【摘要】：在变化检测中,根据经验设定阈值是最常见的方法,在测试中t＞τ τ的值是恒定的,让我们回顾一下在前面的工作中,这个值是如何确定的。考虑到亮度的差分图,我们能够做的关于结构幅值变化的唯一假设是它们应该特别大。因此全局阈值为0。如果值比预先设定的阈值大,就假定在相应的区域发生了变化。这是经验法的典型限制,经验法要求根据图像特征交互式调节阈值。最佳的检测阈值应该自动调整使之与图像内容和不同的噪声相适应。
在变化检测中,根据经验设定阈值是最常见的方法,在测试中
t（x,y,n）＞τ （10.28）
τ的值是恒定的,让我们回顾一下在前面的工作中（基于图像差分,图像比和二阶统计）,这个值是如何确定的。
考虑到亮度的差分图,我们能够做的关于结构幅值变化的唯一假设是它们应该特别大。阈值是非常关键的：如果阈值太低,就会检测出一些伪造的变化;如果阈值太高,将会忽略结构的变化。准确的阈值取决于图像、摄像机噪声、时间和空间上的亮度条件。(www.xing528.com)
当用于变化检测过程的特征是边缘或水平线时,t（x,y,n）指数是通过边缘图像微分,然后取绝对值来计算的。指数因此表示了一幅二进制图像（用0、1表示）。1表示当前帧和参考帧不同：他们的位置标识了变化[28.351]。因此全局阈值为0。在更加紧凑的格式中,它相当于t（x,y,n）=g（x,y,n）
g（x,y,r）,其中
表示异或运算符;g是边缘图像。
在参考文献[502,153]中,通过两幅图像中对应区域每个像素的强度比来进行变化检测。当强度比变化不一致时,能够检测到区域的变化。指数t（x,y,n）是根据公式（10.26）来计算方差σ2的。如果值比预先设定的阈值大,就假定在相应的区域发生了变化。在参考文献[257]中指数是似然比。阈值是根据经验选择的,它的值是根据测试序列手动改变的。这是经验法的典型限制,经验法要求根据图像特征交互式调节阈值。因此这种方法不适合自动化应用,也不适合长序列。最佳的检测阈值应该自动调整使之与图像内容和不同的噪声相适应。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
