【文章內(nèi)容簡介】 者空域?qū)D像進行處理，但無法確定算法所需的參數(shù)，要根據(jù)先驗知識或者以往經(jīng)驗來進行確定，其實是另一種意義上變相對人腦的依賴。 在傳統(tǒng)的陰影消除方法中，主要有圖像增強和圖像復(fù)原技術(shù)兩種。在圖像增強中，有空域和頻域兩種方法。其中空域方法是在圖像平面上對其進行各種處理，如直方圖均衡化。頻域的方法是先用傅里葉變化將其變換到頻域，然后在頻域上對其進行增強處理，如同態(tài)濾波 Retinex算法。圖 像復(fù)原技術(shù)與圖像增強相似，主要通過退化圖像的某種先驗知識對圖像進行建模，然后采用相反的過程進行處理。通過圖像復(fù)原進行陰影消除的過程中，陰影的消除可以看做一種退化，利用一種先驗知識對陰影進行建模，然后消除陰影。 第一章 緒論 5 陰影消除發(fā)展現(xiàn)狀 從以上的傳統(tǒng)陰影消除方法中可以看到，傳統(tǒng)方法都有自己的不足。采用固定的方法對圖像進行處理，或者需要對人的依賴。對不同圖像的適應(yīng)能力差，所以現(xiàn)在的陰影消除方法希望能夠在模擬人類感官視覺的基礎(chǔ)上，要快速可靠，能夠達(dá)到實時性的要求，同時在處理過程中減少人工的干預(yù)，對各種圖像 有不同的適應(yīng)能力。 本文的主要研究內(nèi)容及安排 研究內(nèi)容 陰影消除的關(guān)鍵是對陰影進行準(zhǔn)確檢測 ， 文獻(xiàn) [1]對陰影檢測算法作了比較全面的總結(jié) ， 將現(xiàn)存的陰影檢測算法進行了分析比較 ， 根據(jù)是否引入了不確定性把陰影檢測算法分為判定性算法和統(tǒng)計算法。其中 ， 判定性算法通過一些條件對像素是否為陰影進行判斷。而統(tǒng)計算法則構(gòu)建一個可能性函數(shù) ， 通過統(tǒng)計的方法來決定像素屬于陰影還是其他。根據(jù)是否需要參數(shù)或模型支持又可以將這兩類細(xì)分 ，最后得到四類算法 ： 統(tǒng)計參數(shù)法 [4] (Statistical ParametricApproach， SP)、統(tǒng)計非參數(shù)法 [5] (Statistical Nonparametric Approach， SNP)、判定性模型法 [6](Deterministic ModelBased Approach DM) 和 判 定 性 非 模 型 法 [7](Deterministic NonmodelBasedApproach DNM)。陰影檢測過程需要使用陰影的特征信息 ， 根據(jù)特征信息的不同 ， 又可以將陰影檢測算法分為基于紋理和基于屬性兩類?；诩y理的陰影檢測方法根據(jù)陰影區(qū)域的灰度有所加深但紋理 沒有改變的原理進行檢測。常用的紋理分析算法有 Gabor小波紋理分析、基于自相關(guān)函數(shù)的紋理分析等。文獻(xiàn)[8]使用基于 Gabor小波紋理分析的方法 ， 將可能的陰影區(qū)域劃分成若干圖像子塊 ，再將這些子塊投射到 Gabor小波函數(shù)上 ， 獲得子塊的 Gabor特征。通過與相應(yīng)背景圖像的 Gabor特征進行比較 ， 即可判斷當(dāng)前圖像子塊是否為陰影。由于其需要大量的映射和比較操作 ， 在檢測過程中計算量較大。文獻(xiàn) [9]認(rèn)為陰影區(qū)域的紋理和陰影投射前區(qū)域的紋理是相似的 ， 根據(jù)此特征進行陰影檢測。 Wang等 [10]在動態(tài)條件6 圖像陰影消除算法研究與實現(xiàn) 隨機場中 ， 利用梯度特征 檢測陰影?；诩y理的檢測方法由于受到場地的限制 ，當(dāng)運動目標(biāo)和陰影具有相同紋理信息時很難區(qū)分。基于陰影屬性特征是通過分析陰影的亮度、幾何結(jié)構(gòu)和色彩方面的性質(zhì)而對陰影進行檢測。 Cucchiar[11]等認(rèn)為在HSV顏色空間中 ， 陰影覆蓋區(qū)域的亮度值較低 ， 而色度和飽和度值在一定范圍內(nèi)變化 ， 通過設(shè)定多個閾值分割出前景、背景和陰影。 Trattersail[12]對 Cucchiar算法進行了改進 ， 通過利用多個約束條件求取一個最優(yōu)閾值 ， 實現(xiàn)陰影檢測。這兩種方法都需要設(shè)置較多的閾值或約束條件 ， 對于不同場景的陰影檢測適應(yīng)性不好。文獻(xiàn) [13]基于 HSV彩色空間的色調(diào)值 ， 融合 RGB色彩模型中的藍(lán)色分量信息對陰影進行檢測 ， 采用 RGB彩色空間中的藍(lán)色分量為模板 ， 計算該模板與提取出的陰影區(qū)域間的直方圖 ， 采用單閾值化分割方法來確定陰影區(qū)域 ， 對于復(fù)雜場景 ， 但閾值的方法往往不能取得很好的效果。針對傳統(tǒng)方法的不足 ， 本文在 HSV顏色空間下 ，通過對陰影區(qū)域內(nèi)各個像素點的 H、 S、 V通道顏色值進行統(tǒng)計 ， 與相應(yīng)的非陰影區(qū)域進行直方圖對比分析 ， 基于統(tǒng)計信息在三個通道上 分別建立獨立的高斯模型 ， 從而構(gòu)建 HSV顏色空間下一種新的陰 影高斯模型 ， 通過訓(xùn)練陰影樣本得到模型參數(shù)。在陰影模型的基礎(chǔ)上 ， 提出一種基于統(tǒng)計模型的前景陰影檢測算法 ， 在各個通道上計算當(dāng)前像素與陰影模型的匹配程度 ， 對各通道的匹配值進行加權(quán) ， 與預(yù)定閾值進行比較從而判定是否為陰影。在檢測結(jié)果基礎(chǔ)上對陰影像素點進行消除 ， 保留前景目標(biāo) ， 從而達(dá)到陰影消除的目的。將本文算法與同類算法進行實際視頻測試，實驗結(jié)果表明本文算法對于不同場景下的陰影都能夠很好地消除 ， 相對已有算法在陰影檢測率和陰影區(qū)分率兩個指標(biāo)上均有提高。 內(nèi)容安排 本論文的第一章為緒論，介紹一些陰影消除及圖像處理的背景知識未來發(fā)展。 第二章為基于統(tǒng)計特征的陰影建模，通過對陰影特征統(tǒng)計、分析，再對其進行建模獲得一些需要的參數(shù)。 第三章內(nèi)容是基于統(tǒng)計模型的前景陰影消除，首先提取出前景圖像，然后通過前面得出的參數(shù)對陰影進行判定及消除。 第四章對得出的前景圖像進行陰影消除的仿真實驗。 第二章 基于統(tǒng)計特征的陰影建模 7 第二 章 基于統(tǒng)計特征的陰影建模 陰影特征分析 RGB 顏色空間 在彩色圖像的色彩空間中，最典型最常用的面向硬設(shè)備的彩色模型是 RGB模型。電視攝像機和彩色掃描儀都是根據(jù) RGB模型工作的。 RGB模型是一種與人的視覺系統(tǒng)結(jié)構(gòu)密切相連的模型。根據(jù)人眼結(jié)構(gòu)，所有的顏色都可看做是三個基本顏色 紅（ R， red），綠（ G， green）和藍(lán) （ B， blue） 的不同組合。 CIE所規(guī)定的紅綠藍(lán)這三種基本色的波長分別為 700nm， ， 。猶豫光源的光譜是連續(xù)漸變的，所以并沒有一種顏色可準(zhǔn)確地叫做紅、綠、藍(lán)。因而需要注意，定義三種基本波長并不表明僅由三個固定的 R， G， B分量就可組成所有顏色。 RGB模型可以建立在笛卡爾坐標(biāo)系統(tǒng)里，其中三個軸分別為 R， G， B，見圖。 圖 RGB空間模型 圖 RGB模型的空間是個正方體，遠(yuǎn)點對應(yīng)黑色，離遠(yuǎn)點最遠(yuǎn)的頂點對應(yīng)8 圖像陰影消除算法研究與實現(xiàn) 白色。在這個模型中，從黑到白的灰度值分布在從遠(yuǎn)點到離遠(yuǎn)點最遠(yuǎn)頂點間的連線上，而立方體內(nèi)其余點對應(yīng)不同的顏色，可用從遠(yuǎn)點到該點的矢量表示。一般為方便起見，總將立方體歸一化為單位立方體，這樣所有的 R， G， B的值都在區(qū)間 [0， 1]之中。 根據(jù)這個模型，每幅彩色圖包括三個獨立的基色平面，或者說可分解到三個平面上。如果一幅圖像可被表示為三個平面，使用這個模型就比較方便。 HSV 顏色空間 面向硬設(shè)備的彩色模型與人的視覺感知有一定距離且使用時不大方 便，例如給定一個彩色信號，人很難判定其中的 R， G， B分量，這時使用面向視覺感知的顏色模型比較方便。 HSV是計算機顏色的模型之一，它在計算機實用軟件里，常被稱為 HSB色彩模型。因為它用色彩的直觀屬性來描述顏色，它的三個顏色參數(shù)正好對應(yīng)色彩的主觀三屬性（色相、明度、彩度），跟我們傳統(tǒng)的顏料色彩設(shè)計相類似，所以它稱為設(shè)計師直觀的色彩模型。 HSV模型在許多圖像編輯工具中應(yīng)用比較廣泛，如 Photoshop等等，因為它是一種比較直觀的顏色模型。但由于許多光線混合運算、光照強度的運算無法使用HSV來實現(xiàn)，所以它不適合 光照模型的使用。在 HSV模型中， H表示色調(diào)，范圍是[0， 360]。其中 0176。對應(yīng)紅色， 120176。對應(yīng)綠色， 240176。對應(yīng)藍(lán)色。色調(diào)是與混合光譜中主要光波長相聯(lián)系的。 S表示飽和度，范圍為 [0， 1]，飽和度與一定色調(diào)的純度有關(guān)，純光譜色是完全飽和的，隨著白光的加入飽和度逐漸減少。色調(diào)和飽和度合起來成為色度。 V表示色彩的亮度，范圍為 [0， 1]，它與光照強度并沒有直接的聯(lián)系。所以顏色可用亮度和色度共同表示。 HSV顏色模型與人類對顏色的感知接近。人區(qū)分顏色就常用三種基本特性兩：亮度、色度和飽和度。亮度與物體的反射率成正比， 如果無彩色就只有亮度一個維量的變化。對彩色來說，顏色中摻入白色越多就越明亮，摻入黑色越多亮度就越小。飽和度與一定色調(diào)的純度有關(guān)，純光譜色是完全飽和的，隨著白光的加入飽和度逐漸減少。 HSV模型的坐標(biāo)系統(tǒng)也是圓柱坐標(biāo)系統(tǒng)，但一般用六棱錐來表示，見圖 第二章 基于統(tǒng)計特征的陰影建模 9 圖 HSV彩色模型 在 HSV 色彩模型中，六棱椎頂面的正六邊形，是一個飽和度最高的有彩色系的色相環(huán)。在這個六邊形色相環(huán)中，色相是沿逆時針方向變化的，用 H（ hue ） 來表示色相。在六邊形中， S（ saturation） 表示色彩飽和度變化的量。當(dāng)顏色位于六邊形中心時，顏色的飽和度為 0（ S = 0） ，呈純白色。飽和度的變化由六邊形中心向六邊形外框逐漸增大，位于六邊形外框上的顏色的飽和度最高。 在 HSV頂面六邊形色相環(huán)中，色相是沿逆時針方向變化的，每變換 1176。夾角，色相就有細(xì)微的變化。從 0176。到 360176。，色相變化的順序按紅 — 橙 — 黃 — 綠 — 藍(lán) — 品紅，每個顏色相隔 60176。，這 6個顏色構(gòu)成了六邊形的 6個頂點。從 0176。到 359176。，色相按光譜色帶依次排列，當(dāng)?shù)竭_(dá) 360176。時，色相又回到 0176。時的色彩。 最里面 1圈是飽和度為 0％ 的顏色，呈白色；第二圈是 飽和度約為 25%的淡色調(diào)顏色，第三圈是飽和度約為 50%的低純調(diào)顏色，第四圈是飽和度約為 75%的中純調(diào)顏色，最外一層是飽和度為 100%最高的純色調(diào)顏色。 RGB、 HSV顏色空間的轉(zhuǎn)換 RGB顏色模型屬于面向硬設(shè)備的彩色模型，它的顏色模型的混色屬于加法混10 圖像陰影消除算法研究與實現(xiàn) 色。每種原色的數(shù)值越高，色彩越明亮。電腦中的 24位真彩圖像，就是采用 RGB模型來精確記錄色彩。 HSV色彩模型屬于面向視覺感知的彩色模型，由于 RGB模型中，人很難判定其中的 R， G， B分量，這時使用面向視覺感知的顏色模型就比較方便一些。 HSV本質(zhì)上與 RGB模式?jīng)]有區(qū)別，只是產(chǎn)生顏色的方式有所不同。 它們之間可以互相轉(zhuǎn)化，具體轉(zhuǎn)化過程如下 max=max(R， G， B) min=min(R， G， B) if R = max， H = (GB)/(maxmin) if G = max， H = 2 + (BR)/(maxmin) if B = max， H = 4 + (RG)/(maxmin) H = H * 60 if H 0， H = H + 360 V=max(R， G， B) S=(maxmin)/max 陰影和環(huán)境光的強度 ， 物體的透明程度以及地面的質(zhì)地有關(guān)。環(huán)境光的強弱影響陰影的強度 ， 在相同的情況下 ， 陰影的強度和環(huán)境光的強度成正比。通常情況下 ， 陰影會導(dǎo)致對應(yīng)區(qū)域的強度發(fā)生變化 ， 而色度的變化不大。文獻(xiàn) [3]就是基于在此特征在 RGB 顏色空間上通過各個空間歸一化對色度進行建模 ， 由于 RGB 不便于直接描述物體的色度信息 ， 所以直接歸一化得到的結(jié)果的物理意義并不明顯。在圖像處理中常用的是 HSV 顏色空間。 HSI 顏色空間用色調(diào) (Hue)、飽和度(Saturation)和亮度值 (value)來描述色彩 ， 相對 RGB 空間而言 ， HSV 空間具有物理意義清晰的特點。像素點的 H 值和 S 值代表了物體的色度 ， 而 V 值則代表了物體的強度。通常情況下 H 的取值范圍為 [0， 360]， S 的取值范圍為 [0， 1]， V 的取值范圍為 [0， 255]。為了便于實際處理 ， 我們在進行 RGB 轉(zhuǎn)換到 HSV 顏色空間轉(zhuǎn)換時 ， 將各個子空間都縮放到 [0， 1]范圍內(nèi) ， 其轉(zhuǎn)換公式如 下 所示 ： H=H′/360 第二章 基于統(tǒng)計特征的陰影建模 11 S=S′255 V=max（ R， G， B） 陰影統(tǒng)計數(shù)據(jù)提取 為了獲得統(tǒng)計數(shù)據(jù)，我們需要對某個視頻進行手動標(biāo)記，統(tǒng)計同一區(qū)域在有陰影和美陰影時的 HSV空間各通道的像素值。具體情況如表 。 表 陰影統(tǒng)計數(shù)據(jù)來源 視頻統(tǒng)計源 視頻基本信息 統(tǒng)計區(qū)域 區(qū)域內(nèi)位陰影的幀 區(qū)域內(nèi)無陰影的幀 HighwayI 440 幀， 320240， 室外 以 （ 6， 225）（ 66， 235） 為頂點的矩形區(qū)域，像素點數(shù)為 600 16， 17， 42，47， 51， 61，91， 129， 147，151（共 10 幀） 133142 （共 10 幀） 其中 HighwayI的視頻來自加州大學(xué)圣迭戈分校計算機視覺和機器人研究實驗