【正文】 If (B = 6), then o = B + l。 If (x ≥ N, y N), then o = a。 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 the shadow in the image can be better to remove the shadow. To this end, we must first estimate illuminant direction [1]. Specific algorithm is as follows: 1) edge detection Have been divided on good edge detection, extraction of edge pixels. 2) The division of light and dark pixels to determine the threshold Here this paper, the classical Otsu method to determine the threshold of the extracted edge pixels to operate, greater than the threshold value is the bright pixels, or a dark pixel. 3) the image center of gravity G (! X, y!) Prevail, the image is divided into upper and lower part of about 4, there are many ways to strike the center of gravity, this paper cvMoments (OpenCV usage) method to obtain focus. 4) that u, d, l, r, respectively, up and down about 4 directions. 5) N = (u + d + r + l) / 4。 edge detection。 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。是老師的教誨，同學(xué)的幫助，集體的溫暖和力量使我得以順利完成了學(xué)習(xí)任務(wù)。在我遇到困難時(shí)，是他們不斷地同我探討和實(shí)驗(yàn)。在此，我對(duì)欒老師表示誠(chéng)摯的謝意。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(shí)，開闊了視野。針對(duì)上述缺陷，后續(xù)要做的工作有：研究變化背景下的目標(biāo)對(duì)象分割技術(shù)，使用圖像配準(zhǔn)技術(shù)來糾正攝像機(jī)擺動(dòng)而造成的誤差；深入地分析產(chǎn)生陰影的光學(xué)原理、各種材料的反射特性、以及材料呈現(xiàn)不同顏色的物理機(jī)理，為各光源發(fā)射光線、場(chǎng)景表面材料反射光線、人眼接收光線、大腦產(chǎn)生場(chǎng)景顏色的反應(yīng)等建立合適的模型，有可能弄清陰影的本質(zhì)特性，從而充分運(yùn)用目標(biāo)的顏色信息，提高陰影的抑制效果。本文在對(duì)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(cè)的基本假設(shè)和一般框架，針對(duì)不同的應(yīng)用要求設(shè)計(jì)了一種算法，并取得了較好的效果。（2）從彩色圖像處理中的彩色空間劃分出發(fā)，針對(duì)不同圖像在不同空間里會(huì)表現(xiàn)出的不同特性以及實(shí)際拍攝條件的特點(diǎn)，在RGB彩色空間中采用背景差分法初步分割圖像后，利用區(qū)域生長(zhǎng)法進(jìn)一步對(duì)分割后的圖像進(jìn)行處理，取得了相對(duì)理想的效果。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(cè)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(duì)噪聲比較敏感。本文中，在分析總結(jié)已有去除陰影算法的基礎(chǔ)上，針對(duì)不同的圖像特點(diǎn)，設(shè)計(jì)了一種去除陰影的算法。系統(tǒng)地闡述幾種常用分割方法的優(yōu)缺點(diǎn)，在RGB空間中實(shí)現(xiàn)圖像的分割。基于邊緣信息的陰影抑制算法閾值選取較為簡(jiǎn)單，但對(duì)噪聲比較敏感，而且僅適用于目標(biāo)體邊緣信息豐富，陰影邊緣信息相對(duì)簡(jiǎn)單的陰影去除。end[g, NR] = bwlabel(imreconstruct(SI, TI))。 S = abs(f seedvalue) = T。 endTI = false(size(f))。 J = find(SI)。shrink39。 S1 = S。endfunction [g, NR, SI, TI] = regiongrow(f, S , T)f = double(f)。LineWidth39。Position39。 botton=max(x)。 right=max(y)。for i=1:NN[x,y]=find(LL==i)。[LL,NN] = bwlabel(BW2,8)。 BW2 = ismember(L,idx)。allArea = []。Area39。 [L,num] = bwlabel(mdil3,8)。mdil2=imdilate(mdil1,[se90 se0])。)。bwfil=imfill(MM,39。)。 medge=edge(bwero,39。,3,0)。se0=strel(39。line39。figure,imshow(M)。 p=find(FF==1)。figure,imshow(F)。 p=find(M==1)。 ag1=25。g1=40。I=double(I_g)。)。M=imfill(M,39。,3)。se = strel(39。 highway=35,highwayII=50. DD(p)=1。tt=40。D=abs(double(I_g)double(b_g))。I_g=rgb2gray(I)。39。 end endendtocb_g=b。 if dc(q)==3 b(q)=a*I2(q)+(1a)*b(q)。 dc(p)=dc(p)+1。 I=abs(double(b)double(I2))。 im2=imread(im2)。39。T=15。[x,y]=size(II)。 b=II。II=rgb2gray(II)。39。程序如下：function lw_11m=70。當(dāng)通過去除外輪廓去除陰影輪廓時(shí)，椅子的大部分邊緣信息也丟失了，如圖54 c)所示。從圖54 d)可以看到，椅子部分信息丟失。該算法適用于目標(biāo)體邊緣信息豐富，陰影邊緣信息相對(duì)簡(jiǎn)單的陰影去除。對(duì)于圖52 l)出現(xiàn)的噪聲，可以用區(qū)域生長(zhǎng)法去除。例如，水平掃描是從最左側(cè)開始掃描，只要有邊緣信息就檢測(cè)為車體區(qū)域左側(cè)起始點(diǎn)，而不管該邊緣信息是噪聲還是真正的車體邊緣。圖53區(qū)域生長(zhǎng)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(cè)出，這是因?yàn)檫@部分信息被誤檢測(cè)為目標(biāo)體區(qū)域。(7)去除陰影根據(jù)上述步驟已確定陰影區(qū)域，去除該區(qū)域后的圖像如圖52 l)所示。(5)構(gòu)建運(yùn)動(dòng)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。V1和V2分別表示垂直操作得到的最初垂直a)目標(biāo)體與陰影 b)二值前景圖 c)前景區(qū)域邊緣檢測(cè)d)最初物體內(nèi)部邊緣 e)修正后的水平掃描圖 f)修正后的垂直掃描圖g)校正后的物體內(nèi)部邊緣圖 h)二次水平掃描圖 i)二次垂直掃描圖j)最初陰影區(qū)域 k)修正后的陰影區(qū)域 l)初步去除陰影后的像圖52椅子陰影的去除掃描圖和修正后垂直掃描圖，如圖52 f)所示。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。從上到下水平掃描，尋找每一行中邊緣點(diǎn)的起始列和終止列，認(rèn)為該行中位于起始列和終止列之間的象素均為前景，設(shè)置為1，其余象素位置設(shè)定為0。(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(diǎn)和陰影邊緣點(diǎn)，去除不可靠邊緣點(diǎn)對(duì)后續(xù)的處理比較重要。由于噪聲的存在，采用B和二值前景圖D的直接差分只能去除極少量的陰影邊緣，因此先提取D邊緣信息，記為；然后用數(shù)學(xué)形態(tài)學(xué)膨脹，記為G膨脹結(jié)構(gòu)元素取6。(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(jiǎn)單并集中在外輪廓上。通過分析比較各個(gè)邊緣檢測(cè)算子，采用了Sobel算子檢測(cè)邊緣?；谶吘壭畔z測(cè)陰影的步驟如下。具體算法框圖如圖51所示。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(jiǎn)單并集中在外輪廓上。從本質(zhì)上說，圖像的邊緣是圖像局部特性不連續(xù)性（灰度突變，顏色突變，紋理結(jié)構(gòu)突變等）的反映，它標(biāo)志一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開始。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(shí)，利用視頻傳感器獲得的兩個(gè)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(gè)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。由于外部環(huán)境的多樣性、處理的實(shí)時(shí)性等要求，使得實(shí)際的算法都要在精確度、復(fù)雜度以及通用性等方面進(jìn)行折衷考慮。目前的陰影去除算法正是基于陰影檢測(cè)的基本假設(shè)和一般框架的。通過計(jì)算前景V和背景之間的差來考慮輻射度和亮度，主要思想是將前景中一個(gè)像素點(diǎn)的表象值與背景圖像中對(duì)應(yīng)點(diǎn)的表象值相比較。為簡(jiǎn)化起見，在陰影檢測(cè)時(shí)，需要增加假設(shè)。在這種狀況下，輻射度R( x, y)能被近似為： R(x,y)= 其中，α是未知的光源方向與目標(biāo)表面法線方向之間的夾角，,分別是周圍環(huán)境光線和光源的強(qiáng)度。這個(gè)值能通過Phong模型推導(dǎo)得出。假設(shè)白色光照明(即對(duì)每一個(gè)波長(zhǎng)，具有照明光譜常數(shù))和粗糙的表面（即具有接近0的菲涅耳反射系數(shù)），可以用下面等式模擬某一點(diǎn)的表象：V(x, y)= R(x, y)其中，是目標(biāo)表面的反射系數(shù)，V (x, y)是坐標(biāo)(x ,y)處像素點(diǎn)的圖像亮度。設(shè)陰影總是和投射陰影的目標(biāo)相關(guān)聯(lián)，是那個(gè)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(qiáng)度是已知的。投射陰影可以分為靜止投射陰影和運(yùn)動(dòng)投射陰影，當(dāng)目標(biāo)正在運(yùn)動(dòng)時(shí)，投射陰影則可稱為運(yùn)動(dòng)投射陰影，否則，稱為靜止陰影。（4）在數(shù)字?jǐn)z影測(cè)量中，影響正射影像圖的生成和自動(dòng)三角測(cè)量。（2）影響模式識(shí)別的準(zhǔn)確度，舉一個(gè)很簡(jiǎn)單的例子，物體和陰影區(qū)域的灰度值都比較低，則以物體灰度值為主要基礎(chǔ)的模式識(shí)別方法，就很可能將一部分陰影區(qū)域劃分為物體，擴(kuò)大了模式識(shí)別的錯(cuò)識(shí)率。（3）在數(shù)字城市工程或數(shù)字地球工程的三維建模中，適