基于背景差法的运动目标分割

2013-09-04张建荣

长春工业大学学报 2013年2期

关键词：灰度物体像素

张建荣

0 引言

近年来，随着信息科技的发展，视频监控系统得到越来越广泛的应用。视频图像分割是其中一个关键问题。运动目标分割最简单的方法是光流法［1］，但光流法容易受光照和噪声等的影响，实时性也较差，故本实验采用分割结果较理想的背景差法［2－4］。

本实验运动目标分割过程如图1所示。

图1 运动目标分割过程

1 图像预处理

文中所使用图像为车辆交通图像，典型的车辆交通图像具有以下特点:

1）车辆是唯一运动的物体；

2）车辆运动基本与车道平行，很少有并道的现象；

3）路面的平均灰度反映了当前的光照条件。

实验中对于可能由于背景图像光线的不断变化、树木扰动等因素都产生的噪声，在检测、分割之前先对图像预处理，以减弱噪声对图像后续处理的影响。图像预处理中采用平滑滤波去除噪声。

2 背景提取

背景图像的获得通常采用背景更新［5］算法，在本实验中针对交通视频图像使用改进的背景更新算法。在算法中，对图像分块更新，但不更新有车辆出现的部分。在对块图像进行做差以后，用块中像素灰度值变化的均值与阈值相比较，若小于阈值，按相应的背景更新算法进行更新；否则不更新。

具体的背景更新算法步骤为:

1）读入N张连续的图像数据。将第1帧图像I0作为初始背景B0。

2）将每帧图像划分成m×m的块IIi（块的多少可以根据实验调节。块划分的越多，结果就会越精确，但计算量也会越大，一般划分为4×4较适宜）。

3）求当前帧图像中每个块的帧差分图像，并求解其像素灰度值的均值E。

4）选取阈值T，对每个块做如下更新:

5）重复步骤4），直到最后。

最后将得到的所有块背景图像相加，得到整个背景图像。在交通监控中，由于有些车辆运行速度缓慢，或者可能在遇到红灯时停止一段时间，容易造成背景提取错误，在本实验中，采取隔帧读取图像的方法，可以改善背景提取效果。

在背景提取中，背景更新算法所用的阈值T应该采用动态确定的方法来获取。本实验采用具有简单、处理速度快特点的Otsu［6］法。

3 差值图像

利用背景提取算法得到背景图像以后，就可以运用背景相减［7］法来获得运动目标，即用当前帧图像与所获得的背景图像相减以获得差值图像，并采用取绝对值的方法来避免做差可能出现负像素的情况。

4 阈值分割

在获得差图像之后，为了能突出运动目标区域，要用阈值来将图像二值化，从而得到二值化图像。阈值分割的基本原理是选定图像的阈值，将图像中所有像素的灰度值与之比较，若小于阈值被设置为0（黑），大于阈值则被设置为255（白）。阈值分割中，阈值的选取很重要。在差分图像中，由于有很多高灰度值的前景像素和低灰度值的背景像素，如果阈值选取不当，可能会使一些低灰度值的背景像素被误判为前景像素，也会使属于前景的像素点被判为背景像素，出现前景丢失情况。

在本实验中选取基于迭代的阈值方法对帧差分图像进行二值化。这种方法能自动更新阈值，比人工选择法方便，且比直接选取阈值的分割效果好。