基于ViBe算法与SLIC超像素的背景差分法

摘要

一种基于ViBe算法与SLIC超像素的背景差分法，属于图像处理技术领域。本发明包括如下步骤：基于超像素分割的背景建模，前景检测，背景更新。本发明提出了一种在ViBe算法框架下结合SLIC超像素的背景建模前景检测算法。有效的利用了ViBe算法优势的同时，通过与SLIC超像素结合来扩展像素的邻域范围，更充分的利用了背景像素的空间相关性从而能更好的应对风吹草动、相机抖动等现象。将ViBe算法对背景库随机替换的背景更新方式改为对高斯分布的更新方式，避免了随机替换策略对算法带来的不稳定性。在实验部分使用I2R数据集中的三组帧序列进行背景建模前景检测实验，并使用GMM算法、ViBe算法与我们的算法进行对比。

主权项

一种基于ViBe算法与SLIC超像素的背景差分法，其特征在于：第一步，基于超像素分割的背景建模首先利用SLIC超像素分割方法对视频的第一帧进行超像素分割，得到大小和内容基本均匀一致的超像素块；计算超像素内每个像素点的亮度Brightness和平均亮度aveBrightness；Brightness＝0.3×r+0.6×g+0.1×b          (1)$aveBrightntess=\frac{1}{n}{\Sigma }_{i=1}^n{\mathrm{Brightntess}}_i---\left(2\right)$其中，n为超像素内像素点总数，Brightness_i为超像素内第i个像素点的亮度，r、g、b分别为像素点rgb三通道的数值；利用平均亮度将超像素内像素点分为像素值大于平均亮度和小于等于平均亮度的两类；为每个超像素分配两个高斯分布并通过两类像素点计算两个高斯分布的均值μ、方差var、标准差std；即$\mu =\frac{1}{n}{\Sigma }_{i=1}^n{x}_i---\left(3\right)$$var=\frac{1}{n}{\Sigma }_{i=1}^n{(x_i-\mu )}^2---\left(4\right)$$std=\sqrt{v\alpha r}---\left(5\right)$其中，n为属于此高斯分布的像素点总数，x_i表示属于此高斯分布的第i个像素点；计算标准差时为规定最小值，如果计算结果小于此最小值则使用最小值将其替换；第二步，前景检测；第三步，背景更新。