基于光照不变性模型的阴影去除方法

提出了一种新的基于光照不变性模型的阴影消除方法。首先对二维光照不变性图像恢复阴影,再利用基于互信息的图像融合去除运动目标的投影,最后通过图像镜像消除边界条件的制约,改善阴影去除效果。实验结果表明,该方法能够有效地消除运动目标的阴影。     

基于互信息和图像镜像的图像阴影消除

为了能够准确地识别待检测目标,必须检测和消除待检测目标的图像阴影.为此,论文提出了基于互信息和图像镜像的图像阴影消除法.该方法首先使用光照不变性原理来获取原图像的二维光照不变性图像,然后利用互信息结合亮度信息来融合两幅图像以消除阴影,最后利用图像镜像来消除阴影边缘以改善阴影消除效果.实验结果表明,该方法能够有效地消除待测目标的图像阴影.     

视频运动目标提取的实现

针对混合高斯模型建模实现背景差分获取的运动目标中含有较多的阴影这一问题,对基于Phong光照模型的判断和检测阴影的准则作了改进,并给出了视频运动目标检测算法.使用基于混合高斯模型的背景差分法和对称差分法相结合获取运动目标,使用改进的阴影判断准则检测和去除阴影.结果表明:改进后的阴影判断准则去除阴影所用时间比原方法平均减少了18%~30%,并且能够取得较好的去除阴影效果,最终获得精确的运动目标.     

室外场景下目标分割和目标识别算法

视频监控应用场听可分为室内和室外．室外环境受到诸如光照、下雨、落叶等因素的影响,整个场景变化复杂,给视频处理带来许多困难．文中介绍一种室外场景下目标分割和目标识别的方法,使用基于像素颜色特征的混合概率模型,将当前图像中与模型匹配的像素视为背景,然后更新模型中各个参数．为了去除目标区域的阴影部分,引人一种基于阀值和区域特征的阴影消除算法．同时,采用基于支持向量机的分类方法,识别场景中新出现的目标．     

一种基于傅里叶变换的改进ViBe算法

针对Vi Be算法在第1帧图像中含有运动目标时容易引入Ghost区域以及不能很好地去除阴影等问题.我们基于块的背景建模结合傅里叶变换,对Vi Be算法进行了改进.该算法对每一帧图像进行分块,在块内使用快速傅里叶变换,利用第1帧图像中每一块的直流分量建立背景模型,以后各帧与背景模型比较,检测出运动物体,最后通过扫描图像计算每一列前景像素的个数与设置的阈值进行比较,来消除阴影.实验结果表明,改进的算法可以快速的去掉Ghost区域以及很好地去除阴影.     

单幅室外自然场景中的阴影检测与消除

为了改进Retinex算法在阴影消除中的不足,该文提出了一种基于高斯分布与Retinex模型的阴影检测与消除算法,通过灰度分布将图像分割为阴影区域、半影区域和正常光照区域,采用Retinex算法分别对阴影区域和正常光照区域提取光照,并消除光照影响,然后对半影区域进行双线性插值,得到消除阴影后的图像.该算法对大面积阴影的检测与消除具有很好的效果,同时避免了Retinex算法在灰度变化剧烈区域产生的模糊问题,实验证实了该算法的有效性.     

基于边缘检测与码本模型的运动目标检测算法

传统的码本模型能够快速完整的检测出运动目标,但检测出的运动目标边缘不准确,同时易受到阴影的干扰。针对这一问题,本文提出了基于边缘检测与码本模型的运动目标检测算法。该算法在码本模型提取运动目标的基础上,利用基于YCrCb色彩空间的阴影去除算法消除阴影;然后根据Canny边缘检测算子和形态学闭运算获取运动目标的边缘轮廓。将阴影去除得到的运动目标与边缘检测得到的边缘轮廓进行“与运算”,得到最终的运动目标。经过实验仿真,本算法能够提取边缘轮廓准确和完整的运动目标, 同时能有效的抑制噪声。     

带种子补偿的时空背景差分高速公路车辆检测算法研究

提出一种带种子补偿的时空背景差分高速公路车辆检测算法.由于高速公路场景的特殊性,首先基于混合高斯模型的背景差分、相邻帧差法以及邻域背景差分法的结合消除光照变化、场景扰动对检测结果的影响;然后通过基于HSV颜色空间的阴影消除判断并消除被误检为车辆的阴影;最后通过跟踪种子补偿去除差分方法造成的空洞.实验验证,论文提出的方法能有效去除光照变化、阴影等环境因素的影响,提高车辆检测的准确度和识别率.     

一种改进的运动目标检测算法

针对目标检测过程中的背景变化、光照变化、阴影对检测的影响,提出了一种改进的运动目标检测算法。首先利用改进的统计方法建立了目标的背景模型,并实时地对背景模型进行更新,最后将检测出的目标采用融合HSV颜色信息和纹理特征的混合高斯阴影模型方法来去除阴影。实验结果证明,该算法在场景中有目标运动的情况下。能够准确地建立背景模型,并能去除阴影影响,提高系统的检测准确性。     

HSV彩色空间的室内外运动人检测与阴影消除

提出一种用于运动目标的分割,基于最大统计概率的自适应背景模型,采用简单的背景重建方法,用于维护背景以适应场景的动态变化.利用阴影区域亮度和色调的特点,在HSV(Hue Sataration Value)空间消除运动阴影,使得运动目标的分割更为准确.为了客观的评价所提出的阴影检测算法的性能,引入一种量化的方法,对不同光照和环境条件视频的实验结果及量化分析表明,方法是有效的.     

一种基于光照无关图的车道检测方法

针对无人车辆道路检测时,特征提取易受光照变化和阴影影响的问题,提出一种基于光照无关图的车道检测方法.使用最小熵值法离线求取图像的光照无关角,对图像每个像素点在对数色度空间向光照无关方向投影得到光照无关灰度图;利用Canny算子提取光照无关图边缘,在边缘图上寻找线段基元以减弱细小边缘的干扰;使用改进投票空间的Hough变换检测直线,采用分段线性道路模型描述道路边界.实验表明,该算法能够有效减弱阴影和光照变化造成的影响,准确识别道路边界,满足实时性要求.     

基于多尺度超像素融合的RGB-D单幅图像阴影检测算法

针对单幅复杂环境图像阴影检测问题, 提出一种基于多尺度超像素融合的自动阴影检测快速算法. 首先利用深度图像计算各点的法向量及空间坐标, 同时利用简单线性迭代聚类算法对彩色图像进行多个尺度的超像素分割; 然后使用阴影置信度算法结合图像的色度、法线和空间位置信息分别估计各尺度下的超像素阴影置信度; 最后采用Adaboost训练的分类器对各尺度下的超像素阴影置信度进行融合, 得到最终的判决结果. 实验结果表明, 该算法的准确度明显高于原阴影置信度算法, 运行时间约为原阴影置信度算法的10%, 对于小块阴影、 大面积阴影及边缘不清晰的软阴影检测表现较突出, 适合对光线复杂环境下的图像进行前期预处理.     

基于区域的运动阴影检测方法

为了使阴影检测结果更加准确和鲁棒,提出了一种基于区域的运动阴影检测方法。该方法从阴影具有的物理特性出发,考虑了区域内所有像素的总体特征。将每帧图像进行合理的分块,并且采用基于梯度的方法对运动区域边缘的小块进行合并。对每个小块根据阴影区域和对应的背景区域之间具有较强的结构相似性和色度近似性的特点进行阴影检测。实验结果表明,阴影检测准确率超过90%,其结果明显比基于颜色不变量的方法有效。该方法能够准确而鲁棒地检测出运动阴影。     

基于分形及纹理分析的城市遥感影像阴影去除

为有效去除城市遥感影像中阴影效应所产生的影响,实现阴影区域的自动检测及区域内景物重建,利用纹理分析的方法,通过计算共生矩阵及其相关指数来确定阴影区域,以实现阴影区域的自动检测;同时利用分形插值中的随机中点替代法对阴影区域内景物进行了复原,真实再现了阴影区域内的景物特征．对实际航空遥感影像的处理结果表明,该方法能有效实现遥感影像阴影区域的自动检测及区域内的景物重建．     

基于SQI的超分辨率图像重建算法

提出了一种基于自商图像(Self Quotient Image-SQI)的超分辨率图像重建算法.该方法首先利用SQI提取光照不变量作为图像特征,并假设光反射分量具有分段平滑的特性,近似认为每一个小的图像块具有相同的增益系数;然后在流形学习的框架下,借助局部线性嵌套的思想构建高分辨率图像和低分辨率图像块间的关系,从而实现了超分辨率重建和图像增强.仿真结果表明,该算法有效地克服了传统方法受光照因素影响的缺点,在提高分辨率的同时克服了光照因素的影响,特别是对阴影效应的消除具有明显效果.     

交通监控系统中基于多源信息融合的运动阴影检测

针对目前运动提取算法常将运动阴影错误检测为前景目标的问题，提出了一种交通监控系统中基于多源信息融合的运动阴影检测算法．在颜色空间中利用亮度、色度和边缘信息检测阴影的可能区域，使用逻辑“与”操作融合多源检测结果得到最终的阴影区域．与其他算法相比，新算法能更好地区分前景尤其是暗色前景及其阴影，提高了阴影区域的检测精度，更准确地实现了运动目标的提取．仿真实验表明，对不同颜色和尺寸的前景引起的阴影，算法都能鲁棒地分离目标及其阴影区域，前景提取效果好．     

基于二次迭代Cr分量的改进Otsu自适应阴影检测算法

城市航空遥感影像中的阴影会造成影像信息丢失和信息干扰,现有阴影检测方法存在误检率高、精度低等问题。提出一种二次迭代Cr分量与改进的Otsu自适应阈值相结合的高分辨率城市航空影像阴影检测算法。将影像两次转换到YCb Cr空间,对其Cr通道直方图进行改进的Otsu自适应阈值选择,确定阴影区域。与二次迭代HSV空间检测方法进行对比实验,所提方法解决了前者的H分量损失和原始Otsu阈值算法选取不准确的问题,在准确率和精度方面具有明显优势。     

室外光源光谱辐照度与K-means结合的单幅图像阴影检测

针对室外自然条件下单幅图像阴影检测困难,提出一种基于光谱辐照度的阴影检测算法。通过对户外光源的光谱特性进行分析,估算出阴影三色衰减模型(TAM)参数,由此得到阴影区域较暗的TAM图像。利用K-means方法将TAM图像分割为阴影区域和非阴影区域,结合中值滤波和形态学算子对阴影区域优化,成功提取出图像中的阴影部分。仿真表明该算法不需要复杂的特征学习过程,能够极大地提高运算速度;同时无需对图像校准以及获取任何先验知识,且可以用于相对复杂的真实场景中。     

基于互相关系数和交叉投影的车辆阴影消除

在交通视频监控系统中,运动车辆存在的阴影严重影响了系统的检测效果,而单一的阴影消除算法不能有效地消除阴影。为解决该问题,提出了一种分两步完成的运动车辆阴影消除方法。该方法首先利用阴影和背景亮度之间的互相关系数进行初步阴影消除,然后根据车辆近似为矩形区域的特点采用垂直-水平交叉投影的方法确定车辆/阴影间的分割线。实验结果表明该方法能有效地消除车辆阴影。     

基于非同质性特征和样条模型的道路识别算法

为了解决道路图像中光照变化、阴影遮挡、噪声、道路边界或标志线不连续等因素导致道路识别方法鲁棒性较差的问题,提出基于图像非同质性特征和几何模型的道路识别算法.该方法将计算得到的图像局部方差与不连续性特征进行融合获得图像的非同质性特征,并利用比例直方图法得到的阈值自适应地对上述结果二值化,然后用鲁棒M估计器估计样条拟合的最优控制点,进而用3点Catmull Rom样条拟合道路边界.仿真实验表明,所提算法具有较好的鲁棒性和自适应性.实地测试结果表明:在存在有少量局部阴影和道路标志线断续的情况下,正确识别率可达到95%以上.