[發(fā)明專利]一種基于灰度極值的背景重構(gòu)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201110343297.8
• 申請(qǐng)日: 2011-11-03
• 公開（公告）號(hào): CN102496163B
• 公開（公告）日: 2012-06-13
• 發(fā)明（設(shè)計(jì)）人: 肖梅;張雷;寇雯玉;劉偉;苗永祿
• 申請(qǐng)（專利權(quán)）人: 長安大學(xué)
• 主分類號(hào): G06T7/20
• 分類號(hào): G06T7/20
• 代理公司: 西安恒泰知識(shí)產(chǎn)權(quán)代理事務(wù)所 61216
• 代理人: 李鄭建

1.一種基于灰度極值的背景重構(gòu)方法，其特征在于，具體包括如下步驟：

步驟1：將圖像采集設(shè)備采集到的N幀圖像序列f₁,f₂,......,f_N讀入計(jì)算機(jī)系統(tǒng)，用于重 構(gòu)場景的背景圖像；

步驟2：基于灰度極值的像素灰度歸類：將圖像數(shù)據(jù)劃分為若干個(gè)灰度區(qū)間，每個(gè)灰度 區(qū)間用極小值和極大值表征，當(dāng)新數(shù)據(jù)被輸入時(shí)，計(jì)算該新數(shù)據(jù)和每個(gè)已形成的灰度區(qū)間類 之間的距離，若該新數(shù)據(jù)和與其最近的灰度區(qū)間類的距離小于等于設(shè)定的閾值，則將該新數(shù) 據(jù)歸入與其最近的灰度區(qū)間類，反之，創(chuàng)建一個(gè)新的灰度區(qū)間類，將該新數(shù)據(jù)歸入該新的灰 度區(qū)間類；

步驟3：通過下式分別計(jì)算各灰度區(qū)間類的權(quán)重

wi(p)=Cni(p)N]]>

其中，i為類序號(hào)，1≤i≤m(p)；wⁱ(p)為第i個(gè)灰度區(qū)間類Cⁱ(p)的權(quán)重，Cnⁱ(p) 表示第i個(gè)灰度區(qū)間類Cⁱ(p)的類像素?cái)?shù)，m(p)表示像素點(diǎn)p形成的灰度區(qū)間類的個(gè)數(shù)；

步驟4：選擇像素點(diǎn)背景

按照權(quán)重由大到小的順序?qū)⒒叶葏^(qū)間類排序后，取前B(p)個(gè)灰度區(qū)間類作為像素點(diǎn)的 背景灰度區(qū)間類，該前B(p)個(gè)灰度區(qū)間類的權(quán)重之和滿足大于等于δ；δ為閾值，對(duì)于256 級(jí)的灰度圖像，δ通常取0.75；B(p)為背景灰度區(qū)間類的個(gè)數(shù)；

當(dāng)背景灰度區(qū)間類為單極值類時(shí)，其背景灰度值為該單極值灰度區(qū)間類的極小值；當(dāng)背 景灰度區(qū)間類為雙極值類時(shí)，其背景灰度值為該灰度區(qū)間類的極小值和極大值的均值；

步驟5：基于灰度極值的背景重構(gòu)結(jié)束；

所述步驟2：基于灰度極值的像素灰度歸類的具體步驟如下：

步1：讀取第一個(gè)數(shù)據(jù)f_t(p)，將f_t(p)歸入第i個(gè)灰度區(qū)間類Cⁱ(p)并進(jìn)行該灰度區(qū)間 類的初始化，此時(shí)i=1，t=1，像素點(diǎn)p形成的灰度區(qū)間類的個(gè)數(shù)m(p)＝1，該灰度區(qū)間類 的類像素?cái)?shù)Cnⁱ(p)=1，極小值CIⁱ(p)＝f_t(p)，此時(shí)無極大值；其中，i為類序號(hào)；f_t(p) 表示像素點(diǎn)p在第t幀的灰度值，1≤t≤N，CIⁱ(p)表示Cⁱ(p)的極小值，CAⁱ(p)表示 Cⁱ(p)的極大值；

轉(zhuǎn)入步2；

步2：繼續(xù)讀取新數(shù)據(jù)f_t(p)，即t＝t+1，當(dāng)t≤N時(shí)，轉(zhuǎn)入步3；否則，轉(zhuǎn)入步7；

步3：計(jì)算新數(shù)據(jù)f_t(p)和每個(gè)已形成的灰度區(qū)間類Cⁱ(p)之間的距離d(Cⁱ(p),f_t(p))， 其中，i為類序號(hào)，1≤i≤m(p)；d(Cⁱ(p),f_t(p))的具體計(jì)算如下：

（1）當(dāng)Cⁱ(p)為單極值類時(shí)，d(Cⁱ(p),f_t(p))＝|f_t(p)-CIⁱ(p)|；

（2）當(dāng)Cⁱ(p)為雙極值類時(shí)，d(Cⁱ(p),f_t(p))的計(jì)算如下：

①若CIⁱ(p)≤f_t(p)≤CAⁱ(p)，d(Cⁱ(p),f_t(p))＝0；

②若f_t(p)＜CIⁱ(p)，

③若f_t(p)＞CAⁱ(p)，

其中，Θ為閾值，對(duì)于256級(jí)灰度圖像，Θ取20-40；

轉(zhuǎn)入步4；

步4：查找與f_t(p)距離最近的灰度區(qū)間類C^j(p)，即C^j(p)滿足若d(C^j(p),f_t(p))≤Θ，則認(rèn)為f_t(p)和C^j(p)匹配，轉(zhuǎn)入步5；否 則，轉(zhuǎn)入步6；

步5：將f_t(p)歸入C^j(p)并更新C^j(p)的各項(xiàng)參數(shù)，具體更新步驟如下：

（1）當(dāng)C^j(p)為單極值類時(shí)：

①若f_t(p)＝CI^j(p)，將C^j(p)的類像素?cái)?shù)Cn^j(p)累加1，即Cn^j(p)＝Cn^j(p)+1；

②若f_t(p)＞CI^j(p)，將C^j(p)的類像素?cái)?shù)Cn^j(p)累加1，即Cn^j(p)＝Cn^j(p)+1， C^j(p)的極大值CA^j(p)＝f_t(p)；

③若f_t(p)＜CI^j(p)，將C^j(p)的類像素?cái)?shù)Cn^j(p)累加1，即Cn^j(p)＝Cn^j(p)+1， 先將C^j(p)的極小值CI^j(p)賦給極大值CA^j(p)，即CA^j(p)＝CI^j(p)，再將f_t(p)作為 灰度區(qū)間類C^j(p)的極小值CI^j(p)，即CI^j(p)＝f_t(p)；

（2）當(dāng)C^j(p)為雙極值類時(shí)：

①若CI^j(p)≤f_t(p)≤CA^j(p)，將C^j(p)的類像素?cái)?shù)Cn^j(p)累加1，即 Cn^j(p)＝Cn^j(p)+1；

②若f_t(p)＜CI^j(p)，將C^j(p)的類像素?cái)?shù)Cn^j(p)累加1，即Cn^j(p)＝Cn^j(p)+1， C^j(p)的極小值CI^j(p)＝f_t(p)；

③若f_t(p)＞CA^j(p)，將C^j(p)的類像素?cái)?shù)Cn^j(p)累加1，即Cn^j(p)＝Cn^j(p)+1， C^j(p)的極大值CA^j(p)＝f_t(p)；

轉(zhuǎn)入步2；

步6：創(chuàng)建一個(gè)新的灰度區(qū)間類，即m(p)＝m(p)+1，i＝i+1；將f_t(p)歸入該新 類并初始化該新類的參數(shù)：使該新類的類像素?cái)?shù)Cnⁱ(p)＝1，極小值CIⁱ(p)＝f_t(p)，該新 類無極大值；轉(zhuǎn)入步2；

步7，基于灰度極值的像素灰度歸類結(jié)束。