[发明专利]一种基于改进的Codebook前景检测的图像处理方法

摘要

本发明公开了一种基于改进的Codebook前景检测的图像处理方法，其特征在于，包括步骤如下：将RGB颜色空间转换为YCbCr颜色空间；改进Codebook前景检测算法；应用改进的Codebook算法进行前景检测。采用本发明的方法能够很好地进行前景检测，区分前景与背景的同时，降低了光照变化对检测的影响，降低了内存的消耗，提高了性能。

主权项

1.一种基于改进的Codebook前景检测的图像处理方法，其特征在于，包括步骤如下：1)将RGB颜色空间转换为YCbCr颜色空间；2)改进Codebook前景检测算法；3)应用改进的Codebook算法进行前景检测；上述步骤1)中YCbCr颜色空间与RGB颜色空间存在一种线性变换关系转换关系公式为：即：其中，Y为亮度，Cb为蓝色色度分量，Cr为红色色度分量，亮度分量Y与色度分量Cb、Cr相互独立；上述步骤2)具体包括：对图像进行分段线性色彩变换；马氏距离计算色度分量的色差值；随机抛弃值方法筛选码字；对图像进行分段线性色彩变换具体包括：YCbCr是由RGB线性变化得到的，其亮度分量并不完全独立于色度信息存在，颜色聚类区域随着Y的不同而呈分段线性变化的趋势，在进行前景检测之前，需要对图像进行分段线性色彩变换，如公式(3)：其中，i＝b或r；C_i(Y)为变换后的色彩分类；和是聚类区域的中轴线；和为聚类区域宽度；为常量，K_i和K_h为常数，是非线性分段变换的分段阈值，K_i＝125，K_h＝188；经过分段色彩变换后，将其投影到二维子空间，得到颜色聚类模型，对于色度分量Cb和Cr，得到像素值的色差值向量γ＝(Cb,Cr)，在二维的Cb‑Cr子平面中判别前景的聚类情况；设X为单个像素的训练序列，它包含N个RGB向量，X＝{x₁,x₂,...,x_N}，通过上述公式(1)，将RGB向量转换成YCbCr向量Y，Y＝{y₁,y₂,...,y_N}；C为此像素含有L个码字的Codebook，C＝{c₁,c₂,...c_L}，每个码字c_i，i＝1,2,...,L，包含一个YCbCr向量和一个六元组auy_i＝{Y_i^min,Y_i^max,f_i,λ_i,m_i,n_i}；其中，Y_i^min为码字的像素亮度最小值、Y_i^max为码字的像素亮度最大值、f_i为码字出现的频数、λ_i为码字的最大消极时间，即训练期间码字被访问到的最大周期、m_i为码字第一次被访问的时间、n_i为码字最后一次被访问的时间；马氏距离计算色度分量的色差值具体包括：在Codebook的训练过程中，设YCbCr颜色空间中输入像素点由于马氏距离不受量纲的影响，两点之间的马氏距离与输入原始数据的测量单位无关，在总体样本的基础上，由协方差矩阵的逆矩阵及样本均值来决定，马氏距离排除了变量之间相关性的干扰；因此，采用马氏距离方法表示色度分量Cb和Cr间的色差值；计算公式如(4)：d(y_t)＝(γ_t‑μ)^T·Σ^‑1(γ_t‑μ)            (4)其中，为样本均值向量，为样本的协方差矩阵，γ_t为当前输入像素点的色度差向量，γ_i为某一码字c_i的色度差向量，N为向量个数；在时刻t采样所得的码字为y_t与当前码字元素作比较，确定哪个码字元素c_m与之相匹配，输入像素点其色度差向量为γ_t＝(Cb_t,Cr_t)和一个码字c_i，并且其色度差向量为γ_i＝(Cb_i,Cr_i)，采用颜色失真度与亮度作为选择标准；下面给出定义，根据马氏距离有如下等式成立：D(y_t)表示输入像素点色度差向量与样本均值向量间的马氏距离；D(v_i)表示某一码字色度差向量与样本均值向量间的马氏距离；D(y_t,v_i)表示两个色度差向量之间的马氏距离；则，颜色失真度δ可由下式计算得到：其中，θ表示为输入向量在YCbCr颜色空间投影的夹角，q为向量投影长度；亮度边界则定义为：其中，Y为像素亮度，分别为亮度最小值与最大值，[Y_low,Y_high]为该像素马氏距离的稳定区间；随机抛弃值方法筛选码字具体包括：假设当前训练图像I中某一像素为I(x,y)，同时记前景阈值的增长判定阈值为Bounds；步骤a:遍历每个CW，判断是否满足ILow≤I(x,y)≤IHigh，若不满足，则进入步骤b，若满足则进入步骤c；步骤b:创建新码字CWnew加入CB，赋I(x,y)值，判断是否满足：ILow＜‑I(x,y)‑Bounds若不满足则进入步骤c，若满足则进入步骤e；步骤c：更新该码字的t_last；步骤d：更新码字的学习上下界；步骤e：更新CB中每个CW的stale，当t＝t+1则重复步骤a；其中，CW为码字，CW＝{IHigh,ILow,max,min,t_last,stale}；CWnew为新的码字；I(x,y)为像素值；CB为一个Codebook结构，CB＝{CW1,CW2,...CWn,t}；n为一个CB中所包含的CW的数目，当n较小时，退化为简单背景，当n较大时可以对复杂背景进行建模；t为CB更新的次数；IHigh为更新时的学习上界；ILow为更新时的学习下界；max为记录当前像素的最大值；min为记录当前像素的最小值；t_last为上次更新的时间；stale为陈旧时间，用来删除很少使用的CW。