I=imread('1bmpfile.bmp'); % 读入第一帧作为背景帧
fr_bw = I;
[height,width] = size(fr_bw); %求每帧图像大小
fg = zeros(height, width); %定义前景和背景矩阵
bg_bw = zeros(height, width);
C = 3; % 单高斯模型的个数(通常为3-5)
M = 3; % 代表背景的模型个数
D = 2.5; % 偏差阈值
alpha = 0.01; % 学习率
thresh = 0.25; % 前景阈值
sd_init = 15; % 初始化标准差
w = zeros(height,width,C); % 初始化权重矩阵
mean = zeros(height,width,C); % 像素均值
sd = zeros(height,width,C); % 像素标准差
u_diff = zeros(height,width,C); % 像素与某个高斯模型均值的绝对距离
p = alpha/(1/C); % 初始化p变量,用来更新均值和标准差
rank = zeros(1,C); %各个高斯分布的优先级(w/sd)
pixel_depth = 8; % 每个像素8bit分辨率
pixel_range = 2^pixel_depth -1; % 像素值范围[0,255]
for i=1:height
for j=1:width
for k=1:C
mean(i,j,k) = rand*pixel_range; %初始化第k个高斯分布的均值
w(i,j,k) = 1/C; % 初始化第k个高斯分布的权重
sd(i,j,k) = sd_init; % 初始化第k个高斯分布的标准差
end
end
end
frame_num=23;%帧数
for n = 1:frame_num
frame=strcat(num2str(n),'bmpfile.bmp');
I1=imread(frame); % 依次读入各帧图像
fr_bw =I1;
% 计算新像素与第m个高斯模型均值的绝对距离
for m=1:C
u_diff(:,:,m) = abs(double(fr_bw) - double(mean(:,:,m)));
end
% 更新高斯模型的参数
for i=1:height
for j=1:width
match = 0; %匹配标记;
for k=1:C
if (abs(u_diff(i,j,k)) <= D*sd(i,j,k)) % 像素与第k个高斯模型匹配
match = 1; %将匹配标记置为1
% 更新权重、均值、标准差、p
w(i,j,k) = (1-alpha)*w(i,j,k) + alpha;
p = alpha/w(i,j,k);
mean(i,j,k) = (1-p)*mean(i,j,k) + p*double(fr_bw(i,j));
sd(i,j,k) = sqrt((1-p)*(sd(i,j,k)^2) + p*((double(fr_bw(i,j)) - mean(i,j,k)))^2);
else % 像素与第k个高斯模型不匹配
w(i,j,k) = (1-alpha)*w(i,j,k); %略微减少权重
end
end
bg_bw(i,j)=0;
for k=1:C
bg_bw(i,j) = bg_bw(i,j)+ mean(i,j,k)*w(i,j,k);
end
% 像素值与任一高斯模型都不匹配,则创建新的模型
if (match == 0)
[min_w, min_w_index] = min(w(i,j,:)); %寻找最小权重
mean(i,j,min_w_index) = double(fr_bw(i,j));%初始化均值为当前观测像素的均值
sd(i,j,min_w_index) = sd_init; %初始化标准差为6
end
rank = w(i,j,:)./sd(i,j,:); % 计算模型优先级
rank_ind = [1:1:C];%优先级索引
% 计算前景
fg(i,j) = 0;
while ((match == 0)&&(k<=M))
if (abs(u_diff(i,j,rank_ind(k))) <= D*sd(i,j,rank_ind(k)))% 像素与第k个高斯模型匹配
fg(i,j) = 0; %该像素为背景,置为黑色
else
fg(i,j) = 255; %否则为前景,置为白色
end
k = k+1;
end
end
end
figure(1)
subplot(1,3,1),imshow(fr_bw); %显示最后一帧图像
subplot(1,3,2),imshow(uint8(bg_bw)) %显示背景
subplot(1,3,3),imshow(uint8(fg)) %显示前景
FG= uint8(fg);
imwrite(FG,'FG.bmp','bmp');
end
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
运动目标检测背景建模,基于混合高斯模型(matlab) 运动目标检测背景建模,基于混合高斯模型(matlab)运动目标检测背景建模,基于混合高斯模型(matlab)运动目标检测背景建模,基于混合高斯模型(matlab) 运动目标检测背景建模,基于混合高斯模型(matlab)
资源推荐
资源详情
资源评论
收起资源包目录
运动目标检测背景建模,基于混合高斯模型(matlab).zip (27个子文件)
混合高斯背景建模
11bmpfile.bmp 85KB
3bmpfile.bmp 85KB
12bmpfile.bmp 85KB
6bmpfile.bmp 85KB
4bmpfile.bmp 85KB
15bmpfile.bmp 85KB
FG.bmp 85KB
17bmpfile.bmp 85KB
5bmpfile.bmp 85KB
23bmpfile.bmp 85KB
18bmpfile.bmp 85KB
gaussians1.m 4KB
20bmpfile.bmp 85KB
2bmpfile.bmp 85KB
9bmpfile.bmp 85KB
19bmpfile.bmp 85KB
14bmpfile.bmp 85KB
gaussians.asv 4KB
7bmpfile.bmp 85KB
13bmpfile.bmp 85KB
1bmpfile.bmp 85KB
10bmpfile.bmp 85KB
8bmpfile.bmp 85KB
16bmpfile.bmp 85KB
gau_pic213.jpg 85KB
21bmpfile.bmp 85KB
22bmpfile.bmp 85KB
共 27 条
- 1
资源评论
stbomei
- 粉丝: 39
- 资源: 1237
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功