论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　2 分解

　　沿X-T和Y-T的时片S分解如下：

　　3 优化

　　考虑到属于同一运动对象的像素具有局部相关性，为了减少提取的运动对象上丢失像素，我们拟利用空间信息来对上一步骤得到的结果进行优化。也就是说像素Pi，j，k可能被认为不是运动对象，而它相邻像素均为运动显著性像素，我们用以下方法来恢复像素Pi，j，k的显著性：

　　以Pi，j为中心的半径为 的局部区域进行上式运算，‖*‖2为?2范式，f为高斯函数， 。

　　4 实验

　　前面的过程不可避免引入部分噪音，也就是绝对值小于一定阀值的显著像素值本应属于背景，为了处理这一问题，我们采用自适应阀值选择步骤来排除噪音。假定Scube中的像素显著性值满足高斯分布（μ，σ），因此，我们自适应选取Tglobal=μ+σ作为阀值：

　　事实上，相对较小的区域在实现过程中被筛选掉了，因为人眼觉察到太小的运动对象较为困难。

　　参考文献：

　　[1]C.Liu.Beyond Pixels：Exploring New Representations and Applications for Motion Analysis[J].Doctoral Thesis.Massachusetts Institute of Technology，2009.

　　[2]Fan Yang，Huchuan Lu，Ming-Hsuan Yang.Robust Visual Tracking via Multiple Kernel Boosting With Affinity Constraints[J].IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY，2014.

　　[3]Qing Wang，Feng Chen，Wenli Xu，Ming-Hsuan Yang.Object Tracking via Partial Least Squares Analysis[J].IEEE TRANSACTIONS ON IMAGE PROCESSING，2012.

　　[4]Hae Jong Seo，Peyman Milanfar.Static and space-time visual saliency detection by self-resemblance[J].Journal of Vision，2009.