基于半监督离散度的土壤彩色图像阴影检测

[目的]由于光照及土壤心土自然断口凹凸的影响,机器视觉采集终端获取的土壤图像中存在阴影,为避免对后续土种识别造成干扰,研究对土壤图像进行阴影检测的方法.[方法]通过对土壤彩色图像HSI颜色空间阴影与非阴影分析,发现阴影与非阴影分别在色调(H)和亮度(I)分量具有一定的分离特性;首先,为了增大分离特性用于土壤图像阴影检测...     

机器人视觉避障的图像处理算法研究

由于阴影的存在,给机器人视觉避障增加了诸多困难.因此,需要先解决阴影的检测和去除的问题,它是智能机器人能更好地为人们服务的前提条件.对于阴影的检测和去除的问题,国内外有很多学者提出过一些方法,在此基础上,基于阴影的特性提出了一种新颖有效的阴影去除的方法,很好地去除了障碍物的阴影.     

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。     

基于彩色模型的遥感影像阴影检测

依据遥感影像阴影的属性,提出一种基于彩色模型的遥感影像阴影检测方法,以提高阴影检测精度。阴影检测过程中,首先将影像转换到HSV空间。根据阴影区域高色调值、低亮度值和高饱和度的特性,定义M=(S-V)/(H+S+V)。利用光谱比技术和中值滤波,得到初步的阴影区域。其次依据散射理论对蓝光的影响,以及彩色不变特征,提出结合C1C2C3空间的C3分量和RGB空间的B分量进行双阈值阴影检测。为降低阈值选择的主观性,提出将上述两种方法进行与运算,并结合小区域去除和数学形态学处理,进行阴影提取。最后对多幅带有阴影的遥感影像进行实验。结果表明所提出的方法明显优于传统的直方图阈值法和同态滤波检测法,克服了阈值选择的主观性,提高了阴影检测精度。     

一种运动目标阴影轮廓的两步检测算法

由于运动阴影具有与运动前景相同的特性,在视频处理中分割前景时存在误把阴影检测为前景的问题,可能严重地影响跟踪、识别等后续处理,据此提出一种用于运动目标阴影检测的改进算法。先为每个像素点建立混合高斯模型分割出运动目标,利用阴影区域像素8个相邻区域上像素点的亮度特点判断疑似阴影,然后运用色彩空间向量模型的颜色不变性对所有疑似阴影进行聚类,进一步完成阴影检测。试验结果表明,该方法检测精度高、效果好、速度快,有广泛的应用前景。     

基于多时相遥感数据的云阴影检测算法

云阴影检测是云检测中的一个重要环节,由于其光谱、纹理特征复杂,云阴影检测一直是云检测中面临的一大难题。本文针对传统云阴影检测方法的不足,提出一种基于多时相遥感数据支持的云阴影检测算法。该算法以同一区域相近时相或不同年份相近日期的卫星遥感地表反射率数据为参考,选取云阴影和典型地表样本点,对样本点进行统计分析,据其动态确定云阴影检测的阈值,并基于云阴影样本点去除土地利用/土地覆被变化对使用该方法进行云阴影检测造成的误判。基于Landsat8OLI数据,选择不同区域碎云、薄云和厚云产生的云阴影分析该方法的有效性,重点分析水体等容易与云阴影混淆的区域。结果表明,该方法能有效识别云阴影,具有较高的整体检测精度。     

基于阴影属性的运动阴影检测方法

提出一种基于阴影属性的阴影检测与去除方法,首先采用光照评估方法判断阴影是否存在,若有阴影存在则确定阴影方向并计算阴影属性,最后根据阴影属性检测阴影点。由于使用了阴影属性,阴影的检测和去除更加准确。     

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。     

基于纹理和小波变换的阴影检测去除算法

在基于视频处理的室外场景运动物体检测系统中,对运动物体的阴影进行检测与去除是一个关键环节。文中提出了一种基于纹理自相关和整数小波变换相结合的运动物体阴影检测与去除算法,算法中首先使用纹理自相关对运动物体的阴影进行预提取,再对阴影预提取结果进行统计判别,对判别为阴影误检的区域再进行基于整数小波变换的阴影再检测,最后将两次检测结果相结合实现对运动物体阴影的检测与去除。实验结果表明：文中的方法不仅能够准确地检测出与背景灰度差别比较大的运动物体的阴影,而且能够较好地检测出与背景灰度相近的运动物体的阴影,较好地克服了使用单一方法进行阴影检测与去除时常见的阴影误检问题,获得了很好的阴影检测与去除效果。     

基于GF-1影像的城市高大地物的阴影检测方法

对阴影信息的研究是高分辨率遥感影像研究的重要问题,但是,在高分辨率遥感影像中,水体、暗色植被和偏蓝色地物会影响阴影检测精度,基于HSV色彩空间与主成分变换法,文中提出了一种检测阴影的阴影指数PSI。选择两个试验区,采用主成分变换法与PSI进行阴影区域检测并对检测结果进行比较分析,结果表明,在没有深色地物的情况下,PSI能够有效的区分阴影区域与水体、暗色植被和偏蓝色地物。在有人工草坪的情况下,PSI能够有效的区分人工草坪与阴影区域。在有深色地物的情况下,对HSV色彩空间中的V分量利用直方图阈值法对阴影区域进行检测,分离后的阴影区域中不包含深色地物,对PSI指数检测阴影的结果与V分量检测的阴影结果进行逻辑与运算,得到目标阴影区域;最后对阴影提取结果进行小区域去除和形态学滤波等后处理。实验结果表明,该方法针对GF-1影像具有良好的适用性,能精确并且快速地检测出阴影区域。     

混合高斯模型下的自适应阈值阴影检测

针对现有阴影检测算法参数众多,需要训练参数或者手动设置阈值的缺点.文章提出一种基于HSV颜色信息的自适应阈值阴影检测方法,并利用最大熵阈值分割实现自适应阈值阴影检测.实验表明,该方法能够准确地检测出阴影,鲁棒性强.     

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．     

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.     

一种基于YUV色彩空间的阴影检测方法

针对计算机视觉处理系统中,阴影会严重影响到对目标的跟踪、识别和图像场景的理解的问题,提出了一种基于YUV色彩空间的阴影检测方法并给出了与不同色彩空间的实验对比结果.该算法将分割出的运动目标与背景在亮度和色度进行对比,从而区分出运动目标和运动阴影.实验证明,与其他的阴影检测的算法相比,该方法具有更高的准确性和更快的检测速度.     

基于小波系数及光学特征的车辆阴影检测

为消除投射阴影对检测交通实景图中行驶车辆的干扰,从阴影区域的图像特征入手,在对实景图与背景图实施“商比例”处理的基础上,提出了基于小波系数分布特征及阴影光学特征的车辆阴影滤除两步法．首先通过对高、低频带小波系数分析,提取出符合阴影特征的小波系数,重构运算后得到准阴影图;然后通过构造基于光学不变性的识别判据,成功识别出虚假阴影区．实验结果表明,本文方法对汽车对象的颜色、大小及阴影的投射方向没有特殊要求,阴影平均检出率超过92％,平均误检率低于3％,且速度较快;与汽车对象同画面行驶的自行车及行人阴影也受到有效抵制和滤除;在适用性、有效性和处理速度等方面反映出较优的品质．     

基于差分均值背景提取和矩阵分区目标检测算法的研究

为提高对车辆图像的检测程度和实时性,针对智能交通系统,通过对实时路况的信息采集和视频图像的处理,提出了一种基于差分均值的背景提取计算方法和矩阵分区域的阴影检测方法,最终得到一个视频车辆的检测原型,从而实现对运动车辆的检测.实验结果表明,此种方法简单、计算量小、鲁棒性高,能快速地提取出背景图像,检测出比较完整的车辆阴影,可满足多运动目标的实时检测要求.     

基于SLIC0超像素分割的阴影检测算法

对单幅阴影检测问题,提出了一种基于SLIC0（simple linear iterative clustering zero）超像素分割的阴影检测方法。首先采用SLIC0超像素分割算法对含阴影图像进行分割,生成超像素块检测出阴影轮廓,然后提出一种融合特征的支持向量机方法,将超像素块分类合并,检测出阴影区域。通过实验对比Otsu阈值法、传统SVM分类法与本文算法的检测效果,验证了本文算法的有效性,通过结构相似度（SSIM）与峰值信噪比（PSNR）指标对比表明,本文算法较参考算法的检测性能更优。