基于多层鲁棒主成分分析的相机陷阱图像分割
计算机视觉与模式识别
2018-01-03 v2
摘要
从相机陷阱图像中分割动物是一项困难任务。举例来说，由于这些图像中的环境条件和硬件限制存在各种挑战。我们提出了一种用于背景减除的多层鲁棒主成分分析 (multi-layer RPCA) 方法。我们的方法从描述符的加权和计算稀疏和低秩图像，使用颜色和纹理特征作为相机陷阱图像分割的研究案例。分割算法由直方图均衡化或高斯滤波作为预处理，以及形态学滤波与主动轮廓作为后处理组成。我们的多层 RPCA 参数通过穷举搜索优化。数据库由 Instituto de Investigaci\'on de Recursos Biol\'ogicos Alexander von Humboldt 拍摄的哥伦比亚森林相机陷阱图像组成。我们分析了我们的方法在相机陷阱图像固有且因此具有挑战性的情况下的性能。此外，我们将我们的方法与一些最先进的背景减除算法进行比较，其中我们的多层 RPCA 优于这些其他方法。我们的多层 RPCA 在彩色和红外序列上分别达到了 76.17 和 69.97% 的平均细粒度 F-measure。据我们所知，本文是提出多层 RPCA 并将其用于相机陷阱图像分割的首项工作。
引用
@article{arxiv.1701.08180,
title = {Camera-trap images segmentation using multi-layer robust principal component analysis},
author = {Jhony-Heriberto Giraldo-Zuluaga and Alexander Gomez and Augusto Salazar and Angélica Diaz-Pulido},
journal= {arXiv preprint arXiv:1701.08180},
year = {2018}
}
备注
This is a pre-print of an article published in The Visual Computer. The final authenticated version is available online at: https://doi.org/10.1007/s00371-017-1463-9