基于先验概率模型的自适应背景图像分割算法

doi:10.3778/j.issn.1002-8331.2009.10.053

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (10): 176-178.DOI: 10.3778/j.issn.1002-8331.2009.10.053

• 图形、图像、模式识别 • 上一篇下一篇

基于先验概率模型的自适应背景图像分割算法

陈伟¹,唐红光²

1.广东药学院医药信息工程学院，广州 510006
2.海南大学三亚学院理工分院，海南三亚 572022

收稿日期:2008-02-18 修回日期:2008-05-05 出版日期:2009-04-01 发布日期:2009-04-01
通讯作者: 陈伟

New adaptive algorithm for segmenting image background based on prior probability model

CHEN Wei¹,TANG Hong-guang²

1.College of Medical Information Engineering，Guangdong Pharmaceutical University，Guangzhou 510006，China
2.Sanya College，Hainan University，Sanya，Hainan 572022，China

Received:2008-02-18 Revised:2008-05-05 Online:2009-04-01 Published:2009-04-01
Contact: CHEN Wei

摘要/Abstract

摘要： 在利用背景消减的视频图像分割过程中，背景模型假定为高斯模型下判断像素点是否为背景点一般采用规则。当模型中方差参数的值较大时，与背景相近的前景被误分割为背景的误差就较大。针对这一问题，提出了一种基于先验概率模型与距离因子对背景进行分割的算法，该算法判定当前帧像素点为背景的概率由其先验概率及该像素点在上一帧分割结果中与前景点的距离决定。实验结果表明，与判定规则相比，该方法在背景变化范围较大的情况下，可以减少前景点被误分割为背景点的误差。

关键词: 自适应分割, 运动检测, 高斯模型, 先验概率

Abstract: In the process of image segmentation in video sequences using background subtraction，when the distribution of background pixels assumed as Gaussian distribution，method using rule is always used to judge whether a pixel belong to be background or not.The error of that the pixel of foreground it similar to the pixel of background will be segmented as background will increase if the value of variance of the model is greater than normal.To overcome this drawback，a novel algorithm is proposed to segment background based on prior probability and distance factor，the algorithm calculates the probability of a pixel belong to be background depend on its prior probability and the distance to the foreground at the last frame segmentation.Experimental results show that the proposed algorithm can reduce the error of the pixels of foreground to be segmented as pixels of background compared with rule when changes in background occur quickly.

Key words: adaptive segmentation, movement detection, Gaussian model, prior probability

陈伟¹,唐红光². 基于先验概率模型的自适应背景图像分割算法[J]. 计算机工程与应用, 2009, 45(10): 176-178.

CHEN Wei¹,TANG Hong-guang². New adaptive algorithm for segmenting image background based on prior probability model[J]. Computer Engineering and Applications, 2009, 45(10): 176-178.

[1]	常振，段先华，鲁文超，彭媛. 基于多尺度的贝叶斯模型显著性检测[J]. 计算机工程与应用, 2020, 56(11): 207-213.
[2]	乔冉，闫江毓，唐良瑞. 基于多维高斯的无线传感器网络定位算法[J]. 计算机工程与应用, 2019, 55(23): 99-104.
[3]	马兴灶，赵剑楠，朱齐媛，傅沁冰，胡诚，雷芳，岳士岗. 基于LGMD的无人机避障方法研究[J]. 计算机工程与应用, 2019, 55(15): 250-256.
[4]	王娟1，2，王萍2，刘敏1. 复杂光照下DPM图像自适应多阈值分割方法研究[J]. 计算机工程与应用, 2018, 54(9): 194-200.
[5]	李超，孙俊. 基于机器视觉方法的焊缝缺陷检测及分类算法[J]. 计算机工程与应用, 2018, 54(6): 264-270.
[6]	孙凯，谢林柏. 结合W4算法和LBP模型的运动目标检测方法[J]. 计算机工程与应用, 2017, 53(5): 187-191.
[7]	孙朋1，2，夏飞1，2，3，张浩1，2，3，彭道刚1，2，马茜1，2，罗志疆1，2. 改进混合高斯模型在人体跌倒检测中的应用[J]. 计算机工程与应用, 2017, 53(20): 173-179.
[8]	何晶，吴成茂. 核空间隐马尔可夫随机场图像模糊聚类[J]. 计算机工程与应用, 2016, 52(22): 185-191.
[9]	郭伟，高媛媛，刘鑫焱. 改进的基于混合高斯模型的运动目标检测算法[J]. 计算机工程与应用, 2016, 52(13): 195-200.
[10]	张金敏1，雷江1，2. 统计建模与对象更新机制相结合的背景减法[J]. 计算机工程与应用, 2016, 52(11): 152-157.
[11]	刘王胜，冯瑞. 一种基于AdaBoost的人脸检测算法[J]. 计算机工程与应用, 2016, 52(11): 209-214.
[12]	周仁琴. 视频监控场景下的面部遮挡检测[J]. 计算机工程与应用, 2015, 51(4): 192-195.
[13]	郭伟，刘鑫焱，肖振久. 基于边缘前景的混合高斯模型目标检测[J]. 计算机工程与应用, 2015, 51(18): 209-213.
[14]	茅正冲，徐昊，王丹. 几何活动轮廓模型在目标跟踪中的应用[J]. 计算机工程与应用, 2015, 51(13): 176-180.
[15]	徐伟华. 基于模糊参数的高斯边缘检测模型方法研究[J]. 计算机工程与应用, 2014, 50(7): 166-169.

基于先验概率模型的自适应背景图像分割算法

New adaptive algorithm for segmenting image background based on prior probability model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics