[发明专利]基于自适应鲁棒主成分分析的视频前景分离方法和系统

权利要求书

1.基于自适应鲁棒主成分分析的视频前景分离方法，其特征在于，包括如下步骤：

步骤1，对输入的图像序列按行拉成列向量，然后组成一个新矩阵M；

步骤2，对矩阵M进行奇异值分解，获取至少一定主元信息的前r个奇异值，并将第r个奇异值Z_r作为奇异值阈值运算的初始阈值μ；

步骤3，为了消除图像前景目标和背景间的信息相互融合的影响，对各个奇异值设置稀疏权重，该权重通过单个奇异值重构的矩阵所含信息的比例来决定，并获得各个奇异值在奇异值阈值运算中对应的阈值，其大小为初始阈值μ与对应权重的乘积；

步骤3的具体实现方式如下，

步骤3.1，将前r个奇异值重构成新矩阵M_r，其表达式为：

M_r＝US_rV^T (1)

其中，U为矩阵M的左奇异向量，V为矩阵M的右奇异向量，S_r为前r个奇异值组成的对角矩阵；

步骤3.2，利用公式(1)将前r个奇异值分别单独重构成新矩阵M_ri，计算矩阵M_ri所含信息占矩阵M_r所含信息的比例k_i；

其中，M_ri,M_r表示M_ri和M_r的内积，||M_r||_F表示M_r的F范数，Z_i为矩阵M的第i个奇异值；

步骤3.3，各个奇异值对应的稀疏权重w_i为：

最终，各个奇异值在奇异值阈值运算中对应的阈值为w_i·μ；

步骤4，根据非精确拉格朗日乘子法，通过奇异值阈值运算模型迭代将输入的图像序列矩阵分解成一个低秩矩阵和一个稀疏矩阵；

步骤5，将低秩矩阵和稀疏矩阵分别按列还原成原始图像的大小，并输出图像序列。

2.如权利要求1所述的基于自适应鲁棒主成分分析的视频前景分离方法，其特征在于：步骤2中取至少包含95％主元信息的前r个奇异值。