區域性尺度不變背景差分
上圖顯示了LBP、LTP、SILTP的計算過程。對於一個給定位置(),SILTP的編碼公式為: (1) Ic為中心畫素的灰度值, Ik 為中心畫素領域內(R為半徑的圓)的其他N個畫素,St為分段函式:
這樣就完成了畫素的SILTP編碼。。文章提到了SILTP的幾個優點: (1)計算高效,比LBP計算只多了一個比較的步驟。 (2)SILTP運算元對區域性影象的噪聲是魯棒的,特別是陰影區域
本文提出一個居於區域性模式的核心估計(pattern kernel density estimation (PKDE) technique),用於描述像LBP、LTP、 SILTP等。
d(p,q) = p xor q
得到的仍然是一個二進位制的數字,然後使用一個權值函式(local pattern kernel)把這個二進位制的數字
轉化成數值,一般是普通的高斯權值。
定義區域性模型核函式為: // g為權重函式,可以是典型的高斯函式
所以概率密度函式為:
//(Ci 權重係數)
在實時應用中,還提出了一個線上的 PKDE 版本:
三、背景建模
通過 PKDE 演算法對每個畫素處理(pixel process)建立K個密度函式(K density functions),
並賦予對應的權重:;權重歸一化為1. 背景個數的選擇:
判斷一個新的Pt 屬於背景的概率:
然後通過比較與閾值Ts的大小,判斷是背景還是前景
四、背景更新
將背景模型按概率密度排列,計算當前幀pt與第K個背景的相似度:
如果找到匹配的模型,則跟更新背景:
權重的更新為:
如果不存在匹配的模型,則權重最小的模型將被新的權重較小的分佈模型取代:
五、多基於塊的多尺度SILTP運算( Multiscale Block-based SILTP (MB-SILTP) operator)
MB-SILTP 編碼與SILTP 相似,只是將(1)式中的Ic、 Ik 用塊的均值替換。
背景的概率: