低秩的视频背景重构方法技术

本发明专利技术公开了一种低秩的视频背景重构方法，主要解决现有技术在对视频图像序列进行背景重建时，不能清晰可靠地重构视频背景图像的问题。其实现过程为：首先对输入的待处理视频X进行低秩分解，得到初始背景估计图像GL，然后检测待处理视频X中的目标区域，将目标区域的像素值全部置0，设定待处理视频X中的第一幅图像为参考图像，利用其他图像的像素值对参考图像中的目标区域进行填充，得到背景估计图像G，最后利用初始背景估计图像GL的灰度值对背景估计图像G中未填充完全的目标区域进行替换，得到最终的背景图像。本发明专利技术在对视频序列进行背景重构时，能够获得清晰可靠的背景图像，适用于各种背景固定的视频序列的背景重构。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及视频背景重构，具体地说是ー种对视频序列中的背景进行重构的方法，可用于各种背景变化较小的视频进行背景重建。
技术介绍
视频背景重构是视频处理领域中非常重要又富有挑战性的研究内容，通过无偏差地重构出视频的背景图像，可以精确地检测视频中的运动目标，实现视频的实时监控和目标定位。目前国内外针对视频的背景重构方面做了大量的研究工作，提出许多经典的算法。传统的背景重构算法包括均值滤波方法、中值滤波方 法、众数滤波方法、连续帧差法等。这些方法计算量小，原理简单，已经被广泛地应用到视频背景重构上，但是这些方法在重构的过程中由于混杂了大量的前景像素，无法精确地重构出背景图像，限制了这些传统的背景重构方法在实际中的应用。针对上述传统的视频背景重构方法效果较差，在实际应用中不能很好地实现的问题，目前国际上提出了一些改进上述缺点的视频背景重构算法。如，C.Stauffer和W. Grimson提出ー种自适应的混合高斯模型方法，是视频背景重构中非常经典的算法，具体参见((Adaptive background mixture models for real-time tracking)) In Proc.IEEEConference on Computer Vision and Pattern Recognition. 1999，pp. 246-252。这神方法是利用K个高斯分布函数对各个像素点的灰度进行建摸，并采用自适应的方法调整模型參数，对背景图像进行更新，此算法对视频中光照变化的适应性良好，适用于户外的视频背景重构，但是运算复杂度太大，实时性较差；此后，Emmanuel J等人提出利用低秩分解的方法进行视频背景重建，具体參见文献《Robust Principal Component Analysis)), Journalof the ACM，2009。通过对待处理视频进行低秩分解，可获得待处理视频的背景图像。这种方法速度快，实时性强，且可以获得可信的背景图像，但是基于低秩分解的方法获取的背景图像，存在前景目标运动后留下的阴影，重构的背景图像比较模糊，缺少细节信息。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种，以补充更多的细节信息，提高重构的背景图像清晰度。实现本专利技术目的的技术方案包括如下步骤(I)输入待处理视频，从待处理的视频中抽取大小均为mXn的200张连续的图像序列 Xi, i = 1， ，200 ;(2)对抽取的图像序列Xi进行中值滤波，得到滤波后的图像序列天,/ = 1，...,200;(3)将经过中值滤波的图像序列足.全部拉成列，按照i = 1，. . .，200的顺序排列组成高维数据X G R(Mn)X■，其中R(mxn)x■表示行数为mXn，列数为200的2维整数型矩阵；(4)通过低秩分解算法对高维数据X进行低秩分解，得到高维数据X的背景矩阵L G R(mXn)X2°°和前景矩阵S e R(mXn)X2°°，其中背景矩阵L表示视频序列中各个图像序列的背景图像，前景矩阵S表示视频序列中各个图像序列的前景目标提取图像；(5)利用matlab软件中的reshape函数,将背景矩阵L中的姆一列还原成大小为mXn的图像，得到200幅背景图像Ii, i = 1，2， ，200 ；(6)按以下公式对200幅背景图像Ii求均值，得到初歩的背景估计图像らG1 =——Yli , 200 rr1(7)利用matlab软件中的reshape函数,将前景矩阵S中的姆一列还原成大小为 mXn的图像，得到200幅前景图像Si, i = 1，2， ，200 ；(8)查找200幅前景图像Si中的目标区域8a)利用sobel边缘检测算子检测前景图像Si的边缘，得到Si的边缘图像も；Sb)利用形态学闭运算，将边缘图像式中相近但不连续的边缘连接起来，形成若干个互相独立的封闭区域Ab, b = 1，. . .，K，K表示获得的封闭区域的总数量；8c)设定阈值T=500，判断封闭区域aib，b = 1，. . .，K的面积是否大于给定阈值T，如果大于，则设定该封闭区域为目标区域aj，并记录目标区域的坐标位置为if，其中q =1，...，Q，Q表示检测到的目标区域的总数，且Q < K ;8d)设置标记i = i+1，判断是否满足条件i > 200,如果满足,则执行步骤(9),否则返回步骤8a)；(9)将图像序列為中坐标位置为/f的目标区域的像素点全部置0，得到图像序列X；,/= 1,...,200;(10)设图像序列:^中的第一幅图像为參考图像利用其他图像序列i/,/ = 2，…,200的像素值，替换參考图像\中像素为0的目标区域Zf ,替换后的參考图像即获得的背景估计图像G ;(11)查看背景估计图像G中是否存在像素值为0的区域，如果存在，则用步骤(5)获得的初始视频背景估计ら相应位置的像素值替换背景估计图像G中像素为0的区域，如果不存在，则背景估计图像G即为最终获得的清晰背景图像G'本专利技术在低秩分解方法的基础上引入视频图像序列背景信息的互补性，与传统的低秩分解方法相比，消除了目标运动后留下的阴影，补充了更多的细节信息，提高重构的背景图像清晰度。仿真实验表明，本专利技术能有效的重构视频背景图像，增加图像的细节信息，使重构的背景图像更加清晰可信。附图说明图I是本专利技术的流程图；图2是本专利技术在仿真实验中应用的视频图像序列的第I幅图像；图3是本专利技术在仿真实验中应用的视频图像序列的第30幅图像；图4是本专利技术在仿真实验中得到的视频背景重构图像；图5是现有的基于混合高斯模型的方法在仿真实验中得到的视频背景重构图像；图6是现有的基于低秩分解的方法在仿真试验中得到的视频背景重构图像。具体实施例方式參照图I，本专利技术的具体实现步骤如下步骤1，输入待处理的视频，从待处理视频中抽取大小均为mXn的200幅连续图像序列Xi, i = 1，.，200，其中图2为抽取的第I幅图像X1,图3为抽取的第30幅图像X3tl，利用大小为3X3的中值滤波窗ロ对图像序列Xi进行滤波，得到滤波后的图像序列X, I = 1,...,200 0步骤2，将滤波后的图像序列為全部拉成列，按照i = 1，. . .，200的顺序排列组成高维数据X G RWrix2'其中Ro-xnw表示行数为mXn，列数为200的2维整数型矩阵。步骤3，利用低秩分解算法对高维数据X e R(mXn)X2°°进行低秩分解，得到X的背景矩阵 L G R(mXn)X200 和前景矩阵 S G R(-Xn)X2°°。上述中利用低秩分解算法对高维数据X e R(mXn)X2°°进行低秩分解，是通过现有的低秩分解方法实现的，该方法是由Emmanuel candes和Yi Ma等人于2009年提出的,參见文献〈〈Robust Principal Component Analysis))Computing Research Repository-CORR, vol.abs/0912. 3，2009，具体操作如下3a)初始化迭代次数t=0,迭代误差e为0. 0001 ;3b)设t=t+l,利用matlab软件中的randn函数生成随机高斯矩阵A,按照如下公式得到3个中本文档来自技高网...

【技术保护点】
一种低秩的视频背景重构方法，包括如下步骤：(1)输入待处理视频，从待处理的视频中抽取大小均为m×n的200张连续的图像序列xi,i＝1,...,200；(2)对抽取的图像序列xi进行中值滤波，得到滤波后的图像序列(3)将经过中值滤波的图像序列全部拉成列，按照i＝1,...,200的顺序排列组成高维数据X∈R(m×n)×200，其中R(m×n)×200表示行数为m×n，列数为200的2维整数型矩阵；(4)通过低秩分解算法对高维数据X进行低秩分解，得到高维数据X的背景矩阵L∈R(m×n)×200和前景矩阵S∈R(m×n)×200，其中背景矩阵L表示视频序列中各个图像序列的背景图像，前景矩阵S表示视频序列中各个图像序列的前景目标提取图像；(5)利用matlab软件中的reshape函数，将背景矩阵L中的每一列还原成大小为m×n的图像，得到200幅背景图像li，i＝1,2,...,200；(6)按以下公式对200幅背景图像li求均值，得到初步的背景估计图像GL：GL=1200Σi=1200li,(7)利用matlab软件中的reshape函数，将前景矩阵S中的每一列还原成大小为m×n的图像，得到200幅前景图像si，i＝1,2,...,200；(8)查找200幅前景图像si中的目标区域：8a)利用sobel边缘检测算子检测前景图像si的边缘，得到si的边缘图像8b)利用形态学闭运算，将边缘图像中相近但不连续的边缘连接起来，形成若干个互相独立的封闭区域aib，b＝1,...,K，K表示获得的封闭区域的总数量；8c)设定阈值T=500，判断封闭区域aib，b＝1,...,K的面积是否大于给定阈值T，如果大于，则设定该封闭区域为目标区域aiq，并记录目标区域的坐标位置为其中q＝1,...,Q，Q表示检测到的目标区域的总数，且Q＜K；8d)设置标记i＝i+1，判断是否满足条件i＞200，如果满足，则执行步骤(9)，否则返回步骤8a)；(9)将图像序列中坐标位置为的目标区域的像素点全部置0，得到图像序列(10)设图像序列中第一幅图像为参考图像利用其他图像序列的像素值，替换参考图像中像素为0的目标区域替换后的参考图像即获得的背景估计图像G；(11)查看背景估计图像G中是否存在像素值为0的区域，如果存在，则用步骤(5)获得的初始视频背景估计GL相应位置的像素值替换背景估计图像G中像素为0的区域，如果不存在，则背景估计图像G即为最终获得的清晰背景图像G*。FDA00001894246200011.jpg,FDA00001894246200012.jpg,FDA00001894246200014.jpg,FDA00001894246200015.jpg,FDA00001894246200021.jpg,FDA00001894246200022.jpg,FDA00001894246200023.jpg,FDA00001894246200024.jpg,FDA00001894246200025.jpg,FDA00001894246200026.jpg,FDA00001894246200027.jpg,FDA00001894246200028.jpg,FDA00001894246200029.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：王爽，焦李成，季佩媛，戎凯旋，刘婷婷，郑喆坤，李源，马晶晶，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：