基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对经典视觉背景提取算法长时间存在鬼影、动态背景导致的高频噪声以及背景模型误更新等问题,提出一种改进的视觉背景提取算法.该算法将原始图像分割为若干个超像素区域,在超像素分割区域,对视觉背景提取算法检测结果进行像素点再分类,在目标检测的初始阶段实现鬼影信息的准确检测,并更新鬼影区域像素点的背景模型,从根本上解决了全局范围内鬼影检测的难题.根据运动目标的超像素对前景目标内的空洞进行快速纠正,实现前景目标的小范围填补,同时完成对背景超像素内高频噪声的检测和滤波,并增强检测结果的稳健性.利用数据集进行的测试实验结果表明,与传统算法相比较,该算法的精确率和识别率等指标均显著提高.
推荐文章
基于超像素与BoF的运动目标跟踪算法
目标跟踪
表观模型
中层视觉线索
超像素
BoF
粒子滤波框架
应用视觉显著性的快速有偏聚类超像素算法
超像素
视觉显著性
有偏聚类
边缘细化
基于聚类的超像素分割算法研究
超像素
图像分割
聚类
评价指标
复杂背景下改进视觉背景提取的前景检测算法
复杂背景
前景检测
视觉背景提取
鬼影抑制
自适应阈值
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于超像素信息反馈的视觉背景提取算法
来源期刊 光学学报 学科 工学
关键词 机器视觉 运动目标检测 视觉背景提取 鬼影消除 超像素 图像分割
年,卷(期) 2017,(7) 所属期刊栏目 机器视觉
研究方向 页码范围 178-186
页数 9页 分类号 TP391.4
字数 语种 中文
DOI 10.3788/AOS201737.0715001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘坤 46 218 10.0 12.0
2 李练兵 54 510 13.0 20.0
3 陈海永 35 205 8.0 13.0
4 杨德东 14 68 4.0 8.0
5 郄丽忠 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (100)
共引文献  (99)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(7)
  • 参考文献(1)
  • 二级参考文献(6)
2005(7)
  • 参考文献(1)
  • 二级参考文献(6)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(9)
  • 参考文献(0)
  • 二级参考文献(9)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(8)
  • 参考文献(1)
  • 二级参考文献(7)
2012(8)
  • 参考文献(0)
  • 二级参考文献(8)
2013(9)
  • 参考文献(0)
  • 二级参考文献(9)
2014(18)
  • 参考文献(4)
  • 二级参考文献(14)
2015(7)
  • 参考文献(3)
  • 二级参考文献(4)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
机器视觉
运动目标检测
视觉背景提取
鬼影消除
超像素
图像分割
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
光学学报
半月刊
0253-2239
31-1252/O4
大16开
上海市嘉定区清河路390号(上海800-211信箱)
4-293
1981
chi
出版文献量(篇)
11761
总下载数(次)
35
总被引数(次)
130170
论文1v1指导