动态背景下基于低秩及稀疏分解的动目标检测方法
针对背景运动引起动目标检测精度显著下降的问题,该文提出一种基于低秩及稀疏分解的动目标检测方法.所提方法首先引入伽马范数(°?norm)近乎无偏地逼近秩函数以解决核范数过度惩罚较大奇异值从而导致所得最小化问题无法获得最优解进而降低检测性能的问题,而后利用L1=2范数抽取稀疏前景目标以增强对噪声的稳健性,同时基于虚警像素所具有稀疏且空间不连续特性提出空间连续性约束以抑制动态背景像素,进而构建目标检测模型.最后利用基于交替方向最小化(ADM)策略扩展的增广拉格朗日乘子(ALM)法对所得优化问题求解.实验结果表明,与现有主流算法对比,所提方法可显著改善动态背景情况下动目标检测精度.
前景检测、动态背景、低秩、稀疏、L1/2正则化
42
TN911.73;TP391
国家自然科学基金;中国博士后科学基金;重点实验室基金;河南省高等学校重点科研项目支持计划;河南省科技攻关计划
2020-11-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
2788-2795