计算机学报
計算機學報
계산궤학보
CHINESE JOURNAL OF COMPUTERS
2013年
11期
2356-2363
,共8页
主成分分析%颜色%局部二值模式%高斯模型%颜色不变量
主成分分析%顏色%跼部二值模式%高斯模型%顏色不變量
주성분분석%안색%국부이치모식%고사모형%안색불변량
principal component analysis%RGB%local binary pattern%Gaussian model%invariant color features
当前很多视频对象分割方法都联合利用了多种特征进行前景提取,但是这些特征都是通过简单加权融合到一起的.该文通过主成分分析法(Principal Component Analysis,PCA)比较准确地衡量了各特征在前景检测中所占的权重,使其有效指导前景分割.同时通过对各特征建立相应的高斯模型,有效提高了前景分割的质量,最后再通过基于颜色不变量的阴影检测算法得到了比较准确的结果.实验中采用了颜色(RGB)和局部二值模式(Local Binary Pattern,LBP)4种特征,结果表明:无论是对于静态场景还是动态场景,该算法都具有良好的分割效果.
噹前很多視頻對象分割方法都聯閤利用瞭多種特徵進行前景提取,但是這些特徵都是通過簡單加權融閤到一起的.該文通過主成分分析法(Principal Component Analysis,PCA)比較準確地衡量瞭各特徵在前景檢測中所佔的權重,使其有效指導前景分割.同時通過對各特徵建立相應的高斯模型,有效提高瞭前景分割的質量,最後再通過基于顏色不變量的陰影檢測算法得到瞭比較準確的結果.實驗中採用瞭顏色(RGB)和跼部二值模式(Local Binary Pattern,LBP)4種特徵,結果錶明:無論是對于靜態場景還是動態場景,該算法都具有良好的分割效果.
당전흔다시빈대상분할방법도연합이용료다충특정진행전경제취,단시저사특정도시통과간단가권융합도일기적.해문통과주성분분석법(Principal Component Analysis,PCA)비교준학지형량료각특정재전경검측중소점적권중,사기유효지도전경분할.동시통과대각특정건립상응적고사모형,유효제고료전경분할적질량,최후재통과기우안색불변량적음영검측산법득도료비교준학적결과.실험중채용료안색(RGB)화국부이치모식(Local Binary Pattern,LBP)4충특정,결과표명:무론시대우정태장경환시동태장경,해산법도구유량호적분할효과.
