[发明专利]一种基于混态高斯MRF模型的喷墨印花织物运动目标检测方法

摘要

一种基于混态高斯MRF模型的喷墨印花织物运动目标检测方法，包括以下步骤①输入观测视频，设置迭代实施参数；②计算格点的迭代优化解，并根据“格点状态判定”策略，生成格点的混态高斯MRF状态值；③如果格点为运动目标点，则标记运动目标检测图在格点处的值，并保持格点的背景重构值不变；否则更新背景，设置格点的新背景重构值；④迭代产生所有格点的状态值，并利用其生成混态高斯MRF状态集；⑤利用混态高斯MRF状态集计算全局能量值；⑥计算全局能量变化值，如果大于迭代误差阈值，则继续ICM迭代优化，否则完成迭代优化的收敛过程；⑦输出运动目标检测图和背景重构图。本发明能实现运动目标检测过程中的背景动态更新，有效提高复杂纹理背景的表征能力，提高在噪声环境下的检测精度，适用于喷墨印花织物的运动目标检测处理。

主权项

一种基于混态高斯MRF模型的喷墨印花织物运动目标检测方法，包括以下步骤：步骤①：输入观测视频I，置时间序标t＝1，背景重构图u0＝I1，格点序标i＝0，视频帧总数M＝100，单帧中格点总数N＝80×80＝6400，迭代误差阈值η＝0.01，迭代序标k＝1，全局能量值E0＝0，噪声阈值ω＝0.1，权值参数α＝1，β＝8，γ＝4，方差λ＝1.5，平滑比例参数a＝0.7；步骤②：置i＝i+1，计算E(xt|I,ut‑1)在格点i处的能量值的迭代优化解并根据“格点状态判定”策略，生成格点i的混态高斯MRF状态值步骤③：如果则标记运动目标检测图mt在格点i处的值为1，并保持背景重构值不变，即置否则更新背景，置背景重构值步骤④：如果i＜N，转至步骤②，继续生成下个格点的状态值；否则，利用所有格点的状态值生成混态高斯MRF状态集转至步骤⑤；步骤⑤：利用xt计算E(xt|I,ut‑1)，置全局能量值Ek＝E(xt|I,ut‑1)，并将能量变化值ΔE＝Ek‑Ek‑1作为ICM迭代优化的终止判断依据；步骤⑥：如果ΔE＜η，则ICM迭代优化的收敛过程完成，转至步骤⑦；否则置k＝k+1，i＝0，并转至步骤②，继续执行下一次ICM迭代优化；步骤⑦：利用最优估计值xt，输出t时刻的运动目标检测图mt和背景重构图ut；步骤⑧：置t＝t+1，如果t≤M，则置k＝1，i＝0，转至步骤②，继续执行下一帧检测；否则，完成所有帧检测，结束；所述的步骤①中，I＝{It|t＝1,...,M}是所有时刻的帧图像集合，它是一个帧图像序列，其中，It＝{Ii(t)|i＝1,...,N}是t时刻的帧图像，它是所有格点在t时刻的亮度值集合，Ii(t)是格点i在t时刻的亮度值；u＝{ut|t＝1,...,M}是所有时刻的背景重构图集合，其中，是t时刻的背景重构图，是所有格点在t时刻的背景重构值集合，是格点i在t时刻的背景重构值；u0是ut在t＝0时的取值；I1是It在t＝1时的取值；E0是全局能量值Ek在k＝0时的取值；所述的步骤②中，E(xt|I,ut‑1)是运动目标检测模型的能量表达式，能量表达式定义为：其中，x是混态随机变量，是格点i在t时刻的混态高斯MRF状态值，是混态随机场，是所有格点在t时刻的混态高斯MRF状态值集合，Wi是格点i的邻域点集合，j是格点i的邻域点集合Wi中的序标，是格点i的邻域点j在t时刻的混态高斯MRF状态值，I是观测视频，ut‑1是t‑1时刻的背景重构图；EP是判决特征能量项，用于实现运动目标点检测；EQ是重构特征能量项，用于实现背景区域点的亮度值重构，重构过程将有效提高运动目标检测的精度；ER是正则特征能量项，用于实现对运动目标区域和背景区域的正则平滑处理；和分别是EP，EQ和ER在格点i处的取值项；α，β和γ是控制3个约束项作用的调节参数；式(2)中用于依据运动检测相关的特征信息来判决格点i是否为运动目标点，即有：EPi(xit|I)=(1-mit)·VMT(i,t)---(6)]]>其中，m＝{mt|t＝1,...,M}是所有时刻的运动目标检测图集合，是t时刻的运动目标检测图，是所有格点在t时刻的运动目标示性值集合，是格点i在t时刻的运动目标示性值；是运动目标示性函数，该函数依据是否为l，作出格点i是否为运动目标点的示性判断，即：如果则否则VMT(i,t)是格点i在t时刻下“运动纹理”特征的标量值，即有：VMT(i,t)=Vavg(i,t)·▿Ii(t)||▿Ii(t)||2---(5)]]>其中，Ii(t)是格点i在t时刻的亮度值，▽Ii(t)是Ii(t)在空域上的梯度向量，||▽Ii(t)||是向量▽Ii(t)的模值；令V(i,t)是格点i在t时刻的法向流向量，即有V(i,t)=-∂Ii(t)∂t·▿Ii(t)||▿Ii(t)||2---(3)]]>其中，是Ii(t)在时域上的梯度向量；式(5)中的Vavg(i,t)是格点i在t时刻的加权法向流幅值，即有Vavg(i,t)=Σj∈WiV(j,t)||▿Ij(t)||2max(ω2,Σj∈Wi||▿Ij(t)||2)---(4)]]>其中，Wi是格点i的邻域点集合，j是格点i的邻域点集合Wi中的序标，ω是抑制噪声阈值，max是取两个数中最大值的函数，V(j,t)是格点i的邻域点j在t时刻的法向流向量，Ij(t)是格点i的邻域点j在t时刻的亮度值，▽Ij(t)是Ij(t)在空域上的梯度向量，||▽Ij(t)||是向量▽Ij(t)的模值；式(3)是格点i在t时刻下的“运动纹理”特征，为了避免“运动纹理”特征受到噪声干扰，同时保留“运动纹理”特征的方向属性，对式(3)进行局部加权平均，得到式(4)，即格点i在t时刻的加权法向流幅值；为了简化式(4)的特征向量计算，将式(4)沿梯度方向上投影，得到式(5)，即格点i在t时刻下的“运动纹理”特征的标量值；式(5)中包含大量运动信息，可提供格点i上是否存在运动情况的置信判断依据；将式(5)引入中，并辅助判决格点i的混态高斯MRF状态值：当格点i处存在运动时，则VMT(i,t)值将剧增，受能量最小化约束作用将迫使运动目标示性值即令格点i的混态高斯MRF状态值将格点i标记为运动目标点，实现运动目标点的检测，并将所有格点的运动目标示性值集合作为t时刻的运动目标检测图。