.png){kind=icon}
返回
Linear-Map-Based Tensor CUR Decomposition for Robust Video Foreground-Background Separation
.png){kind=icon}
OA
AI
DOI：10.1109/lsp.2026.3711540.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
监控视频中前景-背景分离可以建模为将三阶张量分解为低秩背景和稀疏前景分量。本文提出了一种在基于线性映射的张量-张量乘法下的鲁棒张量列-行（CUR）分解，该分解支持在统一代数公式中不同的线性映射选择。该方法通过一种秩揭示插值规则选择信息量丰富的行和列索引，在线性变换的图像中进行逐片矩阵CUR因子分解，并通过伪逆映射在原始空间中重建分离的分量。理论分析在多秩条件下建立了精确重建结果，并对加性噪声给出了扰动界。对于视频前景-背景分离，所提出的分解嵌入到一个基于中位数绝对偏差阈值法的无需训练的低秩加稀疏流水线中。在标准背景减除基准测试上的实验表明，与最近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具有竞争力的重建质量。
Keyword:
Background subtraction
robust decomposition
tensor decomposition
tensor-tensor multiplication
video signal processing
期刊
I
IF:
3.9
论文数:
809
被引数:
0
机构
引用论文
Deep neural network concepts for background subtraction: A systematic review and comparative evaluation.png)
NEURAL NETWORKS
OAAI
NEURAL NETWORKSIF6.3
OAAI分享收藏分享收藏Transforms based Tensor Robust PCA: Corrupted Low-Rank Tensors Recovery via Convex Optimization
PREAI
分享收藏分享收藏
查看更多内容