【正文】 照和視角所決定。顏色空間、色彩度量以及顏色恒常性是顏色視覺研究的幾個主要方面。其它的顏色以這些顏色之間的粗略混合方式記憶。另外還有一些在彩色電視系統(tǒng)中使用的顏色空間，在這一系統(tǒng)中選用不同顏色空間的目的就是通過降低各RGB分量之間的相關(guān)性從而減小信號傳送的帶寬。不可能直接從RGB數(shù)值估計出顏色的色度、飽和度和亮度等感知特征。所謂相似分割就是將具有同一灰度級或相同組織結(jié)構(gòu)的像素聚集在一起，形成圖像中不同區(qū)域，這種基于相似原理的方法通常也稱為基于區(qū)域相關(guān)的分割技術(shù)。基于邊界的分割方法是從圖像數(shù)據(jù)的不連續(xù)性出發(fā)，根據(jù)局部的灰度變化來實現(xiàn)圖像的分割。這一方法尋求一個在基于邊界標(biāo)準(zhǔn)，圖像梯度的幅值，和基于區(qū)域分割標(biāo)準(zhǔn)的區(qū)域一致性估計之間尋求一個最佳的分割效果。但彩色圖像包含更豐富的信息，并有多種顏色空間的表達(dá)方式，因此分割算法有所不同，原用于灰度圖像分割的方法并不適合于直接分割彩色圖像?，F(xiàn)有的彩色圖像分割技術(shù)主要有6種類型：基于像素的技術(shù)、基于邊緣的技術(shù)、基于區(qū)域的技術(shù)、基于模型的技術(shù)、基于物理的技術(shù)和混合技術(shù)。基于屬性的方法是利用陰影的幾何特點、亮度、顏色等信息來標(biāo)識陰影區(qū)域，在現(xiàn)有陰影抑制算法中對陰影光譜特性的使用比幾何特性更常見，基于屬性的陰影抑制算法對不同場景及光照條件有較強的魯棒性。Sohail Nadimi，在深刻分析監(jiān)控場景中材料表面的光照反射模型的基礎(chǔ)上進(jìn)行陰影抑制，認(rèn)為室外場景的光源有遠(yuǎn)距離點光源太陽與漫射光源天空，在兩光源同時存在的情況下，像素點如果只受到漫射光源天空的照射，而沒有受到點光源太陽的照射(太陽光被遮擋)，那么該像素點就會呈現(xiàn)陰影。雖然已經(jīng)有多種陰影抑制算法出現(xiàn)，但現(xiàn)有算法都僅僅對某一特定應(yīng)用場景適用，且算法效果有待提高，如何將陰影與運動目標(biāo)有效分割，開發(fā)出比較通用的陰影抑制算法，仍是一個富于挑戰(zhàn)性的難題。然而，至今仍無統(tǒng)一的理論，還沒有哪一種分割方法可以對所有的圖像都能進(jìn)行理想的分割，也不存在所有方法對某一類圖像均可獲得較好分割結(jié)果的情況，無論是理論上還是實踐上都遠(yuǎn)遠(yuǎn)沒有達(dá)到讓人滿意的程度。通過實驗仿真研究分析，總結(jié)了這個算法的優(yōu)缺點及適用條件。然后，系統(tǒng)地闡述了圖像分割的各種方法，分析總結(jié)了幾種常用分割方法的優(yōu)缺點。第5章基于第4章分析總結(jié)的陰影的特點及陰影檢測的基本假設(shè)和一般框架，針對影視圖像的不同特點，研究了一種簡單有效的陰影抑制算法：基于邊緣信息的陰影抑制算法。圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。根據(jù)灰度變化的劇烈程度，通常將邊緣劃分為三種：階梯形邊緣，屋頂型邊緣，脈沖形邊緣。梯度是一階導(dǎo)數(shù)的二維等效形式，梯度的幅值代表邊緣的強度，梯度的方向與邊緣走向垂直。Robert算子的卷積模板如圖22所示：圖22 Roberts算子有了這兩個卷積算子就可以計算出Roberts梯度幅值，再取適當(dāng)門限TH，如果梯度幅值大于門限值則為階躍邊緣點，否則為非邊緣點。Sobel算子的卷積模板如圖23所示：Sobel算子引入了加權(quán)局部平均，不僅能檢測圖像邊緣而且能進(jìn)一步抑制噪聲影響，但它得到的邊緣較粗。若只關(guān)心邊緣點的位置而不需要了解其周圍的實際灰度差時，一般選擇該算子提取圖像的邊緣。而二階算子由于對圖像灰度的一階導(dǎo)數(shù)的極大值敏感，對圖像較暗區(qū)域的微弱邊緣和較亮區(qū)域的邊緣都能做出響應(yīng)。用拉普拉斯算子檢測圖像邊緣就是估算拉普拉斯算子的輸出，找出零交叉點的位置。該算子的缺點是:邊緣的方向信息丟失，常產(chǎn)生雙象素的邊緣，對噪聲有雙倍加強作用。從物理學(xué)的角度看，光是沿直線傳播的；光線在傳播的過程中，如遇到介質(zhì)（不透明的物體），就會在介質(zhì)的另一面形成影子。當(dāng)表面背離光源照射方向時，在該表面形成自身陰影，若因場景中不透明景物對光源入射光線的遮擋而在位于其后的表面上形成陰影，則稱為投射陰影(castshadow)，陰影各區(qū)域如圖26所示。陰影明顯不同于背景，現(xiàn)有算法在利用背景減除進(jìn)行目標(biāo)檢測時，陰影會被檢測為前景，這樣就會造成目標(biāo)的合并、幾何變形，甚至使目標(biāo)丟失，對后期目標(biāo)識別、分類及行為理解造成嚴(yán)重的影響，例如在多人跟蹤中，當(dāng)多個目標(biāo)的距離較近時，由于陰影的存在，多個檢測出的前景會相互連接在一起，從而造成錯誤的目標(biāo)檢測結(jié)果。最后討論了陰影的形成，陰影的影響。世界是具有顏色的，在計算機中描述出來就需要建立相應(yīng)的顏色空間。彩色圖像分割中，顏色空間的選擇是至關(guān)重要的，是圖像處理的難點。下面將簡單介紹幾種顏色空間。因此除了分析研究它們各自所在的顏色空間外，還必須清楚它們之間的相互轉(zhuǎn)換關(guān)系，這在計算機系統(tǒng)彩色管理工作中十分重要。由于圖像采集和顯示設(shè)備使用的是RGB顏色空間，所以RGB顏色空間是彩色圖像處理中最基礎(chǔ)、最常用的顏色空間。因此，RGB顏色空間是一個與設(shè)備相關(guān)的、顏色描述不完全直觀的空間。因此，對于圖像分割的研究多年里一直受到人們廣泛的重視，也提出了數(shù)以千計的不同算法。區(qū)域生長是一種受到人工智能領(lǐng)域中的計算機視覺界十分關(guān)注的圖像分割方法。用于區(qū)分不同物體內(nèi)像素的性質(zhì)包括平均灰度值、紋理或顏色信息。強邊界允許繼續(xù)存在，而弱邊界則被消除，相鄰區(qū)域被合并。圖像的分割要求達(dá)到這樣一種效果：能夠?qū)⒛繕?biāo)完整地從背景中分離出來，要盡量地減少或避免目標(biāo)信息的損失，同時要盡量去除背景信息的干擾。本文正是基于這方面的考慮，首先在RGB顏色空間中采用背景差分法初步分割圖像后，然后利用區(qū)域生長法進(jìn)一步對分割后的圖像進(jìn)行處理，去除目標(biāo)以外的噪聲。當(dāng)目標(biāo)經(jīng)過時，拍攝目標(biāo)圖像；目標(biāo)移走后，再拍攝背景的圖像。因此，對算法進(jìn)行改進(jìn)，降低噪聲。區(qū)域生長法的基本思想是將具有相似性質(zhì)的象素集合起來構(gòu)成區(qū)域。本課題的區(qū)域生長法是背景差分算法初步分割以后才進(jìn)行的。圖36是采用背景差分法對圖像進(jìn)行初步分割的結(jié)果。圖34目標(biāo)圖像圖35背景圖像圖36分割后的圖像 圖37區(qū)域生長去除噪聲程序如下：function main()。 A1= imread ([39。])。.jpg39。,39。背景圖像39。)。)。A3=rgb2gray(A3)。s(10,8)=1。subplot(2,2,4),imshow(Im13),title(39。39。本章從彩色圖像處理中的彩色空間的劃分出發(fā)，首先討論了一種顏色空間：RGB顏色空間。第4章陰影檢測理論基礎(chǔ)對陰影的檢測與抑制已成為對目標(biāo)進(jìn)行有效分割的重要內(nèi)容與難題，對陰影的檢測與抑制的效果直接影響視頻圖像的后期處理，如目標(biāo)分類、跟蹤和行為理解等過程，也嚴(yán)重影響了智能監(jiān)控系統(tǒng)、智能交通系統(tǒng)ITS(Intelligent Transportation Systems)等計算機視覺系統(tǒng)的應(yīng)用與推廣。隨著數(shù)字圖像處理技術(shù)的飛速發(fā)展，以及人們對數(shù)字圖像處理技術(shù)要求的變高，數(shù)字圖像陰影處理是數(shù)字圖像處理技術(shù)中一個不可避免的問題，因為陰影是數(shù)字圖像的常見現(xiàn)象。（3）在數(shù)字城市工程或數(shù)字地球工程的三維建模中，適當(dāng)?shù)募尤胛矬w模擬陰影，可以增強觀察者的立體感和空間感。（4）在數(shù)字?jǐn)z影測量中，影響正射影像圖的生成和自動三角測量。設(shè)陰影總是和投射陰影的目標(biāo)相關(guān)聯(lián)，是那個目標(biāo)的行為；設(shè)陰影是暗的，但不顯著改變所覆蓋背景的顏色和紋理；設(shè)陰影形狀是目標(biāo)形狀在背景上的投影；設(shè)陰影邊界趨向于根據(jù)陰影被投射的表面的幾何形狀來改變方向；設(shè)光源的位置和強度是已知的。這個值能通過Phong模型推導(dǎo)得出。為簡化起見，在陰影檢測時，需要增加假設(shè)。目前的陰影去除算法正是基于陰影檢測的基本假設(shè)和一般框架的。第5章陰影抑制算法同一屬性表面的物體，當(dāng)位于陰影區(qū)域和非陰影區(qū)域中時，利用視頻傳感器獲得的兩個區(qū)域的顏色值雖然有很大差異，但這種差異存在某種確定的關(guān)系，如各輸出通道之間顏色比值的關(guān)系，同一個通道不同位置像素之間顏色比值的關(guān)系；此外，陰影區(qū)域和非陰影區(qū)域的紋理，邊緣信息也是有差異的。陰影的邊緣信息與目標(biāo)體邊緣信息比較而言，陰影的邊緣信息較簡單并集中在外輪廓上?；谶吘壭畔z測陰影的步驟如下。(2)去除陰影輪廓陰影的邊緣信息與目標(biāo)體邊緣信息比較而言，陰影的邊緣信息較簡單并集中在外輪廓上。(4)校正前景內(nèi)部的邊緣信息消除了大部分陰影邊緣，但仍存在噪聲點和陰影邊緣點，去除不可靠邊緣點對后續(xù)的處理比較重要。標(biāo)記中H1的連通區(qū)域，去掉小于總面積的5%的區(qū)域塊，得到修正后水平掃描圖H2，如圖52 e)所示。(5)構(gòu)建運動物體內(nèi)部區(qū)域?qū)進(jìn)行上述的水平和垂直操作，分別記為和V，如圖52 h)和52Hi)所示。圖53區(qū)域生長去除噪聲后的圖像從圖52 l)可以看到，陰影區(qū)域有部分信息未被檢測出，這是因為這部分信息被誤檢測為目標(biāo)體區(qū)域。對于圖52 l)出現(xiàn)的噪聲，可以用區(qū)域生長法去除。從圖54 d)可以看到，椅子部分信息丟失。程序如下：function lw_11m=70。II=rgb2gray(II)。[x,y]=size(II)。39。 I=abs(double(b)double(I2))。 if dc(q)==3 b(q)=a*I2(q)+(1a)*b(q)。39。D=abs(double(I_g)double(b_g))。 highway=35,highwayII=50. DD(p)=1。,3)。)。g1=40。 p=find(M==1)。 p=find(FF==1)。line39。,3,0)。)。)。 [L,num] = bwlabel(mdil3,8)。allArea = []。[LL,NN] = bwlabel(BW2,8)。 right=max(y)。Position39。endfunction [g, NR, SI, TI] = regiongrow(f, S , T)f = double(f)。shrink39。 endTI = false(size(f))。end[g, NR] = bwlabel(imreconstruct(SI, TI))。系統(tǒng)地闡述幾種常用分割方法的優(yōu)缺點，在RGB空間中實現(xiàn)圖像的分割。從數(shù)學(xué)的角度和從圖像處理的角度來看，二階算子檢測結(jié)果定位的準(zhǔn)確程度是遠(yuǎn)遠(yuǎn)高于一階算子的，但對噪聲比較敏感。本文在對現(xiàn)有陰影去除算法總結(jié)及深入分析圖像模型的基礎(chǔ)上，基于陰影檢測的基本假設(shè)和一般框架，針對不同的應(yīng)用要求設(shè)計了一種算法，并取得了較好的效果。在課題的研究期間，欒老師為課題研究所提出的寶貴指導(dǎo)意見，是保證課題順利完成的關(guān)鍵，也使我豐富了知識，開闊了視野。在我遇到困難時，是他們不斷地同我探討和實驗。 Then, based on edge detection to eliminate the outline of the shadow edge, using the extracted foreground image minus the prospect of building, by the shadow area。 modelbased approach is the use of scenes, moving objects, light conditions of prior information, the establishment of the shadow model, threedimensional model of moving object edge, line, angle to match, this method is usually in a specific scenario under the conditions of use, such as aerial image understanding and video surveillance. Although there are a variety of shadow suppression algorithm has been there, but existing algorithms are only scenario applies to a specific application, how to target a shadow and Yun Dong effective segmentation, Kaifa out of the shadow suppression algorithm Bijiao general is still challenging the problem of a rich . Shadow Removal Algorithm 2 Remove the shadow of the edge information [4], adapted to the target of the edge informationrich, relatively simple shadow of the shadow edge removal. For the shadow of Figure 1 Inhibition of the algorithm simulation result is not satisfactory. This article made the following improvements on such issues. Figure 1 target body and shadow determine the location of the shadow Determine the location of t