Ở môi trƣờng ngoài trời với nền thay đổi, có 2 nguyên nhân làm cho việc phát hiện trở nên không chính xác. Thứ nhất, là do các nhiễu ngẫu nhiên thƣờng có tính chất giống nhau trên toàn bộ ảnh. Thứ hai, đó là các chuyển động nhỏ xảy ra ở nền nhƣng không đƣợc biểu diễn trong mô hình nền. Nó có thể do do sự chuyển động của các đối tƣợng nhƣ cành cây chuyển động nhanh trong quá trình khởi tạo mô hình. Phát hiện sai cũng có thể do chất lƣợng các máy quay dùng trong ứng dụng. Loại này thƣờng chỉ tác động tới các vùng nhất định của ảnh nên không thể triệt dễ dàng bằng các sử dụng các bộ lọc nhiễu toàn cục bởi vì nó chỉ tác động tới một số vùng có tính chất nhất định của ảnh.
Nhƣ vậy, sau giai đoạn phát hiện vật thể thì chúng ta cần tiến hành giảm các phát hiện sai do các dao động nhỏ hoặc không thể mô hình hóa trong nền. Nếu một phần của nền di chuyển tới các vị trí điểm ảnh khác thì nó sẽ không đƣợc hiểu nhƣ nền – đƣợc phát hiện nhƣ là vật thể. Tuy nhiên, đối tƣợng này có một xác suất cao là một phần của phân bố nền tại điểm ảnh gốc. Giả thiết rằng có một sự đổi chỗ nhỏ có thể diễn ra giữa khung hình liên tiếp, chúng ta quyết định rằng: nếu điểm ảnh đƣợc phát hiện đƣợc tạo ra bởi đối tƣợng nền thông qua việc xác định phân bố nền trong các lân cận của điểm phát hiện thì đó là nền. Cho xt là giá trị thu đƣợc của một điểm ảnh x, đƣợc phát hiện nhƣ là điểm ảnh thuộc nền ở trong phần trƣớc – quá trình tách nền – tại thời điểm t. Chúng ta định nghĩa xác suất hoán đổi điểm ảnh là xác suất cực đại mà giá trị nhận đƣợc thuộc về phân bố nền của các điểm trong lân cận N(x) của x.
với y thuộc lân cận N(x) của x Trong đó By là mẫu nền cho điểm ảnh y, ƣớc lƣợng xác suất
đƣợc tính sử dụng ƣớc lƣợng hàm lõi trong công thức tính Pr(xt) đã đề cập ở 1.3.1. Bằng cách lấy mẫu PN cho các điểm ảnh phát hiện, chúng ta có thể loại bỏ các phát hiện sai cho các chuyển động nhỏ trong nền. Tuy nhiên, cũng đồng
nghĩa với việc sẽ loại bỏ cả các phát hiện đúng. Điều này thƣờng diễn ra với ảnh mức xám. Để loại bỏ trƣờng hợp này, chúng ta cần thêm một điều kiện ràng buộc rằng toàn bộ đối tƣợng phát hiện đƣợc phải di chuyển từ vị trí cũ gần đó chứ không phải một vài điểm ảnh. Chúng ta định nghĩa xác suất hoán đổi thành phần PC là xác suất thành phần liên kết đƣợc phát hiện C đã hoán đổi từ vị trí gần đó. Xác suất đƣợc ƣớc lƣợng bởi
Đối với các thành phần liên kết là đối tƣợng chuyển động thực sự thì xác suất mà thành phần này hoán đổi từ nền sẽ rất nhỏ. Vì vậy, điểm ảnh đƣợc phát hiện x sẽ đƣợc xem nhƣ là nền chỉ khi PN(x) > th1 và PC(x) > th2. Trong đó, ngƣỡng th1 đƣợc thiết lập bằng giá trị ngƣỡng đƣợc sử dụng trong quá trình tách nền trƣớc và đƣợc điều chỉnh sao cho tỉ lệ phát hiện sai là nhỏ nhất. Giá trị ngƣỡng th2 dùng để phân biệt giữa thành phần chuyển động thực sự và thành phần khác.
(a) (b)
Hình 4. So sánh kết quả sau khi hạn chế các phát hiện sai
Hình (4.a) biểu diễn ảnh ban đầu. Kết quả sau khi phát hiện nền thể hiện ở ảnh (4.b). Trong ví dụ này, nền không đƣợc cập nhật trong vài giây và máy quay hơi thay đổi vị trí một chút trong thời gian này vì thế nên chúng ta thấy có rất nhiều các phát hiện sai ở các đƣờng biên. Hình (4.c) hiển thị kết quả sau khi đã giảm các điểm ảnh phát hiện sai với xác suất hoán đổi lớn. Chúng ta nhận thấy rằng đã loại bỏ hầu hết các nhiễu chỉ còn lại các điểm ảnh có nhiễu ngẫu nhiên không tƣơng quan với nền là bị phát hiện sai. Tuy nhiên, một số các điểm phát hiện đúng cũng bị loại bỏ. Kết quả cuối cùng ở hình (4.d) là khi chúng ta đã thêm ràng buộc về xác suất hoán đổi thành phần. Kết quả này cho kết quả tốt hơn mọi kết quả trƣớc đó.