پنج شنبه 28 تیر 1397 | Thursday 19 th of July 2018 صفحه اصلی گروه الکترونیکی کامپیوتر
3-12- یک رهیافت انطباقی عملی برای کاهش زمینه پویا با استفاده از یک مدل رنگی ثابت و پیگردی شی

سه الگوریتم کاهش زمینه پویا برای تصاویر رنگی ارائه و مقایسه می شوند. اجرای این الگوریتم‌های تعریف شده مانند ویرایش انتخابی با استفاده از میانگین گیری موقتی[1]، ویرایش انتخابی با استفاده از پیکسل‌های غیر پیش نمای تصویر ورودی[2] و ویرایش انتخابی با استفاده از میانهو حد فاصل موقتی[3] فقط برای پیکسل‌های زمینه متفاوت هستند. بعد با استفاده از یک فیلتر رنگ ثابت و یک تکنیک پیگردی حرکت مناسب ، یک رده بندی سطح شی پیشنهاد می شود که رفتارهای همه حباب‌های پیش نما را تشخیص می دهد. این رهیافت جدید، که به طور انتخابی حباب (لکه)‌های پیش نما را از فریم‌های زمینه جدا نگه می دارد، هر سه متد را شامل می شود.

امتیازات سومین الگوریتم این است که ان در صحنه‌های درونی و بیرونی بدون محدودیت راه اندازی می‌شود، قادر به اداره موقعیت‌های سخت مثل حذف تجسمات روحی و شامل اشیاء ایستا در کارایی تصویر زمینه است، ضمناً پارامترهای الگوریتم به طور خودکار محاسبه می شوند یا ثابت هستند. کارایی الگوریتم جدید با نتایج به دست امده با شماری از توالی‌های تصویر تثبیت می شود.

اهمیت تولید تصاویر مرجع پویای دقیق در کاربردهای دید کامپیوتر مانند نظارتهای ویدئو ، دیده بانی ترافیک ، سیستم‌های اثر متقابل انسانی – ماشین و ... اشکار است. برای این هدف، کاهش زمینه اغلب به عنوان اولین گام در بسیاری از الگوریتم‌های اکتشاف شی متحرک استفاده شده است.

با به کار گیری یک تکنیک جدید مناسب، یک متد کاهش زمینه انطباقی یک فریم مرجع درست برای هر تصویر ورودی تولید می کند. یک شمار قابل توجهی از متدهای مربوط به تولید زمینه انطباقی در ده سال گذشته پیشنهادشده‌اند. در تعدادی از مقاله‌های دیگر، یک مدل ترکیبی پارامتری یا غیر پارامتری انطباقی از k‌ توزیع Gaussian‌ مطابق اداره تغییرات روشن سازی کوچک و مکرر استفاده شده است. استفاده از فیلتر Kalmanبه عنوان یک متد براورد زمینه انطباقی توسط برخی نویسندگان پیشنهاد شده است[3]. اگر چه، برخی از این متدها قادر به اداره مسئله حرکت اشیاء زمینه و اشیاء پیش نمای کم حرکت مناسب بعد از یک دوره زمانی نیستند.

طبق سه رهیافت ابتدایی، اولین گام ترکیبی از دو سایز فیلتر و یک فیلتر رنگی ثابت ، پیکسل‌های هر تصویر ورودی را به دو گروه رده بندی می کنند: ناحیه‌های پیش نما(یا اشیاء) و پیکسل‌های زمینه داوطلب. پیکسل‌های زمینه داوطلب برای ویرایش زمینه با استفاده از رهیافت‌ها ی بالا انتخاب می شوند. پیکسل‌های زمینه جدید شامل تصویر زمینه جاری می باشد.

 

مانند دومین مرحله، یک تکنیک پیگردی حرکت مناسب، برای تشخیص رفتارهای همه ناحیه‌های پس زمینه در تصویر ورودی استفاده می شود[3].



[1]selective update using temporal averaging

[2]selective update using non-foreground pixels of the input image

[3]selective update using temporal median 

Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26