
的像素点
F(x,y)
的像素值减去当前原始前景二值图
N
的像素点
N(x,y)
的像素值的差值；若差值为0，则令当前调整前景灰度图
H
的像素点
H(x,y)
的像素值等于当前原始前景灰度图
S
的像素点
S(x,y)
的像素值；若差值为
‑1，则令当前调整前景灰度图
H
的像素点
H(x,y)
的像素值等于当前原始前景灰度图
S
的所有像素点的最小像素值；若差值为1，则令当前调整前景灰度图
H
的像素点
H(x,y)
的像素值等于当前原始前景灰度图
S
的所有像素点的最大像素值；步骤
6、
判断
||L+H
‑
X0||
∞
＜
||L+S
‑
X0||
∞
是否成立：如果成立，则令当前调整前景灰度图
H
为当前灰度图像
Y
；否则，令当前原始前景灰度图
S
为当前灰度图像
Y
；其中
X0为原始灰度图，
L
为当前原始背景灰度图，
S
为当前原始前景灰度图，
H
为当前调整前景灰度图，表示矩阵的无穷范数；步骤
7、
判断是否达到预定的迭代终止条件即迭代次数达到设定的最大迭代次数或当前灰度图像
Y
在设定的次数下未发生改变：如果未达到，则返回步骤2；否则，将当前灰度图像
Y
的输出
。2.
根据权利要求1所述的一种利用改进贝叶斯修正二值图的背景减除方法，其特征是，步骤4的具体过程如下：像素点
F(x,y)
的像素值为0的预测概率
p(0|F(x,y))
为：像素点
F(x,y)
的像素值为1的预测概率
p(1|F(x,y))
为：
式中：
Q
(x,y)
表示原始图像
X
的像素点
X(x,y)
的正方形邻域，该正方形邻域
Q
(x,y)
的中心点为
Q(x,y)
，边长为
r
；表示正方形邻域
Q
(x,y)
的像素矩阵，其维度为
r
×
r
，其第
x'
行第
y'
列元素为正方形邻域
Q
(x,y)
的像素点
N(x
′
,y
′
)
的像素值
q
x',y'
，即
G
(x,y)
表示当前原始前景二值图
N
的像素点
N(x,y)
的正方形邻域，该正方形邻域
G
(x,y)
的中心点为
N(x,y)
，边长为
r
；表示当前原始前景二值图
N
的像素点
N(x,y)
的正方形邻域
G
(x,y)
的像素矩阵，其维度为
r
×
r
，其第
x
′
行第
y
′
列元素为正方形邻域
G
(x,y)
的像素点
N(x
′
,y
′
)
的像素值
g
x',y'
，即
v
c
(x,y)
表示原始图像
X
的像素点
...

【专利技术属性】
技术研发人员：陈利霞，薛皓，陆游尤，王学文，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：