[发明专利]基于数学形态学的高斯背景建模技术进行图像处理的方法

权利要求书

1.基于数学形态学的高斯背景建模技术进行图像处理的方法，其特征在于：

第一步，采集图像上的每个新像素值X_t，同当前K个模型式进行比较，直到找到匹配新像素的分布模型，即同该模型的均值偏差在2.5σ内，|X_t-μ_i,t-1|≤2.5σ_i,t-1；

第二步，如所匹配的模式符合背景要求，则该像素属于背景，否则属于前景；

第三步，各模式权值按下列公式更新，其中α是学习速率，对于匹配的模式M_k,t＝1，否则M_k,t＝0，然后各模式的权重进行归一化，

w_k,t＝(1-α)*w_k,t-1+α*M_k,t；

第四步，未匹配模式的均值μ与标准差σ不变，匹配模式下的参数按照A公式更新；

第五步，如果第一步中无任何模式匹配，则权重最小的模式被替换，即该模式的均值为当前像素值，标准差为初始较大值，权重为较小值；

第六步，各模式根据w/α²按降序排列，权重大、标准差小的模式排列靠前；

第七步，选前B个模式作为背景，B满足下列公式，参数T为背景所占比例，

2.根据权利要求1所述的基于数学形态学的高斯背景建模技术进行图像处理的方法，其特征在于：所述的第四步中的A公式为

ρ＝α*η(X_t|μ_k,σ_k)，

μ_t＝(1-ρ)*μ_t-1+ρ*X_t，

其中，μ_t为均值，为方差。

3.根据权利要求1所述的基于数学形态学的高斯背景建模技术进行图像处理的方法，其特征在于：当处理彩色图像时，假定图像像素点R、G、B三色通道相互独立并具有相同的方差。对于随机变量X的观测数据集{X₁，X₂，…，X_N}，X_t＝(r_t,g_t,b_t)为t时刻像素的样本，则单个采样点X_t其服从的混合高斯分布概率密度函数为

4.根据权利要求3所述的基于数学形态学的高斯背景建模技术进行图像处理的方法，其特征在于：所述的k为分布模式总数，所述的η(X_t,μ_i,t,τ_i,t)为t时刻第i个高斯分布，所述的μ_i,t为其均值，τ_i,t为其协方差矩阵，δ_i,t为方差，I为三维单位矩阵，所述的w_i,t为t时刻第i个高斯分布的权重。