[发明专利]融合颜色与局部三进制相似模式特征的图像背景去除方法

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种融合颜色与局部三进制相似模式特征的图像背景去除方法。

背景技术

图像背景去除的基本思想是建立一个背景模型，通过比较当前帧和背景模型的差异来检测运动目标，并不断更新背景模型。背景减除的关键就在于背景模型的建立和更新，其中要求背景模型应该尽可能地反映真实背景，同时能适应背景场景的变化。

针对图像背景去除目前有多种建模方式、实现算法，如采用混合高斯背景模型(GMM)、非参数化的背景模型以及采用基于样本一致性(SACON)算法、视觉背景提取(ViBe)算法等，但是各背景模型以及实现算法均存在一定的缺陷：GMM仅用几个高斯核函数不能准确地对复杂动态背景进行建模，而且学习率的大小面临着两难的取舍，即过快的学习率会把移动较慢的目标融入到背景，而太慢的学习率对光照和场景的突变过于敏感；非参数化的背景模型可以避开参数化建模的问题，但是对高低频变化同时出现的情况不能进行很好的处理；基于样本一致性(SACON)算法，通过直接取N帧视频序列进行背景建模，采用先进先出的更新策略，但是该算法必须加入团块级的处理来消除前景目标的“空洞”；在背景去除中，ViBe是将背景去除看作是一种分类方法，在颜色空间上进行选择的时候，通过比较当前位置像素点的值与其邻域像素点的值的相关性来判断该像素点是前景像素点还是背景像素点，可以避免极端像素值的干扰，ViBe算法只用一帧图像就能建立背景模型，同时没有时域概念而使用全局阈值，模型简单、实时性强，但存在鬼影消除时间长、静止目标、阴影前景和运动目标检测不完整，以及动态场景下误检多等缺点，鬼影是指背景中的静止目标离开后，会在原先的位置产生错误的前景，初始帧产生鬼影的情况较多。

针对ViBe算法存在的上述问题，有从业者提出多种改进方案，主要包括：

(1)使用像素闪烁等级描述背景动态，但是在抑制动态背景时引入了团块级和帧级的处理，而且当运动目标出现在高动态背景区域时会产生较大的漏检；

(2)根据生物视觉特性，在ViBe算法的基础上用均值漂移滤波器模糊局部细节，对光照变化和小幅度的背景扰动有一定的效果，但是计算量大，实时性差；

(3)在ViBe算法框架上引入了时域信息，用连续N帧图像建模，通过计算模型样本统计信息得到自适应阈值，对类周期性动态背景有较好的适应性，但是对间断性的扰动背景的响应时间较慢，其还放弃了ViBe算法的单帧建模的优势，增加了计算复杂度和内存开销；

(4)基于三值模式特征的背景减除算法，该模型对光照变化具有较好的适应性，但是检测目标通常会有因大量漏检而造成的空洞。

中国专利申请CN106127151A公开一种基于改进局部二值模型的指静脉识别方法及装置，通过构建改进局部二值模型，实现指静脉识别，能够克服噪声的影响，提高识别的准确度且易于并行化实现，但是当外在因素造成图像模糊和图像形变等时，基于局部二值模型无法进行良好处理。

因此，亟需提供一种图像背景去除方法，以能够减少去除复杂度、提高去除效率，同时还能够提高对光照变化的适应性，以及减小漏检、误检率。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种具有实现方法简单、所需成本低、对背景中光照变化的适应性强，同时背景去除效率高、效果好且漏检及误检率低的融合颜色与局部三进制相似模式特征的图像背景去除方法。

为解决上述技术问题，本发明提出的技术方案为：

一种融合颜色与局部三进制相似模式特征的图像背景去除方法，步骤包括：

S1.获取指定帧目标图像，分别计算获取的图像中每个像素的颜色特征，以及基于LTSP特征将当前图像内每个像素与邻域像素进行三进制划分后，计算得到对应各像素的intra-LTSP特征，基于计算的所述颜色特征、intra-LTSP特征为目标图像进行背景建模，建立得到背景模型；

S2.使用建立的所述背景模型对目标图像进行前景分割以去除背景图像，并根据各个像素的所述颜色特征、intra-LTSP特征对所述背景模型进行模型更新。

作为本发明的进一步改进，所述步骤S2中进行前景分割的具体步骤为：

S21.计算目标图像中各像素的颜色特征，根据计算得到的所述颜色特征使用所述背景模型对目标图像进行前景分割，得到初始背景图像；