一種基于顯著性目標背景建模的視頻顯著性檢測算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及計算機視覺與多媒體處理技術(shù)領(lǐng)域，具體設(shè)及一種基于顯著性目標背 景建模的視頻顯著性檢測算法。
【背景技術(shù)】
[0002] 近年來，隨著基于內(nèi)容的視頻重定位研究的發(fā)展，要求重定位后的視頻能夠適應(yīng) 多種屏幕尺寸顯示，并且要盡可能多的保留視頻中的重要信息。該些基于內(nèi)容的視頻重定 位技術(shù)中，如何快速、準確的檢測出視覺顯著性區(qū)域，仍然是一個亟待解決的具有挑戰(zhàn)性的 問題。
[0003] 傳統(tǒng)的基于背景建模的視頻顯著性方法如混合高斯模型背景建模法和基于四元 數(shù)傅里葉變換視頻目標檢測算法需要結(jié)合視頻中初始多帖圖像進行背景建模，因此無法對 初始幾帖圖像進行檢測，且由于其加入帖間相關(guān)信息，會存在建模復(fù)雜度高的缺點。未引入 每一帖顯著圖質(zhì)量判定規(guī)則，因此顯著視頻質(zhì)量無法有效的保證。
[0004] 因此，提出一種基于顯著性目標背景建模的視頻顯著性檢測算法，已成為本領(lǐng)域 目前亟待解決的技術(shù)問題之一。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明提出了一種基于顯著性目標背景建模的視頻顯著性檢測算法。其目的在于 通過靜態(tài)圖像顯著圖快速獲取視頻背景模型，根據(jù)視頻背景模型利用背景減除法獲取顯著 視頻。
[0006] 本發(fā)明的目的是通過下述技術(shù)方案來實現(xiàn)的。
[0007] 一種基于顯著性目標背景建模的視頻顯著性檢測算法，包括W下步驟：
[000引步驟1，用靜態(tài)圖像顯著性檢測方法進行顯著性目標檢測，得到初始帖顯著圖，根 據(jù)初始帖顯著圖提取顯著目標并獲取殘余背景圖像；
[0009] 步驟2,根據(jù)殘余背景圖像進行背景建模，對殘余背景圖像中像素值為0的像素點 進行相似性填充，獲取初始帖背景模型；
[0010] 步驟3,進行視頻顯著性檢測；根據(jù)初始帖背景模型，對下一帖利用背景減除法減 去初始背景模型得到下一帖顯著區(qū)域，且對該顯著區(qū)域進行信息冗余度判別；如果冗余度 較小，則認為該顯著區(qū)域正確；如果顯著區(qū)域冗余較高，則重復(fù)步驟1-步驟2重新進行背景 建模；最后，依次循環(huán)得到最終顯著視頻。
[0011] 優(yōu)選地，步驟1進一步包括，對初始帖圖像I用靜態(tài)圖像顯著性檢測方法進行顯著 性目標檢測，得到初始帖顯著圖L，對顯著圖進行簡單闊值分割，得到顯著圖的二值圖像：
[0012]
(1)
[001引式中；V為顯著圖的二值圖像，T為闊值；
[0014] 利用顯著圖的二值圖像對原始圖像中目標進行提取得到目標圖像：
[0015] 1。=1 曰'.*1 (2)
[0016] 式中；1。為所得目標圖像，根據(jù)目標圖像獲取殘余背景圖像：
[0017] Ib' = 1-1。 做
[001引式中；Ib'為殘余背景圖像，對殘余背景中像素值為0的位置進行填充，得到初始 帖背景模型。
[0019] 優(yōu)選地，步驟2進一步包括，對殘余背景圖像中像素值為0的像素點進行相似性填 充，獲取初始帖背景模型，當該點位于圖像四個頂點時，向周圍兩個方向?qū)ふ也粸?的像素 點，進行計算填充。
[0020] 優(yōu)選地，步驟2進一步包括，對殘余背景圖像中像素值為0的像素點進行相似性填 充，獲取初始帖背景模型，當該點位于圖像邊界但不在頂點時，向周圍=個方向?qū)ふ也粸? 的像素點，進行計算填充。
[0021] 優(yōu)選地，步驟2進一步包括，對殘余背景圖像中像素值為0的像素點進行相似性填 充，獲取初始帖背景模型，當該點位于圖像中屯、區(qū)域時，向周圍四個方向?qū)ふ也粸?的像素 點，進行計算填充。
[0022] 進一步地，向周圍方向?qū)ふ也粸?的像素點，進行計算填充方法如下：
[0023] 1)選中待填充像素Pci其空間坐標記為（X。，y。），WPci為起始點向周圍方向逐層尋 找值不為0的像素點，當在某一層尋找到值不為0的像素點時結(jié)束尋找，記像素值不為0的 點為Pl，P2,. . .，Pn坐標分別為（X。yi)，（X2,y2)，. . .，（X，ny)n，分別計算P。到各個點的歐氏 距離：
[0024]
(4)
[0025] 式中：S。為P。P2, . . .，Pn到P0點的歐氏距離；
[0026] 。從中挑選出離待填充像素歐氏距離最近的像素點，記為Pk化《n)，并對P。進行 填充：
[0027]
(5)
[002引式中；P。'為計所得待填充位置像素值，K為離待填充像素歐氏距離最近的不為0 像素點的個數(shù)；
[0029] 3)按照上述方式對殘余背景圖像Ib'中所有為0的像素點進行填充后，得到最終 的背景模型Ib。
[0030] 優(yōu)選地，步驟3進一步包括，進行視頻顯著性檢測；包括下述步驟：
[0031] 1)輸入視頻第n帖，記為F> = 1，2,. . .，n)，初始帖Fi背景模型記為B1，第n帖 背景模型記為B。，第一帖圖像的顯著圖由靜態(tài)圖像顯著性檢測所得記為F'd;
[0032] 第2帖圖像顯著圖F' ,2由下式得到：
[003引 F's2=iFs-Bj化）
[0034] 因此，第n帖圖像其顯著圖：
[003引 F'sn= |Fn-Bn-ll饑
[0036] 第n帖背景模型Bn:
[0037]
巧）
[00測式中，恥(FJ為第n帖顯著圖的2-D滴；
[0039] 公式做中求第n帖顯著圖的2-D滴也化。)，如果其2-D滴小于所設(shè)定闊值T，則 認為第n帖圖像背景較前一帖變化不大，其背景能夠用前一帖背景替代，無需重新建模；相 反，如果其2-D大于等于所設(shè)闊值，則認為其背景較前一帖變化大，則需重新對背景模型進 行更新，記更新后的背景模型為山_。。，做為第n帖背景，結(jié)合公式（7)獲取每一帖的顯著圖 組成顯著視頻V,。
[0040] 本發(fā)明結(jié)合背景減除法，提出了一種基于顯著性目標背景建模的視頻顯著性檢測 算法。與傳統(tǒng)算法相比，本發(fā)明所提方法，無需結(jié)合帖間信息進行背景建模，因此可W對每 一帖視頻圖像進行顯著性檢測。且背景建模只需在空域中對殘余背景填充，因此計算復(fù)雜 度較低。此外，由于加入冗余度判別且無需對視頻每一帖都進行背景建模，因此會具有較快 的計算速度和計算精度。
[0041] 本發(fā)明算法能夠清楚的檢測出視頻中的運動對象。在對背景變化不大的視頻序 列，一個背景模型就可W完成對多帖圖像的檢測，從而節(jié)省了時間。在背景變化較大情況下 即H,d>T時能夠自動完成背景更新，從而使得檢測結(jié)果更加精準有效。
【附圖說明】
[0042] 圖1為本發(fā)明的流程；
[0043] 圖2 (a)-圖2 (f)為本發(fā)明背景建模過程；
[0044] 圖3為本發(fā)明背景建模算法示意圖；
[0045] 圖4 (a)-圖4(d)為本發(fā)明所提背景建模結(jié)果示例；
[0046] 圖5為同一背景模型下顯著視頻2-D滴變化情況；
[0047] 圖6為本發(fā)明所提算法對視頻序列的檢測結(jié)果示例。
【具體實施方式】
[0048] 下面結(jié)合附圖及【具體實施方式】進一步說明本發(fā)明。
[0049] 本發(fā)明一種基于顯著性目標背景建模的視頻顯著性檢測算法如圖1所示，其重要 步驟介紹如下：
[0050] 1、獲取初始帖（當前帖）殘余背景
[0051] 對初始帖（當前帖）圖像1)(輸入圖像圖（2a))用靜態(tài)圖像顯著性檢測方 法進行顯著性目標檢測，得到初始帖顯著圖I,如圖2(b)所示，對顯著圖進行簡單闊值 (TG[0, 25引）分割，得到顯著圖的二值圖像：
[00巧
[005引式中；V為顯著圖的二值圖像，T為闊值，如圖2(c)所示。利用顯著圖的二值圖 像對原始圖像中目標進行提取得到目標圖像：
[0054] 1。=1曰'.*1 (2)
[005引式中；1。為所得目標圖像，如圖2(d)所示。根據(jù)目標圖像獲取殘余背景圖像：
[0056] Ib' = 1-1。 (3)
[0057] 式中；Ib'為殘余背景圖像如圖2(e)所示。對殘余背景中像素值為0的位置進行 填充，得到初始帖背景模型，如圖2(f)所示。
[0化引 2殘余背景填充
[0059] 建立背景模型關(guān)鍵是要對殘余背景圖像Ib'中像素點為0的元素進行填充，使得 其更加接近真實背景。本發(fā)明提出一種基于周圍像素均值替代的背景填充方法，圖3為本 發(fā)明所提殘余背景填充算法示意圖。具體實施如下：
[0060] 對殘余背景圖像Ib'中某一像素值為0的點，可分為W下S種情況進行填充：當 該點位于圖像四個頂點時，向周圍兩個方向?qū)ふ也粸?的像素點，進行計算填充；當該點位 于圖像邊界但不在頂點時，向周圍=個方向?qū)ふ也粸?的像素點，進行計算填充；當該點