[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

说明书

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，先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，各模式权值进行更新，然后各模式的权重进行归一化，如果无任何模式匹配，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，随后，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。本发明摆脱了传统的高斯模型和混合高斯模型进行图像处理的格式，运用数学形态学的处理，有效的减少了在背景更新过程中要计算的工作量，并且满足了实时更新的需求，提高了数据更新速度，极大的降低了高斯模型中参数学习率的数量，提高了工作效率，弱化了运算过程。

技术领域

本发明涉及图像处理技术领域，尤其是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。

背景技术

数学形态学是是一门建立在格论和拓扑学基础之上的图像分析学科，是数学形态学图像处理的基本理论。而高斯模型就是用高斯概率密度函数，即正态分布曲线来精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数形成的模型。混合高斯背景建模是基于像素样本统计信息的背景表示方法，利用像素在较长时间内大量样本值的概率密度等统计信息，如模式数量、每个模式的均值和标准差来表示背景，然后使用统计差分，如3σ原则进行目标像素判断，可以对复杂动态背景进行建模。在混合高斯背景模型中，认为像素之间的颜色信息互不相关，对各像素点的处理都是相互独立的。对于视频图像中的每一个像素点，其值在序列图像中的变化可看作是不断产生像素值的随机过程，即用高斯分布来描述每个像素点的颜色呈现规律。

但是传统的混合高斯模型在获得新的视频帧图像时都要对图像内的所有像素点的所有高斯函数的参数进行更新，计算量大且运算过程复杂，所以，就需对传统的运用高斯背景建模来实现图像处理的方法进行改进，减少其运算流程，简化其运算量，达到实用性强且提高效率的目的。

发明内容

本发明的目的在于克服现有技术的不足，提供一种可以应用高斯背景建模技术来对图像处理的方法。

本发明解决其技术问题是采取以下技术方案实现的：

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，包括以下步骤：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，

优选的，所述的第四步中的A公式为

ρ＝α*η(X_t|μ_k,σ_k)，