低照度大噪聲條件下的運(yùn)動(dòng)目標(biāo)檢測方法.pdf

1、運(yùn)動(dòng)目標(biāo)檢測技術(shù)作為追蹤、目標(biāo)識別、行為理解等高層次視頻處理技術(shù)的基礎(chǔ)，得到了廣泛深入的應(yīng)用與研究。然而，在低照度大噪聲環(huán)境中，運(yùn)動(dòng)目標(biāo)檢測算法的性能與表現(xiàn)卻不盡人意。采用去噪算法作為檢測前的預(yù)處理手段，能夠減輕噪聲的影響，卻不能從根本上解決這一問題，尤其當(dāng)圖像序列或視頻受污染嚴(yán)重時(shí)?；诖?，本論文研究并提出了一種對噪聲魯棒的背景減方法，利用噪聲在過完備字典上的散落特性和稀疏系數(shù)的分布特點(diǎn)，來實(shí)現(xiàn)低照度大噪聲環(huán)境下運(yùn)動(dòng)目標(biāo)檢測的可行性。

2、本論文主要包括以下幾個(gè)方面：
　　1.通過分析最近幾年稀疏理論在運(yùn)動(dòng)目標(biāo)檢測領(lǐng)域中的應(yīng)用，提出了在低照度大噪聲環(huán)境下，應(yīng)用稀疏理論進(jìn)行運(yùn)動(dòng)目標(biāo)檢測的相關(guān)假設(shè)，詳細(xì)探討了噪聲在過完備基上的分布特性；
　　2.提出了一種基于稀疏理論的背景建模方法，將背景建模問題歸結(jié)為l1范數(shù)下，過完備字典中原子的稀疏線性組合問題，并針對背景更新問題，提出了一種字典更新策略，保證背景模型能夠很好地適應(yīng)環(huán)境的變化；
　　3.提出了一種對噪聲魯