[发明专利]一种基于混合高斯背景模型的降水云团检测方法

权利要求书

1.一种基于混合高斯背景模型的降水云团检测方法，其特征在于，包括以下步骤：

S1：通过形态学处理方法去除干扰、近程静态强回波并将地理信息叠加至底图；

S2：基于混合高斯背景模型进行背景建模；

所述混合高斯背景建模通过K个高斯模型表示图像中的每一个像素点；输入视频，获取新的视频帧图形，在获取新的一帧图像后更新调整高斯分布的权重建立背景模型，使用当前图像的每一个像素点与混合高斯模型进行匹配，若匹配成功则判定该像素点为背景像素点，否则认为是目标像素点；

S3：检测并获取降水云团的轮廓信息。

2.根据权利要求1所述的一种基于混合高斯背景模型的降水云团检测方法，其特征还在于：所述步骤S2基于混合高斯背景模型进行背景建模还包括以下步骤：

S21：初始化背景模型；在视频图像序列中，对初始帧图像的每一个像素点建立K个相互独立的高斯分布，通过高斯密度函数对高斯分布情况进行描述；设在t时刻图像的像素点值为X_t，则第i个高斯密度函数为：

其中，μ_i,t表示在第t时刻的第i个高斯分布的均值，Σ_i,t表示第t时刻的第i个高斯分布的协方差，ω_i,t表示第t时刻第i个高斯分布的权值，且满足则在第t时刻像素点的密度函数估计为：

设μ₀、σ₀分别表示图像帧背景建模初始化时的均值和方差，则初始化为：

其中，N表示选取的视频帧数；

S22：模型匹配；获取新的图像帧后，将所述新的图像中每一像素点X_t和第t时刻的K个高斯分布模型分别进行对比，假设匹配的阈值设定为2.5σ_i：

|X_t-μ_i,t-1|≤2.5σ_i (5)

其中，μ_i,t-1表示在第t-1时刻的第i个高斯分布的均值，当所述像素点满足式(5)时，则判定所述像素点为背景像素点，进行步骤S23对模型参数进行更新；当所述像素点步满足式(5)时，时则判定所述像素点为目标像素点；

S23：对模型参数更新；所述对模型参数更新包括：均值更新、方差更新以及高斯分布权值更新；

所述高斯分布权值更新为：

当所述像素点匹配为背景像素点则进行更新，其中α取值为(0,1)，α表示对均值和方差的学习率；

当所述像素点匹配为背景像素点，增加ω_i,t值；当所述像素点匹配为目标像素点，则减小ω_i,t值；所述像素点匹配为目标像素点的高斯分布，将所述像素点均值和方差分别按式(7)、(8)更新：

μ_i,t＝(1-ρ)μ_i,t-1+ρX_i,t (7)

其中，ρ的值为：

S24：生成基于混合高斯背景的模型；计算所述图像中每一个像素K个高斯分布的优先级，按照优先级排序即由权重高到权重低排序；所述背景模型建立为：

其中，N表示为：

其中，T表示选取的阈值。