一种视频图像的前景识别提取和拼接方法技术

本发明专利技术涉及一种视频图像的前景识别提取和拼接方法，该方法针对视频图像背景更新过程中目标与背景相互转化的动态不确定性，以及前景图像提取的准确与完整性，建立相应的模型和方法，对背景学习速率进行自适应控制，在粗提取前景图像之后，对破碎的前景进行拼接以及噪声去除，最终检测并分离出前景图像，并进行前景图像连通，构成整体前景图像，达到前景提取的正确性和有效性。属于计算机图像处理领域。

【技术实现步骤摘要】

【技术保护点】
一种视频图像的前景识别提取和拼接方法，其特征在于该方法包括以下步骤：步骤一：前景图像模型建立设图像中的像素点(x0,y0)在t时刻的观察值Xt属于背景的概率为：P(Xt)=Σi=1Kωi,t*η(Xt,μi,t,Σi,t)其中，K为模型中的高斯分布个数；为t时刻第i个高斯分布的权值；μi，t为t时刻第i个高斯分布的均值；∑i，t为t时刻第i个高斯分布的协方差矩阵，其定义如下：Σi,t=σi2I为第i个高斯分布的方差，I为i行i列的单位阵；η为高斯分布的概率密度函数：η(Xt,μi,t,Σi,t)=1(2π)π2|Σi,t|12*e-12(Xt-μt,t)TΣ-1(Xt-μi,t)取K=5，初始化时第1个高斯分布的权值设为1，均值为当前像素点的值Xt，方差设为12.5，匹配次数设为1；除第1个高斯分布之外的其他分布的权值、均值均设为0，方差设为12.5，匹配次数设为0；步骤二：模型更新对K个高斯分布按照优先级从高到低排列，每个新观测值Xt与K个高斯分布按下式进行匹配计算：|Xt?μi，t?1|σi,t2=(1-β)σi,t-12+β(Xt-μi,t)T(Xt-μi,t)β=αη(Xt|μi，t,σi，t)没有匹配的高斯分布维持不变；对于每个高斯分布设置一个计数值用来记录每帧中每个高斯分布的匹配次数，每匹配一次该计数值加1，该计数值称为高斯分布匹配次数mi，t；α和β是模型更新过程中两个重要的参数，β为均值和方差的学习速率；如果Xt与任何一个高斯分布都不匹配，则优先级最低的高斯分布将被一个新的高斯分布替换，该分布的权值设为K个高斯分布的匹配次数之和的倒数，均值设为Xt，方差设为900，匹配次数设为1；将K个高斯分布按优先级由高到低排列，取前B个高斯分布生成背景，如下式：Xbg=Σi=1Bωi,tμi,tB=argminb(Σi=1bωi>T)其中，arg?min()函数为求出满足的最小的b，并将b的值赋给B，T为背景选取阈值（0E=summatchnummatchS=(mi,t-E)2根据以下不同情况对背景学习速率α进行自适应更新：1）当标准差S＞4500时，当前帧的主匹配次数mi，t相对历史值有较大变动，此时暂不更新α的值，清空计数值nummatch和累计值summatch，将当前帧作为累计的起始帧，将均值E更改为当前帧的主分布匹配次数m1，t；2）当标准差S的取值范围为4500≥S>500，且当前主匹配次数mi，t大于均值E时，背景学习速率α更改为0.004；3）当标准差S的取值范围为4500≥S>500，且当前主匹配次数mi，t小于等于均值E时，背景学习速率α更改为0.02.4）当标准差S≤500时，背景学习速率α稳定在0.005；步骤四：前景粗提取1）将当前视频图像和构造出的背景图像化为灰度图像，计算方法为：Gray=0.072169B+0.715160G+0.202671R其中R、G、B分别表示每个像素红、绿、蓝值，Gray是转换后的灰度值；2）将转化为灰度图像的当前视频图像和背景图像进行灰度平衡处理，首先统计灰度值为j所对应的像素个数nj，j=0,1,2,…,255，则对应灰度值为j的直方图高为nj，记为H(j)=nj；计算直方图的面积，记为H’(x)，即：H′(x)=∫0x(ζ)dζ,其中x=0,1,2,……,255.根据直方图的面积计算值，对得到的当前视频图像和背景图像的灰度图，重新计算像素值为H’(x),x=0,1,2,……,255；3）将经过灰度平衡处理后的当前视频图像帧和背景图像帧中每个对应像素值相减，得到差值图像；4）对差值图像的每个像素，统计灰度值为j对应的像素个数nj，再计算每个灰度级上的像素个数占该图像总像素个数的比例wj，设分割阈值为ψ，其中ψ可取值范围为0,1,2,…,255。将灰度级j＜ψ的所有像素视为背景像素，灰度级j＞ψ的所有像素视为前景像素；则背景像素个数占该图像总像素个数比例W0=w0+w1+w2+……+wψ，并计算平均灰度U0=Σk=0ψk*wkW0.计算前景像素个数占该图像总像素个数比例W1=Σk=ψ+1255wk,并计算平均灰度：U1=&Sig...

【技术特征摘要】

【专利技术属性】
技术研发人员：杨庚，李百惠，徐劲松，王欣宇，斯闻豪，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：