基于迭代张量高阶奇异值分解的运动目标提取

• 作者: 徐联微 杨晓梅
• 来源期刊: 计算机应用研究
• 关键词: 背景建模 低秩矩阵恢复 张量 高阶奇异值分解 矩阵奇异值分解 运动目标提取 开闭运算
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2856-2861
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.09.068

摘要

将基于凸优化的低秩矩阵恢复(LRMR)理论用于背景建模,当背景不稳定时,这种方法提取运动目标的效果不佳.由于矩阵的数据表示形式破坏了视频在时间和空间上的原始结构,采用张量表征视频的高维结构特性,提出了一种基于迭代张量高阶奇异值分解(HOSVD)的运动目标提取方法.用高阶奇异值分解代替LRMR中的矩阵奇异值分解(SVD),利用增广拉格朗日乘子法重建出三维视频张量的背景部分和运动目标部分,并进一步对运动目标部分进行形态学开闭运算.实验结果证明,相比常用方法,该方法错分率更低,能更准确完整地提取运动目标.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨晓梅	四川大学电气信息学院	59	273	8.0	13.0
2	徐联微	四川大学电气信息学院	2	5	2.0	2.0