低秩的视频背景重构方法

摘要

本发明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。

主权项

1.一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x_i,i＝1,...,200；(2)对抽取的图像序列x_i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l_i，i＝1,2,...,200；(6)按以下公式对200幅背景图像l_i求均值，得到初步的背景估计图像G_L：$G_L=\frac{1}{200}\underset{i=1}{\overset{200}{\Sigma }}{l}_i,$(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s_i，i＝1,2,...,200；(8)查找200幅前景图像s_i中的目标区域：8a)利用sobel边缘检测算子检测前景图像s_i的边缘，得到s_i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a_i^b，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a_i^b，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a_i^q，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G_L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^*。