结合l1/2范数与显著性约束的背景减除OA北大核心CSTPCD
Background Subtraction Combining l1/2 Norm and Saliency Constraint
传统背景减除模型在背景静止和前景对象移动较快时提取到的前景效果较好,但当背景变化或前景对象移动缓慢时容易将动态背景误判为前景或检测出的前景有较多空洞.针对传统背景减除模型在动态背景和前景对象移动缓慢条件下存在前景检测精度下降的问题,提出一种基于l1/2范数与显著性约束的背景减除模型.将观测数据分为低秩背景、运动前景和动态干扰3类,利用l1/2范数约束运动前景加强前景稀疏性,有效抑制动态背景对前景提取造成的干扰,提高运动前景在动态背景中的检测精度.…查看全部>>
张国庭;陈利霞;周泽锋
桂林电子科技大学 数学与计算科学学院,广西 桂林 541004桂林电子科技大学 数学与计算科学学院,广西 桂林 541004桂林电子科技大学 广西高校数据分析与计算重点实验室,广西 桂林 541004
信息技术与安全科学
低秩稀疏分解前景检测l1/2范数显著性约束背景减除
《计算机工程》 2022 (6)
基于非负矩阵分解的图像聚类算法研究
263-269,7
国家自然科学基金(11961010)广西自然科学基金(2018GXNSFAA138169).
评论