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。     

吸引权重加权FCM的土壤图像阴影检测

【目的】自然环境下机器视觉采集的土壤图像存在阴影，而阴影检测是后续亮度归一化和土种识别的重要预处理工作，基于此提出算法对机器采集的土壤图像进行阴影检测。【方法】首先，对图像的L分量和I分量的密度峰值集进行优化截断对齐，通过高斯平滑获取主峰值点，得到基于L分量和I分量的2因素密度峰值，作为改进模糊C均值（FCM）的自适应初始聚类中心；然后，引入拉伸因子对数据进行拉伸，提升数据差异；最后，定义基于全局密度和类面积的吸引权重，重构FCM优化模型，实现基于FCM的土壤图像自适应阴影检测。【结果】提出的算法检测的阴影区域和非阴影区域的平均亮度标准差分别为25.988 0，27.981 4，比对比算法降低了1.04%~32.23%；提出的算法平均迭代次数和平均运行时间分别为3次和1.515 8 s。【结论】提出的算法可实现自然环境下土壤图像阴影检测，具有检测精度高、时间花销小的特点。研究结果为土壤图像阴影检测提供了参考。     

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.     

南极地区Landsat8卫星影像的阴影检测方法

阴影在光学遥感影像中普遍存在,会对后续一系列图像信息提取等过程产生影响.在南极地区,由于其特殊的地理位置和环境,光学遥感影像中存在的阴影不可忽视.本研究在已有的阴影检测方法的基础上,根据Landsat8卫星数据的特点构建了一个新的阴影检测方法:首先对所有数据进行反射率转换处理,利用南极地区成像时的阴影在各波段的反射率特征,选取第1波段Coastal/Aerosol(0.43~0.45μm)和第5波段NIR(0.85~0.88μm)建立了能够有效识别阴影的阴影检测指数R51,并选取不同地物的训练样本进行统计分析,根据阈值提取法提取阴影为二值化图像,并从影像中剔除少量易与阴影混淆的冰面融池.通过选取南极不同地区的影像进行精度评价,发现该方法针对Landsat8数据在南极地区的阴影检测具有较高的提取精度和较好的普适性.本文利用阴影检测方法对收集的覆盖南极地区的1127景Landsat8影像进行阴影提取与统计、分布特征分析,最终提取阴影面积约15000km2,主要分布于裸岩山体集中区和大 型冰川所在地.      

基于YC_bC_r颜色空间的背景建模及运动目标检测

高斯混合模型广泛应用于基于背景建模的运动目标检测中.首先在YCbCr颜色空间采用自适应高斯混合模型对背景的每个像素建模;然后,对输入的当前帧图像的每一像素值与该像素点对应的高斯混合背景模型的各个高斯模型进行比较,将前景运动区域(包括运动目标、投射阴影)从场景中提取出来;最后,采用局部二元图(Local Binary Pattern,LBP)来提取纹理特征,利用背景在阴影覆盖前后的纹理相似性去除投射阴影,同时结合阴影的空间几何特性优化运动目标检测结果.实验结果表明,该算法能有效地检测出投射阴影和运动目标,具有较高的实际应用价值.     

林火监测中基于视觉的火焰检测方法

基于计算机视觉的火灾监测系统中对火焰的早期检测是防止森林火灾蔓延的关键。提出一种基于运动检测和像素颜色特征相结合的新的火焰检测方法。首先根据图像序列建立背景模型,突出显示运动部分;并采用邻域平均方法对目标和噪声进行分离。其次基于边缘特性,获取序列图像的边缘变化情况,将两者融合得到感兴趣(ROI)区域。最后,将亮度与饱和度分离,产生火焰的有效颜色空间。通过对火焰像素亮度(I)分量区域与饱和度(S)分量区域进行相关性分析来确定火焰。实验结果显示,方法具有良好的快速性,在较短的检测时间下,可以保证较高的检测率和较低的误检率,对火焰序列图像的检测率达到91.78%,对伪火焰图像的误检率达到7.11%。     

基于双特征的前方车辆实时检测

提出一种在无先验知识的情况下,综合利用车辆阴影和对称性两种特征进行前方车辆检测的算法.该算法通过检测车底阴影特征生成车辆存在假设,首先,利用大津阈值分割方法(OTSU)得到车辆阴影特征,采用阴影区域融合方法解决阴影边缘的变形问题,得到可能包含车辆的区域;然后,利用车辆对称性特征对感兴趣区域进行验证,并对其中的车辆区域进行准确定位.通过对实际采集的道路图像序列进行测试,结果表明:该算法能够实时、有效地检测出前方车辆.     

彩色航空影像中的建筑物阴影提取

在彩色航空影像中,建筑物阴影能提供大量关于建筑物形状、位置等相关信息。提出了一种基于特性的自动提取建筑物阴影的方法,以获取彩色航空影像中建筑物阴影的形状信息。利用可分离亮度和色调的颜色模型（包括HSV、YIQ、YCbCr颜色模型）提取彩色航空影像中的建筑物阴影,并利用数学形态学处理阴影分割图像。试验结果表明该方法是行之有效的。     

一种基于Gabor小波和颜色参数模型的阴影检测算法

本文提出了一种基于Gabor小波纹理特征分析和阴影参数模型颜色分析的阴影检测算法.首先,建立背景的混合高斯分布模型,通过对特定帧的颜色分析建立阴影参数模型.对图像序列中的每一帧,首先通过差分法提取出前景区域,然后通过Gabor小波滤波的方法,对背景和前景图中的相同小区域进行纹理特征分析,比较特征向量的距离,以判断潜在的阴影点.然后,通过阴影参数模型对这些潜在的阴影点进行颜色分析,并通过连通区域标记,形态学运算,FPR(去除假阴影)分析等方法,找出真正的阴影区域.实验结果表明,本算法具有较高的阴影检测率和物体检测率,可以满足实时检测的需要.