Resumen

Se ha desarrollado un enfoque para segmentar objetos en movimiento y suprimir sombras sin aprendizaje de fondo. Dado que la transformación wavelet indica la posición de la variación más nítida, se adopta para extraer los contenidos de información con las características más significativas basándose únicamente en dos fotogramas de vídeo sucesivos. Dado que el componente de saturación es menor en la región de sombra e independiente del brillo, se selecciona el espacio de color HSV para extraer la región de movimiento en primer plano y suprimir la sombra en lugar de otros modelos de color. Se propone un enfoque de umbralización adaptativa local para extraer máscaras de movimiento binarias iniciales basadas en los resultados de la transformación wavelet. Se desarrolla una reclasificación del primer plano para obtener una segmentación óptima mediante la fusión del filtrado de modos, el análisis de conectividad y la correlación espacio-temporal. Estudios comparativos con algunos métodos investigados han indicado el rendimiento superior de la propuesta en la extracción de objetos en movimiento y la supresión de sombras de contenidos desordenados con variación dinámica de la escena y entornos abarrotados.

• Materias:Algoritmo de programación Interacción fluido-estructura Intercambiador de calor Minería colaborativa Variedades de arroz
• Subjects:Programming algorithm Fluid-structure interaction Heat exchanger Collaborative mining Rice varieties
• Palabras claves:objetos en movimiento, transformación wavelet, máscaras de movimiento binarias iniciales, enfoque de umbralización adaptativa local, espacio de color HSV, variación dinámica de la escena, región de movimiento en primer plano, otros modelos de color, fotogramas de vídeo sucesivos, sombra
• Keywords:motion objects, wavelet transformation, initial binary motion masks, local adaptive thresholding approach, HSV color space, dynamic scene variation, foreground motion region, other color models, successive video frames, shadow