【正文】 If (x N, Y ≥ N), then o = b。 shadow direction 1 Introduction Target detection and segmentation for the target image, usually containing the shadow of the human eye can easily distinguish the moving target with the goal of projecting moving shadows, but how to make puter identify the movement shadow is a challenging research problem [12 ]. On shadow detection and suppression directly affect the video image postprocessing, such as target classification, tracking and understanding behavior in such processes [3], also seriously affected the intelligent monitoring system, intelligent transportation system (Intelligent Transportation Systems, ITS), etc. Computer Vision System and promotion. In the field of film and television production, the removal of the shadow can be separated from the background characters and other flexible synthetic scene of great significance. How to better prospects in the detected target, and it casts a shadow separated from the domestic and foreign scholars has bee a hot issue, but also focus on the content of this article. Existing shadow suppression methods fall into two categories, namely the shadow suppression algorithm based on attributebased model of shadow suppression algorithm. Attributebased approach is the use of the geometric characteristics of the shadow, brightness, color and other information to identify the shadow region, the existing shadow suppression algorithm using the shadow spectral properties than the more mon geometric features, shadow suppression algorithm based on attributes of different scenes and lighting conditions There is robust。再次誠摯地謝謝大家！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。另外還要感謝曾經(jīng)給予我關(guān)心和幫助的所有同學(xué)。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）：清華大學(xué)出版社 20065. 參考網(wǎng)站：程序員聯(lián)合開發(fā)網(wǎng) 基于混合高斯模型的運(yùn)動陰影抑制算法研究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微不至的關(guān)懷。（3）圖像分割后得到的是帶影子的目標(biāo)圖像。本文的主要研究成果可以概括如下：（1）對圖像邊緣的檢測方法進(jìn)行了研究。結(jié)論彩色特征空間是彩色圖像分割必須面對的問題，本論文對一些常用彩色空間轉(zhuǎn)換算法進(jìn)行了介紹，并分析討論了各彩色空間的適用范圍和優(yōu)缺點(diǎn)。 TI = TI | S。 S1 = f(J)。else SI = bwmorph(S, 39。,2)。hold onrectangle(39。left=min(y)。figure,imshow(double(BW2))。)。mdil3=imdilate(mdil2,[se90 se0])。holes39。sobel39。line39。se90=strel(39。 FF=round(F)。g2=45。F=zeros(size(I))。hole39。disk39。p=find(Dtt)。figure,imshow(I_g)。I=imread(39。 q=find(dc==3)。 I2=rgb2gray(im2)。 ticfor i=1:5:m1for j=i:i+4 im2=sprintf(39。 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，椅子并不能被完整的恢復(fù)，導(dǎo)致部分椅子區(qū)域被誤檢測為陰影區(qū)域，從而導(dǎo)致椅子部分信息丟失。對于如下目標(biāo)的陰影抑制，該算法的效果不理想。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)未被檢測的信息。利用區(qū)域生長法去除噪聲后的圖像如圖53所示。水平和垂直操作消除了大多數(shù)的不可靠邊緣，殘余的個別不可靠的邊緣不影響陰影檢測結(jié)果，校正后的物體內(nèi)部邊緣圖記為F，如圖52 g)所示。得到最初的水平掃描圖H1。(3)得到最初的物體內(nèi)部邊緣，記為，如圖52 d)所示。對前景區(qū)域（如圖52 a)）采用Sobel邊緣提取，記為B，如圖52c)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)域檢測確定陰影區(qū)域邊緣檢測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。所以，邊緣包含了豐富的內(nèi)在信息，是圖像識別中的重要圖像特征之一。目前還沒有一個陰影抑制算法對所有的圖像都是適用的，即沒有一種通用的算法對于所有圖像都能達(dá)到理想的陰影去除效果。本章首先對陰影檢測理論進(jìn)行了系統(tǒng)概述，闡述了陰影檢測的基本假設(shè)和一般框架。在做陰影檢測時，只有來自視頻的信息，而式(42)中的參數(shù),和α是未知的，因此，上述物理描述對一個自動檢測算法是不夠的。R( x, y)是輻射度，即表面每單位面積接收的照明能量的數(shù)量。在其相關(guān)應(yīng)用中進(jìn)行陰影檢測時，可以有陰影檢測的基本假設(shè)。（3）影響房屋和道路的自動提取，比如道路的自動提取中目前最大的障礙就是道路影像灰度值的不連續(xù)性，而陰影的存在往往破壞了道路影像灰度值的連續(xù)性。（2）可以利用陰影來確定成像光源的位置、強(qiáng)度、形狀或者大小等性質(zhì)。本文研究的范圍是障礙體不透明的情況。接下來，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)。imshow(a)。imwrite(Im13,39。[g, NR, Im13, TI]=regiongrow(Im19, 250, 5)。s(8,6)=1。)。39。含有運(yùn)動目標(biāo)的圖像39。 subplot(2,2,1),imshow(A1),title(39。Name39。,int2str(n),39。.jpg39。)。區(qū)域生長去除噪聲后結(jié)果如圖37所示。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)域生長去除噪聲后的圖像。種子像素的選擇方法一般都是根據(jù)具體的問題具體對待，時常選擇亮度最大的點(diǎn)作為種子點(diǎn)。初步分割后的圖像有噪聲，利用區(qū)域生長法去除噪聲。在戶外的情況，背景經(jīng)常會受到光線和風(fēng)等自然因素影響而發(fā)生變化，噪聲和干擾是不可避免的。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。由于單一的圖像分割算法總是存在一定的弊端，所以在算法的選擇上，盡量采用兩到三個算法的結(jié)合，優(yōu)勢互補(bǔ)，才能得到滿意的結(jié)果。區(qū)域生長的固有缺點(diǎn)是分割效果依賴于種子點(diǎn)的選擇及生長順序，由于相似性通常是用統(tǒng)計(jì)的方法確定的，因而這些方法對噪聲不敏感。如果給定邊界兩側(cè)的度量差異明顯，那么這個邊界很強(qiáng)反之則弱。在每個區(qū)域中，對經(jīng)過適當(dāng)定義的能反映一個物體內(nèi)成員隸屬程度的性質(zhì)(度量)進(jìn)行計(jì)算。而目前對彩色圖像的分割，大部分也是基于灰度圖的：先將彩色圖像的各個分量進(jìn)行適當(dāng)?shù)慕M合轉(zhuǎn)化為灰度圖像，然后利用對灰度圖像的分割算法進(jìn)行分割。圖像分割是數(shù)字圖像分析中的重要環(huán)節(jié)，在整個研究中起著承前啟后的作用，它既是對所有圖像預(yù)處理效果的一個檢驗(yàn)，也是后續(xù)進(jìn)行圖像分析與解譯的基礎(chǔ)。兩個色點(diǎn)之間的距離不等于兩個顏色之間的知覺差異；（3）對硬件設(shè)備具有依賴性。立方體的底部R=G=B=0處為黑色，頂部與其相對角R=G=B=255處為白色。如CRT顯示器和掃描儀使用RGB顏色空間，打印機(jī)使用CMYK顏色空間，但各種外部設(shè)備使用的顏色空間并不一致。一般的思想是具體問題具體處理。顏色空間是用來定義和表示顏色的。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)域生長法，提高目標(biāo)分割的效果。但是由于二階算子的特性，對噪聲太敏感。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)投射的陰影也會隨著目標(biāo)一起運(yùn)動。沒有被照亮的部分目標(biāo)被稱為自身陰影(selfshadow)。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，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，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。拉普拉斯算子的卷積模板如圖25所示：圖25拉普拉斯算子模板拉普拉斯算子的特點(diǎn)是：各向同性、線性和位移不變性，對細(xì)線和孤立點(diǎn)的檢測效果好。因此，通常采用二階算子來檢測噪聲圖像的邊緣信息。但對于光照條件不一致、噪聲干擾較大的圖像，有些對比度較小的邊緣檢測不出來，而一些噪聲點(diǎn)卻作為邊緣被檢測了出來。拉普拉斯算子是不依賴于邊緣方向的二階導(dǎo)數(shù)算子，它是一個標(biāo)量而不是向量，具有旋轉(zhuǎn)不變即各向同性的性質(zhì)。將圖像中的每個像素的上、下、左、右四鄰域的灰度值加權(quán)差，與之接近的鄰域的權(quán)最大。 Roberts邊緣算子Roberts交叉梯度算子為梯度的計(jì)算提供了一種簡單的近似方法，它采用的是對角方向相鄰兩像素之差：Robert梯度是以為中心的，在這個中心點(diǎn)上連續(xù)梯度的近似。實(shí)際中的數(shù)字圖像會由于采樣，造成邊緣處的模糊，所以垂直上下的邊緣剖面都有一定坡度，即邊緣區(qū)有一定的寬度。邊緣主要反映的是圖像灰度的不連續(xù)性。在各種圖像處理中，只要包含對圖像目標(biāo)進(jìn)行提取、測量等都離不開圖像分割。對現(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)陰影去除時存在的問題。第3章首先討論了幾種彩色空間分別闡述了它們的概