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

1、運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)作為追蹤、目標(biāo)識(shí)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(cè)算法的性能與表現(xiàn)卻不盡人意。采用去噪算法作為檢測(cè)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(wèn)題，尤其當(dāng)圖像序列或視頻受污染嚴(yán)重時(shí)?；诖耍菊撐难芯坎⑻岢隽艘环N對(duì)噪聲魯棒的背景減方法，利用噪聲在過(guò)完備字典上的散落特性和稀疏系數(shù)的分布特點(diǎn)，來(lái)實(shí)現(xiàn)低照度大噪聲環(huán)境下運(yùn)動(dòng)目標(biāo)檢測(cè)的可行性。

2、本論文主要包括以下幾個(gè)方面：
　　1.通過(guò)分析最近幾年稀疏理論在運(yùn)動(dòng)目標(biāo)檢測(cè)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(cè)的相關(guān)假設(shè)，詳細(xì)探討了噪聲在過(guò)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(wèn)題歸結(jié)為l1范數(shù)下，過(guò)完備字典中原子的稀疏線性組合問(wèn)題，并針對(duì)背景更新問(wèn)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(duì)噪聲魯