[发明专利]一种基于灰度极值的背景重构方法

摘要

本发明公开了一种基于灰度极值的背景重构方法，具体包括如下步骤：将图像采集设备采集到的N帧图像序列读入计算机系统，用于重构场景的背景图像；基于灰度极值的像素灰度归类：通过下式分别计算各灰度区间类的权重；选择像素点背景；该方法通过灰度极值划分灰度区间类，选择像素点的背景灰度值以构建场景的背景，节省了存储空间，且计算量小；无需对场景中的背景和目标建立模型，能有效避免混合现象；能准确进行背景重构，鲁棒性好；在机械视觉、视频监控、军事科学、城市交通监控中和居民日常安全监控等实时系统领域有着广泛的应用前景。

主权项

1.一种基于灰度极值的背景重构方法，其特征在于，具体包括如下步骤：步骤1：将图像采集设备采集到的N帧图像序列f₁,f₂,......,f_N读入计算机系统，用于重构场景的背景图像；步骤2：基于灰度极值的像素灰度归类：将图像数据划分为若干个灰度区间，每个灰度区间用极小值和极大值表征，当新数据被输入时，计算该新数据和每个已形成的灰度区间类之间的距离，若该新数据和与其最近的灰度区间类的距离小于等于设定的阈值，则将该新数据归入与其最近的灰度区间类，反之，创建一个新的灰度区间类，将该新数据归入该新的灰度区间类；步骤3：通过下式分别计算各灰度区间类的权重wi(p)=Cni(p)N]]>其中，i为类序号，1≤i≤m(p)；wⁱ(p)为第i个灰度区间类Cⁱ(p)的权重，Cnⁱ(p)表示第i个灰度区间类Cⁱ(p)的类像素数，m(p)表示像素点p形成的灰度区间类的个数；步骤4：选择像素点背景按照权重由大到小的顺序将灰度区间类排序后，取前B(p)个灰度区间类作为像素点的背景灰度区间类，该前B(p)个灰度区间类的权重之和满足大于等于δ；δ为阈值，对于256级的灰度图像，δ通常取0.75；B(p)为背景灰度区间类的个数；当背景灰度区间类为单极值类时，其背景灰度值为该单极值灰度区间类的极小值；当背景灰度区间类为双极值类时，其背景灰度值为该灰度区间类的极小值和极大值的均值；步骤5：基于灰度极值的背景重构结束；所述步骤2：基于灰度极值的像素灰度归类的具体步骤如下：步1：读取第一个数据f_t(p)，将f_t(p)归入第i个灰度区间类Cⁱ(p)并进行该灰度区间类的初始化，此时i=1，t=1，像素点p形成的灰度区间类的个数m(p)＝1，该灰度区间类的类像素数Cnⁱ(p)=1，极小值CIⁱ(p)＝f_t(p)，此时无极大值；其中，i为类序号；f_t(p)表示像素点p在第t帧的灰度值，1≤t≤N，CIⁱ(p)表示Cⁱ(p)的极小值，CAⁱ(p)表示Cⁱ(p)的极大值；转入步2；步2：继续读取新数据f_t(p)，即t＝t+1，当t≤N时，转入步3；否则，转入步7；步3：计算新数据f_t(p)和每个已形成的灰度区间类Cⁱ(p)之间的距离d(Cⁱ(p),f_t(p))，其中，i为类序号，1≤i≤m(p)；d(Cⁱ(p),f_t(p))的具体计算如下：（1）当Cⁱ(p)为单极值类时，d(Cⁱ(p),f_t(p))＝|f_t(p)-CIⁱ(p)|；（2）当Cⁱ(p)为双极值类时，d(Cⁱ(p),f_t(p))的计算如下：①若CIⁱ(p)≤f_t(p)≤CAⁱ(p)，d(Cⁱ(p),f_t(p))＝0；②若f_t(p)＜CIⁱ(p)，③若f_t(p)＞CAⁱ(p)，其中，Θ为阈值，对于256级灰度图像，Θ取20-40；转入步4；步4：查找与f_t(p)距离最近的灰度区间类C^j(p)，即C^j(p)满足若d(C^j(p),f_t(p))≤Θ，则认为f_t(p)和C^j(p)匹配，转入步5；否则，转入步6；步5：将f_t(p)归入C^j(p)并更新C^j(p)的各项参数，具体更新步骤如下：（1）当C^j(p)为单极值类时：①若f_t(p)＝CI^j(p)，将C^j(p)的类像素数Cn^j(p)累加1，即Cn^j(p)＝Cn^j(p)+1；②若f_t(p)＞CI^j(p)，将C^j(p)的类像素数Cn^j(p)累加1，即Cn^j(p)＝Cn^j(p)+1，C^j(p)的极大值CA^j(p)＝f_t(p)；③若f_t(p)＜CI^j(p)，将C^j(p)的类像素数Cn^j(p)累加1，即Cn^j(p)＝Cn^j(p)+1，先将C^j(p)的极小值CI^j(p)赋给极大值CA^j(p)，即CA^j(p)＝CI^j(p)，再将f_t(p)作为灰度区间类C^j(p)的极小值CI^j(p)，即CI^j(p)＝f_t(p)；（2）当C^j(p)为双极值类时：①若CI^j(p)≤f_t(p)≤CA^j(p)，将C^j(p)的类像素数Cn^j(p)累加1，即Cn^j(p)＝Cn^j(p)+1；②若f_t(p)＜CI^j(p)，将C^j(p)的类像素数Cn^j(p)累加1，即Cn^j(p)＝Cn^j(p)+1，C^j(p)的极小值CI^j(p)＝f_t(p)；③若f_t(p)＞CA^j(p)，将C^j(p)的类像素数Cn^j(p)累加1，即Cn^j(p)＝Cn^j(p)+1，C^j(p)的极大值CA^j(p)＝f_t(p)；转入步2；步6：创建一个新的灰度区间类，即m(p)＝m(p)+1，i＝i+1；将f_t(p)归入该新类并初始化该新类的参数：使该新类的类像素数Cnⁱ(p)＝1，极小值CIⁱ(p)＝f_t(p)，该新类无极大值；转入步2；步7，基于灰度极值的像素灰度归类结束。