小波域中伪装运动前景检测的融合框架
计算机视觉与模式识别
2018-04-18 v1
摘要
由于前景物体与背景之间的相似性，检测伪装的运动前景物体一直是公认的难题。传统方法由于二者之间差异微小而无法区分前景与背景，因而存在伪装前景物体检测不足的问题。本文提出一种在小波域中解决该问题的融合框架。我们首先表明，图像域中的微小差异可在某些小波带中被凸显。随后，通过对每个小波带建立前景与背景模型，估计每个小波系数为前景的似然。所提框架基于小波变换的特性有效地聚合了来自不同小波带的似然。实验结果表明，所提方法在检测伪装前景物体方面显著优于现有方法。具体而言，所提算法的平均F值（F-measure）为0.87，而其他最先进（state-of-the-art）方法的为0.71至0.8。
引用
@article{arxiv.1804.05984,
title = {A Fusion Framework for Camouflaged Moving Foreground Detection in the Wavelet Domain},
author = {Shuai Li and Dinei Florencio and Wanqing Li and Yaqin Zhao and Chris Cook},
journal= {arXiv preprint arXiv:1804.05984},
year = {2018}
}
备注
13 pages, accepted by IEEE TIP