论文发表、论文指导
周一至周五
9：00&22：00
基于ViBe的室外动态背景闪烁像素噪声消除方法
2015年6期目录
&&&&&&本期共收录文章20篇
　　摘要：针对使用视觉背景提取（ViBe）模型在室外动态背景下进行移动目标检测时存在不规则闪烁像素点对前景检测结果造成干扰的问题，提出一种基于视觉背景提取算法的闪烁像素噪声消除方法。在背景模型建立阶段设定背景模型样本标准差阈值，约束背景模型的采样值范围以提高背景模型准确性。在前景检测阶段引入自适应检测阈值提高前景物体检测精度，在背景模型更新过程中对图像边缘背景像素点进行边缘抑制以阻止错误背景样本值更新到背景模型。在此基础上，结合形态学操作修复连通域，提高前景图像的完整性。最后选取多个视频序列将该方法与原始ViBe算法、形态学改进方法的检测结果进行对比。实验结果表明，该方法能有效消除闪烁像素噪声对前景检测造成的影响，获取更精确的前景图像。 中国论文网 /8/view-6839115.htm　　关键词：移动目标检测；视觉背景提取算法；自适应检测阈值；边缘抑制；闪烁像素噪声 　　中图分类号： TP391.4 文献标志码：A 　　Abstract：Visual Background extractor （ViBe）model for moving target detection cannot avoid interference caused by irregular flicker pixels noise in dynamic outdoor scenes. In order to solve the issue， a flicker pixels noisesuppression method based on ViBe model algorithm was proposed. In the initial stage of background model， a fixed standard deviation of background model samples was used as the threshold value to limit the range of background model samples and get suitable background model samples for each pixel. In the foreground detection stage， an adaptive detection threshold was applied to improve the accuracy of detection result. Edge inhibition of image edge background pixels was executed to avoid error background sample values updating to the background model in the background model update process. On the basis of above， morphological operation was added to fix connected components to get more complete foreground images. Finally， the proposed method was compared with the original ViBe algorithm and the ViBes improvement with morphology postprocessing on the results of multiple video sequences. The experimental results show that the flicker pixels noisesuppression method can suppress flicker pixels noise effectively and get more accurate results. 　　英文关键词 　　Key words：moving object detection； Visual Background extractor （ViBe） algorithm； adaptive detection threshold； edge inhibition； flicker pixels noise 　　0 引言 　　移动目标的检测领域比较常见的算法有帧差法、光流法和背景减除法。背景减除法的基本思想是构建一个背景模型来描述背景图像，然后将输入帧与背景模型进行比较，分割出区别较大的像素作为前景图像。因此，其关键就是如何构建和更新背景模型来适应背景的变化。 　　目前应用比较广泛的背景建模方法如下：Stauffer等[1]提出的高斯混合模型 （Gaussian Mixture Model，GMM），它对图像中的每个像素点用多个高斯分布构成的混合高斯模型来建模，适合于背景变化较小的场合；但是利用高斯混合模型进行前景检测存在计算复杂、对缓慢移动前景物体检测效果不好、对背景变化敏感等问题。Kim等[2]提出的codebook算法利用量化和聚类技术构建背景模型；但在训练阶段背景发生较大变化时，像素点就要不断建立新的码字，并且目标检测阶段计算RGB颜色彩相似度需要大量的浮点计算，计算复杂度较高。Barnich等[3]提出的视觉背景提取（Visual Background extractor， ViBe）算法及其改进算法[4-5]因其检测速度快、敏感度高的特点，在移动目标检测方面有着许多应用；但是在室外场景下，很难得到固定的背景，常见问题有光照强度变化、树叶摇晃和湖面波动形成的闪烁像素。因这些闪烁像素会对前景提取造成影响（类似于文献[6]中提到的由光照变化引起的图像像素闪烁），也将此类噪声称为图像闪烁像素噪声（Flicker Pixels Noises，FPN）。针对闪烁像素噪声消除，文献[7]提出使用背景模型样本值标准差作为前景检测比较阈值。受此启发，本文也在ViBe算法中引入背景模型样本值标准差用于前景检测。然后计算前景检测结果中图像边缘背景像素点的梯度值，抑制背景像素点扩散，同时修复前景轮廓，合并相近前景块连通域，填充前景块内部空洞，移除较大的闪烁像素连接块。结果表明改进后的方法能有效消除闪烁像素噪声对前景检测造成的影响，获取更精确的前景图像。 　　1 ViBe算法描述 　　ViBe算法采用随机选择和背景扩散的机制来建立和更新背景模型。其主要包括背景模型的建立、前景检测以及背景模型更新三个方面。 　　ViBe算法在第一帧图像输入时即完成背景模型初始化。对任意一个像素，利用相邻区域像素点拥有相似的时间分布的特点[8]，随机选择其八邻域范围内像素点作为其背景模型的初始样本值。从第二帧开始，计算每个像素点分别和其背景模型中每个的样本值的欧氏距离，与匹配阈值T比较，统计匹配数目nt（x，y）：若匹配数目满足设定的最小匹配数η，则将该像素点分类为背景点；否则将该像素点分类为前景点。每个像素点的背景模型如式（1）所示： 　　2 闪烁像素噪声消除 　　目前还没有一种很好的方法能有效解决所有动态多背景环境造成的闪烁像素噪声。文献[9-10]对闪烁像素进行了描述，并提出了一些修正方法。像素点亮度值的增加或减少会对移动目标的检测产生影响。闪烁像素的亮度值常常发生变化，因而会被错误判断为其他状态。针对可计算出闪烁频率的场景，可根据闪烁频率执行陷波操作。但更多的闪烁像素无特定规律可循且难以预测，并且会对运动前景的检测造成影响。最直接的方法是移除闪烁像素点，禁止其更新；但这种方法主要针对摄像头自身缺陷所造成的闪烁，并不能处理树叶、湖面造成的无规律闪烁。当闪烁噪声点主要在背景区域产生并且和前景物体纹理特征有明显区别时，可以通过计算当前图像与背景图像的纹理相似度值区分出前景目标[11]；但该方法过分依赖于图像本身的精度，使用范围受到很大限制。文献[7]对闪烁像素噪声的抑制作了一些尝试，采取类似于ΣΔ的方法[12]，通过检测一个像素点是否经常在前景与背景之间切换判断该像素点是否为闪烁像素。该方法具体做法是存储之前帧的前景二值图像，建立一张存储有每个像素点闪烁值的表，其表示范围为[0，150]。如果当前帧得到的前景二值图像像素点和上一帧相同位置像素点的值不同，表明该像素点前景背景发生切换，闪烁值增加15；否则表明该像素点状态维持不变，闪烁值减1。如果像素点闪烁值大于30，则判断为闪烁像素，并从更新列表中移除。该方法能有效消除湖面波动等原因形成的闪烁像素点；但是，当有物体经过该区域时，会导致检测的前景图像出现前景块部分丢失的现象，因为当前景物体覆盖的区域有一部分像素是闪烁像素时，这些点会分类为背景点，给后续闪烁像素滤除、轮廓填充等操作带来一定影响。文献[13]提出了另一种改进方法，通过形态学操作来处理闪烁像素噪声，该方法基本流程是对前景二值图像先进行一次开运算，再进行一次闭运算。其优势在于可以基本消除闪烁像素带来的影响，减少虚警率；然而，该方法有时会将前景物体部分有效区域消除，导致漏警率上升，甚至造成部分前景块分裂的现象。 　　该方法的一个优势是可以针对动态背景环境下不同区域的亮度值变化量不同的特点提供一种自适应比较阈值，即便是非均匀光照的场景，也可以确保背景样本模型始终能较准确地描述每一块区域，使适应范围得到增加，显著减少错误前景点的产生。 　　2.2 背景扩散抑制 　　在室外动态背景条件，因物体与背景颜色相近、相互遮挡、运动速度过慢、长时间静止等原因，部分前景区域被背景像素点所替代，出现前景块分裂、前景像素点分布分散等现象，此时很难将闪烁像素噪声与前景图像有效区分。表1为将原始输入图像尺寸缩小为160×120像素大小后使用原始ViBe算法进行前景检测统计得到的闪烁像素点所在八邻域范围内闪烁像素分布密度概率。 　　由表1可知，在闪烁像素出现区域，其八邻域范围同时出现其他闪烁像素，并且闪烁像素总数小于等于2的概率约为82%，闪烁像素数量小于等于3的概率约为95%。可以作如下近似判断，针对存在闪烁像素点的区域中任一前景像素点，其八邻域范围内前景点数目小于等于设定阈值，可将这些前景点当作闪烁像素移除。但在实际应用中，将八邻域范围内出现3个前景点判别为闪烁像素会对前景图像轮廓的完整性造成一定影响。因前景像素点与闪烁像素噪声分布密度出现重合，也不适合使用中值滤波等方法进行平滑处理。 　　根据表2数据可知，已知闪烁像素八邻域范围同时出现2个及以下闪烁像素的概率约为90%，出现3个及以下闪烁像素的概率约为99%，较表1中的闪烁像素的分布特点有明显区别，更易于在实际操作中将闪烁像素与前景块区分。通过进一步处理可基本消除闪烁像素对前景检测结果造成的影响。 　　2.3 连通域修复 　　移除前景图像的闪烁像素后，为弥补由此可能带来的前景块连通域断裂的缺陷，需要对前景块轮廓进行修复，这里采用的方法是合并相邻前景块作为一个整体连通域。其基本思想是检测消除闪烁像素之后的各前景块边缘像素的像素点是否邻近，如果边缘像素点距离小于设定阈值#C，可对这两个前景块边缘合并连接，组成新的前景块。 　　由于视角、距离、图像缩放尺寸等因素影响，不同场景下最适#C值会有不同，需根据不同的场景调整。本实验选取的视频序列中，#C在设置为20时有较好的连通域修复效果。 　　2.4 闪烁像素块处理 　　经过上述步骤重新得到前景块轮廓，并不能完全消除闪烁像素噪声，还需要进一步消除连接在一起的闪烁像素块。为消除闪烁像素块噪声影响，结合表2数据可知闪烁像素噪声所在区域闪烁像素噪声个数小于5的概率约为99% 。完成连通域合并及轮廓填充操作后，将前景像素点八邻域内密度小于5的前景块移除，可在很大程度上确保抑制闪烁像素噪声的同时减少对真实前景的影响；同时，填充前景轮廓内部的黑洞，减少前景物体内部出现的错误背景，提高检测结果的准确度。 　　3 实验结果及分析 　　为验证本文改进算法的效果，选取http：//www.changedetection.net 网站提供的其中两个室外动态背景视频序列boats和overpass进行测试，分别标记为序列1和序列2。 　　3.1 闪烁像素抑制实验 　　首先验证本文使用的自适应前景比较阈值和图像边缘背景像素扩散抑制算法效果，选择序列1和序列2对原始ViBe算法及本文改进算法进行测试。 　　图2和图3分别为序列1与序列2对原始ViBe算法和本文使用的闪点抑制方法进行测试的结果。 　　对比图2和图3可以看出，采用本文使用的自适应比较阈值和图像边缘背景像素扩散抑制方法后，前景检测图像的闪烁像素噪声抑制能力得到显著提升，闪烁像素噪声的密度分布与真实前景物体也有明显区别，便于将闪烁像素噪声从前景图像中移除，而不对前景图像轮廓的完整性造成明显的影响。 　　3.2 闪烁像素噪声消除实验 　　为比较文献[7]、文献[13]及本文改进方法的闪烁像素噪声消除性能，选取序列2视频对上述三种方法进行测试。三种闪烁像素噪声消除方法测试结果如图4所示。其中图4中（b）ground truth图供性能验证使用，左上角标记不完整的区域可忽略。 　　图4中（c）为使用文献[7]方法得到的闪烁像素消除效果，可以发现该方法经空洞填充等操作之后对闪烁像素噪声的消除效果很好；但因部分区域存在大量闪烁像素，导致这些区域内闪烁像素点被禁止更新，部分像素点没有正确描述真实前景区域，此时使用该方法可能会存在丢失部分前景块的现象。图4中（d）为采用文献[13]提出的形态学处理方法消除闪烁像素，能有效消除闪烁像素及闪烁像素块；但也可能在开操作环节造成前景分裂的现象，导致部分前景损失。图4中（e）为采用本文使用的闪烁像素噪声消除方法，结合连通域修复以及轮廓内部空洞的填充，很大程度上消除了闪烁噪声消除过程给前景块带来的影响，并得到相对准确的前景块。 　　3.3 算法性能比较 　　为便于比较以上三种方法在闪烁像素噪声消除方面的性能，本文使用误匹配率（Percentage of Bad Classifications，PBC）和目标区域检测准确率（Precision）两项常用指标进行对比[7]。Precision越大，表明前景检测结果对真实目标区域描述越完整，PBC越小，表明前景区域与背景区域被错误匹配的像素点越少。 　　PBC和Precision可分别由式（14）、（15）得到： 　　PBC=FP+FNTP+TN+FP+FN×100%（14） 　　Precision=TPTP+FP（15） 　　其中：TP和TN分别表示图像中前景像素点和背景像素点被正确标记的像素点个数；FP表示图像中背景像素点被错误标记成前景点的像素点个数；FN表示前景像素点被错误标记成背景点的像素点个数。 　　应有TP，TN，FP，FN含义说明针对PDF中标出的问题，已经做了修改。需要添加的内容如下： 　　“其中，TP和TN分别表示图像中前景像素点和背景像素点被正确标记的像素点个数，FP表示图像中背景像素点被错误标记成前景点的像素点个数，FN表示前景像素点被错误标记成背景点的像素点个数。” 　　因不同的场景下各种算法的性能有所差异，实验采用多次测试求均值的方法以1/10概率对上述视频图像序列进行随机采样，计算PBC和Precision的平均值，统计结果如表3所示。 　　根据表3的统计结果可知，本文使用的改进方法在有效消除闪烁像素噪声的同时，在平均误检率和平均检测正确率两项性能指标上都有良好表现，能获取更精确的前景图像。 　　4 结语 　　针对室外动态背景条件下，对基于ViBe算法的几种闪烁像素噪声抑制方法进行了比较，对ViBe算法的初始化阶段、前景检测阶段和背景模型更新过程都作了一定改进。通过提高背景模型样本准确性，引入自适应检测阈值，以及结合边缘抑制与连通域修复的方法抑制闪烁像素噪声。采用本文方法处理后能有效消除闪烁像素噪声，获取到更精确的前景图像，扩大了ViBe算法进行移动目标检测的适用范围。但本文方法对室外动态背景下的移动目标的检测仍然存在缺陷，当前景物体遮挡住光源以及前景物体与背景模型亮度值非常接近的情况下均会存在前景块提取不精确的现象。未来需在此基础上结合其他检测算法进一步研究针对室外移动目标的前景提取和闪点噪声抑制方法。 　　参考文献： 　　[1]STAUFFER C， GRIMSON W E L. Adaptive background mixture models for realtime tracking [C]// Proceedings of the 1999 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE，1999： 246-252. 　　[2] 　　KIM K， CHALIDABHONGSE T H， HARWOOD D， et al. Realtime foregroundbackground segmentation using codebook model [J]. RealTime Imaging， 2005， 11（3）： 172-185. 　　[3]BARNICH O， Van DROOGENBROECK M. ViBe： a universal background subtraction algorithm for video sequences [J]. IEEE Transactions on Image Processing， 2011， 20（6）： . 　　[4]BARNICH O， Van DROOGENBROECK M. ViBe： a powerful random technique to estimate the background in video sequences [C]// Proceedings of the 2009 IEEE International Conference on Acoustics， Speech and Signal Processing. Piscataway： IEEE， 2009： 945-948. 　　[5]CHEN X， LIAO J， LI B， et al. Foreground detection based on modified ViBe in dynamic background [J]. Optics and Precision Engineering， 2014， 22（9）：.（陈星明，廖娟，李勃，等.动态背景下基于改进视觉背景提取的前景检测[J].光学精密工程，）：.） 　　[6]TAJBAKHSH T， GRIGAT RR. Illumination flicker frequency classification in rolling shutter camera systems [C]// SIP07：Proceedings of the Ninth IASTED International Conference on Signal and Image Processing. Anaheim： ACTA Press， 2007： 282-287. 　　[7]Van DROOGENBROECK M， PAQUOT O. Background subtraction： experiments and improvements for ViBe [C]// Proceedings of the 2012 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops. Piscataway： IEEE， 2012： 32-37. 　　[8]JODOIN P， MIGNOTTE M， KONRAD J. Statistical background subtraction using spatial cues [J]. IEEE Transactions on Circuits and Systems for Video Technology， 2007， 17（12）： . 　　[9]CHEN A， TENG S， ZOU M. Removing intensity flicker in image squences [J]. Journal of Electronics and Information Technology， 2007， 29（1）： 39-42.（谌安军，滕升华，邹谋炎.图像序列中亮度闪烁去除[J].电子与信息学报，）：39-42.） 　　[10]IKEDA M， KAMEDA H. Moving target detecting apparatus， moving target detecting method， and computer readable storage medium having stored therein a program causing a computer to function as the moving target detecting apparatus： United States Patent Application 12/490973 [P]. . 　　[11]HAN Y， ZHANG Z， HAO F， et al. Shadow detection based on texture features in gray sequence images [J]. Optics and Precision Engineering， 2013， 21（11）：.（韩延祥，张志胜，郝飞，等.灰度序列图像中基于纹理特征的移动阴影检测[J].光学精密工程，）：.） 　　[12]MANZANERA A， RICHEFEU J C. A new motion detection algorithm based on ΣΔ background estimation [J]. Pattern Recognition Letters， 2007， 28（3）： 320-328. 　　[13]SUN S， QIN Y， MA X， et al. ViBe foreground detection algorithm and its improvement with morphology postprocessing for outdoor scene [J]. Computer Engineering and Applications， 2013， 49（10）： 159-162.（孙水发，覃音诗，马先兵，等.室外视频前景检测中的形态学改进 ViBe 算法[J].计算机工程与应用，）：159-162.） 　　[14]SU Y， LI A， JIANG K， et al.Improved visual background extractor model for moving objects detecting algorithm [J]. Journal of ComputerAided Design and Computer Graphics， 2014， 26（2）： 232-240.（苏延召，李艾华，姜柯，等.改进视觉背景提取模型的运动目标检测算法 [J].计算机辅助设计与图形学学报，）：232-240.） 　　[15]ZHANG X， XU B， DONG S. Adaptive median filtering for image processing [J]. Journal of ComputerAided Design and Computer Graphics， 2005， 17（2）： 295-299.（张旭明，徐滨士，董世运.用于图像处理的自适应中值滤波[J].计算机辅助设计与图形学学报，）：295-299.） 　　[16]GUO H， XIE K. An improved method of adaptive median filter [J]. Journal of Image and Graphics， ）： .（郭海霞，解凯.一种改进的自适应中值滤波算法[J].中国图象图形学报，）：.）
转载请注明来源。原文地址：
【xzbu】郑重声明：本网站资源、信息来源于网络，完全免费共享，仅供学习和研究使用，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息。
xzbu发布此信息目的在于传播更多信息，与本网站立场无关。xzbu不保证该信息（包括但不限于文字、数据及图表）准确性、真实性、完整性等。- Database Error
Discuz! Database Error
已经将此出错信息详细记录, 由此给您带来的访问不便我们深感歉意.除了频闪这种方法外,还有什么方法能使我们看清快速运动的物体吗?
静子°2193
拥有相同的速度.例如,二战时盟军飞行员在空中抓住一个德军子弹.因为子弹与飞机共速了!除此,物体运动后,空气会有扰动,有涡流产生,仪器可检测轨迹；生物则还会留下红外线痕迹和气味.
为您推荐：
其他类似问题
扫描下载二维码}