基于线性映射的张量CUR分解方法用于稳健的视频前景背景分离

《IEEE Transactions on Signal and Power Integrity》：Linear-map-based tensor CUR decomposition for robust video foreground-background separation

　　

摘要：

在监控视频中实现前景与背景的分离，可将其视为将三阶张量分解为低秩背景部分和稀疏前景部分。本文提出了一种基于线性映射的张量-张量乘法的鲁棒张量列行分解方法，该方法能够在统一的代数框架下支持不同的线性映射选择。该方法通过一种能够揭示秩的插值规则来选择有用的行和列索引，在线性变换后的图像中进行逐片矩阵CUR分解，再通过伪逆映射在原始空间中重建分离出的各部分。理论分析表明，在多秩条件下可得到精确的重构结果，并且还能给出加性噪声的扰动界限。对于视频中的前景与背景分离，所提出的分解方法被整合到一种无需训练的低秩加稀疏处理流程中，该流程采用基于中位数绝对偏差的阈值处理技术。在标准的背景减除基准测试中，与现有的基于矩阵和基于张量的分解方法相比，该方法在背景估计和前景提取方面均展现出出色的重构质量。