【正文】 再次誠(chéng)摯地謝謝大家！附 錄一Location and edge information based on shadow shadow removal algorithm CHEN Hua 1, Guan Yu Dong 2, Lin Yang 2, Han Wendy Law 2, Xu Xiao Yu Abstract This paper presents the location and based on the shadow of the shadow edge removal algorithm. First, the estimated light direction to determine the direction of the shadow。參考文獻(xiàn)1.《MATLAB使用詳解》 董霖 電子工業(yè)出版社 2. MATLAB數(shù)字圖像處理／張德豐等編著．—北京：機(jī)械工業(yè)出版社，20093. 楊林 圖像分割及陰影抑制算法的研究. 20074. （上冊(cè)）：清華大學(xué)出版社 20065. 參考網(wǎng)站：程序員聯(lián)合開(kāi)發(fā)網(wǎng) 基于混合高斯模型的運(yùn)動(dòng)陰影抑制算法研究2006 高斯核密度估計(jì)背景建模及噪聲與陰影抑制 2005 視頻分割技術(shù)研究 200710 Shafarenko L,Petrou M,Kittler Segmentation in aPerceptually Uniform Color Trans on Image 11 Vlachos T,Constantinides A Graphtheoretic Approach to Color ImageSegmentation and Contour 4th on ImageProcessing and its 12 Loncaric Survey of Shape Analysis Recognition.200113席礪莼,，2003致 謝衷心感謝欒慶磊指導(dǎo)老師在畢業(yè)設(shè)計(jì)期間給予的有力支持和無(wú)微不至的關(guān)懷。本文的主要研究成果可以概括如下：（1）對(duì)圖像邊緣的檢測(cè)方法進(jìn)行了研究。 TI = TI | S。else SI = bwmorph(S, 39。hold onrectangle(39。figure,imshow(double(BW2))。mdil3=imdilate(mdil2,[se90 se0])。sobel39。se90=strel(39。g2=45。hole39。p=find(Dtt)。I=imread(39。 I2=rgb2gray(im2)。 a=。a)椅子及其陰影 b) 前景邊緣信息c)椅子內(nèi)部邊緣信息 d)取出陰影結(jié)果圖54因此，利用保留的椅子的邊緣信息構(gòu)建椅子時(shí)，椅子并不能被完整的恢復(fù)，導(dǎo)致部分椅子區(qū)域被誤檢測(cè)為陰影區(qū)域，從而導(dǎo)致椅子部分信息丟失。在圖52 g)中就出現(xiàn)了這種誤差，進(jìn)而導(dǎo)致圖52 k)中的陰影區(qū)域出現(xiàn)未被檢測(cè)的信息。水平和垂直操作消除了大多數(shù)的不可靠邊緣，殘余的個(gè)別不可靠的邊緣不影響陰影檢測(cè)結(jié)果，校正后的物體內(nèi)部邊緣圖記為F，如圖52 g)所示。(3)得到最初的物體內(nèi)部邊緣，記為，如圖52 d)所示。讀取前、背景圖像前景目標(biāo)與陰影區(qū)目標(biāo)內(nèi)部邊緣信息HSV空間閾值判別掃描確定目標(biāo)區(qū)域檢測(cè)確定陰影區(qū)域邊緣檢測(cè)輪廓提取掃描并形態(tài)學(xué)處理圖51算法框圖基于邊緣信息抑制陰影的目的是設(shè)法消除外輪廓邊緣，從保留的目標(biāo)體的邊緣點(diǎn)構(gòu)建目標(biāo)體，再利用分割后得到的包含陰影的目標(biāo)圖像減去構(gòu)建的目標(biāo)體，即可得到陰影區(qū)域。目前還沒(méi)有一個(gè)陰影抑制算法對(duì)所有的圖像都是適用的，即沒(méi)有一種通用的算法對(duì)于所有圖像都能達(dá)到理想的陰影去除效果。在做陰影檢測(cè)時(shí)，只有來(lái)自視頻的信息，而式(42)中的參數(shù),和α是未知的，因此，上述物理描述對(duì)一個(gè)自動(dòng)檢測(cè)算法是不夠的。在其相關(guān)應(yīng)用中進(jìn)行陰影檢測(cè)時(shí)，可以有陰影檢測(cè)的基本假設(shè)。（2）可以利用陰影來(lái)確定成像光源的位置、強(qiáng)度、形狀或者大小等性質(zhì)。接下來(lái)，系統(tǒng)地闡述了圖像分割的一種方法，分析總結(jié)了常用分割方法的優(yōu)缺點(diǎn)。imwrite(Im13,39。s(8,6)=1。39。 subplot(2,2,1),imshow(A1),title(39。,int2str(n),39。)。圖3圖3圖3圖37分別為目標(biāo)圖像、背景圖像、分割后的圖像和區(qū)域生長(zhǎng)去除噪聲后的圖像。初步分割后的圖像有噪聲，利用區(qū)域生長(zhǎng)法去除噪聲。影視圖像拍攝中，攝相機(jī)的位置能夠固定，可以得到靜止的背景。區(qū)域生長(zhǎng)的固有缺點(diǎn)是分割效果依賴(lài)于種子點(diǎn)的選擇及生長(zhǎng)順序，由于相似性通常是用統(tǒng)計(jì)的方法確定的，因而這些方法對(duì)噪聲不敏感。在每個(gè)區(qū)域中，對(duì)經(jīng)過(guò)適當(dāng)定義的能反映一個(gè)物體內(nèi)成員隸屬程度的性質(zhì)(度量)進(jìn)行計(jì)算。圖像分割是數(shù)字圖像分析中的重要環(huán)節(jié)，在整個(gè)研究中起著承前啟后的作用，它既是對(duì)所有圖像預(yù)處理效果的一個(gè)檢驗(yàn)，也是后續(xù)進(jìn)行圖像分析與解譯的基礎(chǔ)。立方體的底部R=G=B=0處為黑色，頂部與其相對(duì)角R=G=B=255處為白色。一般的思想是具體問(wèn)題具體處理。在這一章，首先介紹各種色彩空間及它們之間的相互轉(zhuǎn)換，然后提出了運(yùn)算復(fù)雜度較低的彩色空間的分割算法，充分利用彩色圖像本身的色彩信息并結(jié)合區(qū)域生長(zhǎng)法，提高目標(biāo)分割的效果。陰影是目標(biāo)在入射光的照射下產(chǎn)生的，它們是相關(guān)聯(lián)的，目標(biāo)投射的陰影也會(huì)隨著目標(biāo)一起運(yùn)動(dòng)。陰影的形狀、大小、取決于遮擋物體的形狀、大小、投影面與遮擋物體之間的距離；遮擋物體與投影平面之間的位置決定了陰影的位置，當(dāng)遮擋物體與投影平面相連時(shí)，陰影區(qū)域與被遮擋物體之間存在共同的邊界，而當(dāng)遮擋物體與投影平面有一定的空間距離時(shí)，陰影區(qū)域與被遮擋物體之間是分離的，根據(jù)三維物體與二維圖像平面的投影變換，三維空間的中位置分離的被遮擋物體與陰影區(qū)域在二維圖像平面中也可能是相連的。因此，通常采用二階算子來(lái)檢測(cè)噪聲圖像的邊緣信息。拉普拉斯算子是不依賴(lài)于邊緣方向的二階導(dǎo)數(shù)算子，它是一個(gè)標(biāo)量而不是向量，具有旋轉(zhuǎn)不變即各向同性的性質(zhì)。 Roberts邊緣算子Roberts交叉梯度算子為梯度的計(jì)算提供了一種簡(jiǎn)單的近似方法，它采用的是對(duì)角方向相鄰兩像素之差：Robert梯度是以為中心的，在這個(gè)中心點(diǎn)上連續(xù)梯度的近似。邊緣主要反映的是圖像灰度的不連續(xù)性。對(duì)現(xiàn)有的陰影去除方法進(jìn)行了分析與總結(jié)，指出了這些方法用于目標(biāo)陰影去除時(shí)存在的問(wèn)題。在RGB彩色空間中，采用背景差分法對(duì)圖像進(jìn)行初步差分，利用區(qū)域生長(zhǎng)法進(jìn)一步處理初步分割后的圖像，去除目標(biāo)以外的噪聲；（3）在光照模型的基礎(chǔ)上討論了陰影的形成與特征，并討論了陰影檢測(cè)的一般框架和基本假設(shè)；對(duì)現(xiàn)有的陰影分割方法進(jìn)行了分析與總結(jié)，指出了這些方法用于目標(biāo)陰影分割時(shí)存在的問(wèn)題；（4）基于陰影檢測(cè)的基本假設(shè)和一般框架，并針對(duì)不同的應(yīng)用要求，設(shè)計(jì)分析了一種陰影去除算法：基于邊緣信息的陰影抑制算法。在車(chē)輛/陰影聯(lián)合模型中，設(shè)置攝像機(jī)的水平軸與所監(jiān)控場(chǎng)景的交通流方向垂直，以使車(chē)輛立方體模型的邊界滿(mǎn)足一定的幾何關(guān)系，根據(jù)車(chē)輛與車(chē)輛所投射陰影的相對(duì)位置，把聯(lián)合模型分成六種類(lèi)型，通過(guò)確定當(dāng)前場(chǎng)景的運(yùn)動(dòng)前景(包括運(yùn)動(dòng)目標(biāo)與運(yùn)動(dòng)陰影)屬于哪種聯(lián)合模型類(lèi)型來(lái)進(jìn)行陰影檢測(cè)與抑制?，F(xiàn)有的陰影抑制方法主要分為二類(lèi)，即基于屬性的陰影抑制算法與基于模型的陰影抑制算法。彩色圖像分割與灰度圖像分割的算法相比，大部分算法在分割思想上是一致的。因此，我們將圖像分割的方法分為三類(lèi)，第一類(lèi)是基于邊界的分割方法；第二類(lèi)是基于區(qū)域的分割方法；第三類(lèi)是基于邊界和基于區(qū)域二者結(jié)合的分割方法?；镜腞GB顏色空間的一個(gè)主要缺點(diǎn)是不直觀。然而這一系統(tǒng)只能記住幾種顏色，有報(bào)告說(shuō)明人能記住大約11種焦點(diǎn)顏色，即紅綠藍(lán)黃紫橙粉棕灰白黑。光線沒(méi)有顏色，它只是某功率分布，而顏色則是人對(duì)這種功率分布的心理響應(yīng)。困難在于圖像分割本身是一個(gè)病態(tài)問(wèn)題，分割的目的是為了理解，但理想的分割往往需要理解后得到的結(jié)果作為先驗(yàn)知識(shí)，這種病態(tài)性給問(wèn)題的解決造成了很大的困難，成為阻礙計(jì)算機(jī)視覺(jué)發(fā)展的一個(gè)瓶頸問(wèn)題。本文基于上述需求，研究了影視圖像的目標(biāo)分割及其陰影的抑制問(wèn)題。在軍事目標(biāo)的識(shí)別應(yīng)用中，對(duì)目標(biāo)的分割技術(shù)需求也很大，但對(duì)實(shí)時(shí)性的要求較高，需要將程序安裝在硬件中，因而加大了技術(shù)難度。然后，分析總結(jié)了陰影檢測(cè)的基本假設(shè)和一般框架，及國(guó)內(nèi)外目前主流的陰影檢測(cè)與抑制算法，指出了這些方法用于去除目標(biāo)陰影時(shí)存在的問(wèn)題。視頻圖像的目標(biāo)分割結(jié)果，將對(duì)目標(biāo)分類(lèi)、跟蹤及行為理解等后續(xù)處理產(chǎn)生重要影響。本課題擬根據(jù)圖像處理的理論基礎(chǔ)，對(duì)一些傳統(tǒng)的邊緣檢測(cè)算子進(jìn)行了理論分析，用仿真實(shí)驗(yàn)測(cè)試其邊緣檢測(cè)的效果，對(duì)比分析各邊緣檢測(cè)算法效果。Key words image segmentation shadow suppression目 錄第1章緒論.................................................................................................................6..............................................................................................................6..............................................................................................................6........................................................................7............................................................................................7............................................................................8...............................................................................9...........................................................................................11...........................................................................................11第2章圖像分割的相關(guān)理論.........................................................................12..........................................................................................................12..................................................................................12...........................................................................................14...................................................................................15..................................................................................................16.......................................................................................17.......................................................................................17..................................................................................................18第3章圖像分割.............................................................................................18..........................................................................................................18......................................................................................18...