基于正則化參數(shù)自適應(yīng)估計(jì)的運(yùn)動(dòng)目標(biāo)提取

楊瑞鋒， 黃 山

(四川大學(xué)電氣信息學(xué)院，成都 610065)

0 引言

圖像作為人類感知世界的視覺(jué)基礎(chǔ)，是人類獲取信息、表達(dá)信息和傳遞信息的重要手段。隨著計(jì)算機(jī)視覺(jué)和圖像處理在各個(gè)領(lǐng)域內(nèi)的廣泛應(yīng)用，運(yùn)動(dòng)目標(biāo)檢測(cè)[1]成為當(dāng)今研究的熱點(diǎn)。近些年來(lái)，基于稀疏表示的壓縮感知理論發(fā)展使稀疏表示成為一種有效的數(shù)據(jù)表示方式。低秩矩陣恢復(fù)(RPCA)[1]已經(jīng)成為一種流行的數(shù)據(jù)獲取和表示方式，隨著文獻(xiàn)[2]提出矩陣RPCA,開(kāi)始通過(guò)引入稀疏表示從而提高對(duì)含有大噪聲和異常點(diǎn)的觀測(cè)數(shù)據(jù)的魯棒性。然而隨著現(xiàn)代視頻數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)維度增高和更為復(fù)雜，為了更好地表達(dá)高階數(shù)據(jù)復(fù)雜的本質(zhì)結(jié)構(gòu)，文獻(xiàn)[3]提出張量高階奇異值分解，將矩陣的奇異值分解擴(kuò)展到張量，為高維數(shù)據(jù)的分析和處理提供有力的支撐。因此，越來(lái)越多的研究人員運(yùn)用張量高階奇異值分解來(lái)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)提取。但是對(duì)實(shí)驗(yàn)正則化參數(shù)的調(diào)試過(guò)程是一項(xiàng)工作量大并且耗時(shí)長(zhǎng)的工程，研究者們開(kāi)始關(guān)注于正則化參數(shù)的自適應(yīng)估計(jì)。現(xiàn)有選擇參數(shù)的方法有Morozov’s 偏差準(zhǔn)則[4]、廣義交互驗(yàn)證法(Generalized Cross-Validation,GCV)[5]、Curve法[6]和變分貝葉斯法(Variational Bayes’ Approach)[7]等。文獻(xiàn)[8]中利用Morozov’s 偏差準(zhǔn)則實(shí)現(xiàn)了基于全變分的圖像去模糊的正則化參數(shù)自適應(yīng)估計(jì)，受此啟發(fā)，本文將采用Morozov’s偏差準(zhǔn)則實(shí)現(xiàn)基于HOSVD的運(yùn)動(dòng)目標(biāo)檢測(cè)的正則化參數(shù)自適應(yīng)估計(jì)。

1 Morozov’s偏差準(zhǔn)則

以圖像恢復(fù)為例引入Morozov’s偏差準(zhǔn)則。一般而言，圖像的退化過(guò)程可以表示為

V=KUclean+N

(1)

式中：V為觀測(cè)圖像；……