图像分割之静态背景分割综述
来源:互联网 发布:古典风格网站源码 编辑:程序博客网 时间:2024/06/11 08:58
静态背景分割方法的比较
摘要:在静态或运动补偿的照相机中,静态背景分割方法能应用于从背景分割出有意义的前景物体。尽管提出了许多方法,但通用的评价是不可行的(a general assessment of the state of the art isnotavailable)。一个重要问题是以质量(精度)和计算复杂度(时间和内存占用)来比较各种现有的方法。选择最近技术中具有代表性的方法来应用和相互比较。一个巨大的视频集用于完成所有的结果,室内和户外视频都具有不同的环境条件。把视觉分析用于质量的主观评价,把基于像素级的可用地面真实数据用于客观评价。而且计算复杂度是通过计算每个算法的消耗时间和内存需求来估计的。本文评价了各种技术的优缺点;而且,这对在这个领域里为特殊环境和方向的深入研究选择一个优化的方法具有很好的指导意义。
1.
2.
3.
①
客观质量:为了对分割质量作一个客观评价,使用了ground truth basedmeasures。尽管存在一些感知测量,我们仅仅使用了基于像素的方法。当真的正值产生一定数量的正确检测出的前景像素时,真的负值也产生一定数量的正确识别的背景像素。与此相反,假的负值是那些被错误地标识为背景的像素,而假的正值是被错误地检测出的前景。
Ground-truth
Positive
Negative
Segmentation
Positive
TP
FP
TP+FP
Negative
FN
TN
FN+TN
TD+FN
FP+FN
真的正值率(TPR)定义为: TPR=TP/(TP+FN)
真的负值率(TNR)定义为: TNR=TN/(TN+FP)
假的正值率(FPR)定义为: FPR=FP/(FP+TN)
假的负值率(FNR)定义为: FNR=FN/(TP+FN)
当把上述的方法用于任意一种类型的分类时,传统方法的两类问题是:R是正确检测出的像素的个数与在ground truth数据中的相关像素个数之间的比值,定义为:
精度P是正确检测出的像素的个数与整个像素个数之间的比值,定义为:
主观质量:既然客观质量方法不是很老练,通过人们观察的主观质量评价就是不可避免的。它允许深入分析不同分割方法的错误。
总结:首先,必须知道在不同视频中,客观质量评价与主观质量评价差别是很大的,这个差别也取决于采用的方法。一些方法具有较少的限制,因此比其他方法具有较高的稳定性。
精度用来分析一种算法过分割的趋势。精度越高,过分割的可能性越小。另一方面,the recall用于估计欠分割(undersegmentation)的趋向,recall越高,欠分割的可能性越小。主观质量评价支持客观质量评价方法的结果。另一方面,图像差分方法显示出与欠分割相对应的高PN值。
②
4.
主要阐述了静态背景现有的分割方法,而且以使用方法、分割质量和计算复杂度对它们进行了相互比较。完全的调查支持多个结论,会考虑到信息、背景模型、分类和使用的策略。对把前景物体从背景中分割出来,颜色是一个很有力的线索,灰度信息对要求严格的检测是不够的。就颜色空间而言,亮度和色度信息的分离能提供第阴影的鲁棒性。单独的边缘信息缺少鲁棒性是因为错误地检测出的边缘,但如果与颜色信息结合起来能提高性能。一般来说,把补充的信息(颜色、边缘、运动)结合起来会产生更好的效果。统计背景模型比简单的均值背景模型更好,因为它们也把由摄像机噪声产生的背景变化量建立模型。具有多类的复杂分类器和模糊分类,比只有两类的简单分类器和以牺牲计算复杂度的阈值化,会产生较高的性能。而且,可以推断分割性能在很大程度上取决于有用信息、背景模型、分类和结合策略的理想组合。特别地,对实时应用方面,记住分割性能不仅决定于有许多特征、非常复杂的模型和分类器,而且还决定于不同步骤的优化组合是非常重要的。
- 图像分割之静态背景分割综述
- 图像分割综述
- 医学图像分割综述
- 图像分割综述
- 图像分割方法综述
- 图像分割方法综述
- 图像分割综述
- 图像分割___图像分割方法综述
- 图像分割___图像分割方法综述
- 图像分割___图像分割方法综述
- 图像分割(一)--综述
- 图像分割之条形码分割
- 灰度图像--图像分割 阈值处理综述
- 图像分割阈值选取技术综述
- 图像分割阈值选取技术综述
- 图像分割阈值选取技术综述
- 图像分割阈值选取技术综述
- 图像分割阈值选取技术综述
- (转载)OpenCV 函数的参数用法…
- Android binder驱动中用到的关键结构体
- Linux系统启动时都发生了什么
- opencv新版中最重要的一个类…
- 安装fastDFS文件
- 图像分割之静态背景分割综述
- C语言返回字符串的四种方式
- 转 Linux下的 .o、.a、.so…
- arm-linux-g++; comman…
- 数据驱动编程(转载)
- OpenCV人脸检测代码分析
- Opencv2:Mat矩阵详解(转载)
- 9.4-全栈Java笔记:Map接口和实现类
- Opencv 矩阵运算