臺灣博碩士論文加值系統

影像背景切割一直為分析動態影像不可或缺的技術。
為了得到正確的背景切割結果，目前已有數種背景模型可用來描述每個像素的色彩分佈。
然而，處於亮光或陰影中的背景像素常常會被誤判為前景。
本文提出一個新的背景切割技術，此方法先利用背景模型得到一個初步的背景切割結果，其中被誤判為前景的背景像素會形成數個區塊，
這些區塊的邊緣沒有明顯的色彩變化。
因此我們提出一個修正演算法，使用相鄰像素的資訊將這些錯誤的區塊改正為背景。
實驗結果顯示我們的方法可以讓背景切割正確率提升3.5% ~ 9%左右，此結果說明了修正演算法能有效改善亮光與陰影處的背景切割錯誤，當拍攝環境的明暗度會在瞬間發生變化，或是光影複雜交錯時，
也能夠提供可靠的背景切割結果。

1 序論
1.1 動機 . . . . . . . . . . . . . . . . . . . . . . 1
1.2 目標 . . . . . . . . . . . . . . . . . . . . . . 1
1.3 章節簡介 . . . . . . . . . . . . . . . . . . . . 2
2 相關研究
2.1 單色背景模型(Unimodal Background Model). . . . . 3
2.2 多色背景模型(Multimodal Background Model). . . . 4
2.3 背景調適(Background Adaptation). . . . . . . . . 5
2.4 其他的背景切割技術 . . . . . . . . . . . . . . . 5
3 背景切割技術
3.1 Codebook Background Model. . . . . . . . . . . . 7
3.1.1 Codeword定義 . . . . . . . . . . . . . . . . . 7
3.1.2 建構Codebook . . . . . . . . . . . . . . . . . 9
3.1.3 過濾前景資訊 . . . . . . . . . . . . . . . . . 10
3.1.4 背景切割 . . . . . . . . . . . . . . . . . . . 10
3.2 背景修正演算法. . . . . . . . . . . . . . . . . 11
3.2.1 原理 . . . . . . . . . . . . . . . . . . . . . 12
3.2.2 修正演算法. . . . . . . . . . . . . . . . . . 12
3.2.3 時間複雜度 . . . . . . . . . . . . . . . . . . 16
4 實驗
4.1 效能評估方法 . . . . . . . . . . . . . . . . . . 18
4.2 實驗環境 . . . . . . . . . . . . . . . . . . . . 19
4.3 訓練資料與參數設定 . . . . . . . . . . . . . . . 20
4.4 測試資料 . . . . . . . . . . . . . . . . . . . . 23
4.5 實驗結果 . . . . . . . . . . . . . . . . . . . . 24
4.5.1 背景修正的效果 . . . . . . . . . . . . . . . . 24
4.5.2 實驗數據 . . . . . . . . . . . . . . . . . . . 26
4.5.3 背景修正演算法執行效率 . . . . . . . . . . . . 35
4.6 討論 . . . . . . . . . . . . . . . . . . . . . . 35
5 結論與未來展望
5.1 結論 . . . . . . . . . . . . . . . . . . . . . . 38
5.2 未來展望. . . . . . . . . . . . . . . . . . . . 39

[1] C. Stauffer and W. E. L. Grimson, “Adaptive background mixture models for realtime tracking,” in Proceedings of the IEEE Computer Science Conference on Computer Vision and Pattern Recognition(CVPR-99), Los Alamitos, June 23–25 1999, pp. 246–252, IEEE.
[2] A. M. Elgammal, D. Harwood, and L. S. Davis, “Non-parametric model for background subtraction,” in European Conference on Computer Vision, 2000, pp. II: 751–767.
[3] M. Cristani, M. Bicego, and V. Murino, “Integrated region- and pixel-based approach to background modelling,” in IEEE Workshop on Motion and Video Computing, 2002, pp. 3–8.
[4] Paul L. Rosin and Tim Ellis, “Detecting and classifying intruders in image sequences,” in British Machine Vision Conference, 1991, pp. 293–300.
[5] Y. H. Yang and M. D. Levine, “The background primal sketch: An approach for tracking moving objects,” Machine Vision and Applications, vol. 5, pp. 17–34, 1992.
[6] P. L. Rosin and T. Ellis, “Image difference threshold strategies and shadow detection,” in British Machine Vision Conference, 1995, pp. 347–356.
[7] C. R. Wren, A. Azarbayejani, T. J. Darrell, and A. P. Pentland, “Pfinder: Realtime tracking of the human body,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 19, no. 7, pp. 780–785, July 1997.
[8] Christof Ridder, Olaf Munkelt, and Harald Kirchner, “Adaptive background estimation and foreground detection using kalman-filtering,” in Proceedings of International Conference on Recent Advances in Mechatronics, ICRAM’95, Aug. 14-16 1995, vol. I, pp. 193–199.
[9] Kyungnam Kim, Thanarat H. Chalidabhongse, David Harwood, and Larry S. Davis, “Real-time foreground-background segmentation using codebook model,” Real-Time Imaging, vol. 11, no. 3, pp. 172–185, 2005.
[10] O. Javed, K. Shafique, and M. Shah, “A hierarchical approach to robust background subtraction using color and gradient information,” in IEEE Workshop on Motion and Video Computing, 2002, pp. 22–27.
[11] D. Comaniciu and P. Meer, “Mean shift: A robust approach toward feature space analysis,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 24, no. 5, pp. 603–619, May 2002.